一种用于近地轨道确定的混合粒子高斯混合滤波方法在极端不确定性下
A Hybrid Particle Gaussian Mixture Filtering Method for Cislunar Orbit Determination Under Extreme Uncertainty
AI总结：
本文提出了一种混合粒子高斯混合滤波方法，用于在极端不确定性下进行近地轨道确定，结合概率信息与地面望远镜的仅角度观测数据。
摘要：
高斯轨道确定方法及其变体是天文学家和工程师最流行的初始状态估计技术之一。然而，由于其对两体问题的假设，高斯方法在近地轨道域中不适用，因为在该领域三体效应占主导地位。我们介绍了一种混合粒子高斯混合过滤方法，这是一种基于马尔可夫链蒙特卡罗基于的粒子高斯混合-II（PGM-II）和粒子高斯混合-I（PGM-I）滤波器的纯递归概率轨道确定框架。该方法使我们能够将概率信息与来自地面望远镜的仅角度观测数据融合，用于近地目标的短期和长期跟踪。我们在此重要的近地轨道领域中展示了该技术。
英文摘要：
Gauss's method of orbit determination (OD) and its variants are among the most popular initial state estimation techniques for astronomers and engineers alike. However, owing to its assumptions regarding the two-body problem, Gauss's method is inapplicable in the cislunar domain, where three body effects dominate. We introduce a hybrid Particle Gaussian Mixture filtering method, a purely recursive probabilistic orbit determination framework based on a combination of the Markov Chain Monte Carlo based Particle Gaussian Mixture-II (PGM-II) and Particle Gaussian Mixture-I (PGM-I) filters. This method enables us to fuse probabilistic information with angles-only observations from terrestrial telescopes for short and long-term cislunar target tracking. We demonstrate this technique on an important cislunar orbit regime.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
