【技术实现步骤摘要】
基于改进无迹卡尔曼粒子滤波的RAIM方法
本专利技术属于全球卫星导航检测
,具体涉及一种基于改进无迹卡尔曼粒子滤波的RAIM方法。
技术介绍
在非高斯观测噪声环境下,最小二乘残差法、奇偶矢量法、卡尔曼滤波等基于高斯噪声假设的传统接收机自主完好性监测方法已无法准确的实现对卫星故障得到检测和识别。利用粒子滤波本身对非高斯观测噪声有较强适应性的优势,构建粒子滤波接收机自主完好性监测方法,能够在非高斯观测噪声环境下开展接收机自主完好性监测(ReceiverAutonomousIntegrityMonitoring,RAIM),但由于粒子滤波方法本身存在粒子退化等问题,监测结果并不理想。目前针对粒子滤波在非高斯观测噪声环境下应用于接收机自主完好性监测的研究主要集中在改善粒子滤波中的粒子退化问题,目前提出改善方法虽然达到了一定改善粒子退化现象实现多样性的目的,但都在改进过程中导致其对非高斯观测噪声的适应性降低,无法较好的兼顾粒子退化和非高斯观测噪声适应性这两种问题。传统的粒子滤波接收机自主完好性监测方法具有明显的粒子退化问题,导致估计结果的不准确。其他改进的粒子滤波接收机自主完好性监测方法能减少粒子退化效果现象,但无法保证改正后的粒子滤波接收机自主完好性监测方法在非高斯观测噪声环境的效果。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是:如何实现在非高斯观测噪声环境下有效开展接收机自主完好性监测。(二)技术方案为解决上述技术问题,本专利技术提供一 ...
【技术保护点】
1.一种基于改进无迹卡尔曼粒子滤波的RAIM方法,其特征在于,所述方法包括如下步骤:/n步骤1:对粒子进行初始化抽样;/n步骤2:进行状态预测;/n步骤3:对粒子集进行序贯重要性采样;/n步骤4:对粒子进行重采样;/n步骤5:获得状态估计值;/n步骤6:对滤波信息进行一致性检验。/n
【技术特征摘要】
1.一种基于改进无迹卡尔曼粒子滤波的RAIM方法,其特征在于,所述方法包括如下步骤:
步骤1:对粒子进行初始化抽样;
步骤2:进行状态预测;
步骤3:对粒子集进行序贯重要性采样;
步骤4:对粒子进行重采样;
步骤5:获得状态估计值;
步骤6:对滤波信息进行一致性检验。
2.如权利要求1所述的基于改进无迹卡尔曼粒子滤波的RAIM方法,其特征在于,所述步骤1中对粒子进行初始化抽样,首先根据先验概率密度函数p(x0)抽取随机样本构成初始粒子集{x0(i);i=1,2,…N}~p(x0),其中N为粒子数目,每个粒子的权重初始化为1/N,表示为{ω0(i)=1/N;i=1,2,…N}。
3.如权利要求2所述的基于改进无迹卡尔曼粒子滤波的RAIM方法,其特征在于,所述步骤2进行状态预测;
通过改进的无迹卡尔曼滤波对粒子状态进行估计,其过程包括时间更新、生成sigma点,观测更新;该步骤2包括:
步骤21:对粒子进行时间更新;
根据公式(3)、(4)及采样得到的粒子集对粒子进行时间更新;
Pk/k-1(i)=Φk/k-1Pk-1(i)ΦTk/k-1+Qk(4)
其中是的最优滤波估计,Φk/k-1为状态转移矩阵下标;k表示当前观测历元,且k=1,2,3…,k-1表示上一个相邻观测历元,k/k-1表示两个历元之间的过渡,当k=1时,为步骤一中得到的粒子集;Pk/k-1为的误差协方差矩阵,Qk为过程噪声矩阵;
步骤22:生成sigma点;
根据公式(5)以及上一步更新后的粒子集分别生成三类sigma点
其中,n为sigma点的总数,Dk|k-1为的平方根,为的协方差矩阵;
步骤23:更新观测信息;
基于步骤22中得到sigma点信息,通过公式(6)、(7)、(8)进行计算得到新的观测信息误差协方差矩阵误差矩阵
其中,和为第j个sigma点的权重,其中可通过求一阶统计特性的权系数确定,可通过求二阶统计特性权系数确定,为的误差协方差矩阵,Rk为过程噪声的方差矩阵,为和的误差矩阵,是对每个sigma点的观测更新;
步骤24:更新滤波信息;
基于新的观测信息,依据公式(9)、(10)、(11)更新各项滤波信息;
其中,Kk为滤波增益矩阵,为的误差协方差矩阵。
4.如权利要求3所述的基于改进无迹卡尔曼粒子滤波的RAIM方法,其特征在于,所述步骤21中,当k=1时,使用初始粒子集x0。
5.如权利要求3所述的基于改进无迹卡尔曼粒子滤波的RAIM方法,其特征在于,所述步骤3对粒子集进行序贯重要性采样;该步骤3包...
【专利技术属性】
技术研发人员:范国超,张依漪,郝创博,薛铸鑫,汪伟峰,
申请(专利权)人:北京京航计算通讯研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。