一种基于因子图的多源导航信息融合方法技术

本发明专利技术公开了一种基于因子图的多源导航信息融合方法，首先通过轨迹设定得到符合实际环境及任务需求的轨迹，由各种传感器得到传感器量测信息，由惯性量测单元得到惯导IMU数据，通过因子图构多源导航信息融合框架，最终通过多源信息滤波融合得到导航信息。本发明专利技术将因子图与多源信息融合算法结合起来，实现对异步量测信息的处理及对导航精度的需求。

【技术实现步骤摘要】

本专利技术属于组合导航
，特别涉及了一种基于因子图的多源导航信息融合方法。
技术介绍
随着科学技术的不断发展，人们对动态载体运动目标(飞机、车辆、舰船等)的状态估计精度要求越来越高，依赖单一传感器进行导航已不能满足需求，于是出现了多传感器的组合导航。多传感器信息融合应运而生，将多传感器提供的信息按某种融合准则进行最优融合，提高状态估计精度。融合导航的发展以导航传感器为基础。在组合导航系统中，常用的传感器系统包括：惯性导航系统、卫星导航系统、天文导航系统、多普勒导航系统、地形匹配导航系统、景象匹配导航、航位推算导航等。由于各传感器所采用的导航原理不同，各类传感器之间存在极强的互补性。在实际应用中，由于不同传感器的更新频率不同，存在时间不同步的问题，同时在组合过程中，各传感器在不同环境和条件下的使用局限，可用性会发生变化，会影响到滤波结构，比如，卫星导航信号难以穿透地面和建筑物等密度较大的物质，在都市、室内、地下环境中信号的衰减现象非常严重，导致GPS难以正常工作。采用固定的滤波结构和方法均不能很好地满足这种复杂多变的应用需求。概率图模型是一种以图模型来表示变量概率依存关系的理论。概率图模型可以分为三类，分别是有向概率图模型、无向概率图模型和混合概率图模型；其中，有向概率图模型又可以分为单向图和双向图。因子图(Factor Graph,FG)是一种双向概率图模型，包含贝叶斯网络、马尔科夫随机场及Tanner图等多种图模型。图中包含两种类型的节点：一种是变量节点，代表全局多元函数中的变量；一种是因子节点，代表因式分解中的局部函数。每个局部函数只与全局多元函数中的部分变量相关，当且仅当变量是局部函数的自变元时，因子图中与之相应的变量节点与因子节点之间存在一条连接边。因子图作为一种分析问题的图形工具在很多领域都得到了广泛应用，例如：信号处理、人工智能、神经网络等。因子图作为一种图模型工具，在编解码领域有着广泛的应用，同时，也被应用于统计学、信号处理和人工智能领域。有文献对基于因子图的信道估计与均衡及译码的迭代及进行了研究；也有文献利用因子图提出一种多目的地地图的生成方法。但总的来说，目前对因子图的应用主要集中在通信解码领域，对将因子图与多源信息融合算法结合起来的研究很少。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供一种基于因子图的多源导航信息融合方法，将因子图与多源信息融合算法结合起来，实现对不同步量测信息的处理及对导航精度的需求。为了实现上述技术目的，本专利技术的技术方案为：一种基于因子图的多源导航信息融合方法，包括以下步骤：(1)在机载动态环境下，根据载体的实际情况、任务需求以及所处环境设计载体的运动动作、运动轨迹，并确定与惯性测量单元进行组合导航的其他各类机载高精度传感器；(2)通过惯性测量单元中的陀螺仪和加速度计获取载体的角速度信息和比力信息，同时，通过其他各类机载高精度传感器获取载体各类量测信息；(3)定义导航系统状态矢量为因子图的变量节点，定义惯性测量单元以及其他各类机载高精度传感器获取的载体量测信息为因子图的因子节点，从而构建基于因子图的多源导航信息融合框架；(4)在基于因子图的多源导航信息融合框架下，表征系统状态矢量和量测信息更新过程，建立滤波方程，经过实时滤波估计和修正，完成多源导航信息的有效融合。进一步地，步骤(4)的具体过程如下：(a)选择系统状态量X，构建导航系统的状态方程和量测方程；(b)选取多源导航信息融合的约束规则： P ( X ) = Π n ∈ N f n ( X k ) - - - ( 1 ) ]]>式(1)中，P(X)为定义在系统状态量X上的联合分布函数，fn(Xk)为因子节点，N为因子节点数，Xk为k时刻的系统状态量；(c)建立惯性测量单元的因子节点表达式，建立其他各类机载高精度传感器的因子节点表达式；(d)选择因子节点的代价函数，并在其值取最小时对系统状态量X求偏导数，从而得到状态量X的估计。进一步地，在步骤(c)中，惯性测量单元因子节点的表达式：fIMU＝L(Xk+1-F(Xk,ZIMU)) (2)其他各类机载高精度传感器的因子节点表达式：f(Xk)＝L(Zk-H) (3)其中，L(·)是代价函数，H是量测函数，是对Xk的估计，Zk为实际量测值，F是系统的传递函数矩阵，Xk+1为k+1时刻系统的状态量，ZIMU为惯性测量单元的量测值ZIMU＝{fb,ωb本文档来自技高网...

【技术保护点】
一种基于因子图的多源导航信息融合方法，其特征在于，包括以下步骤：(1)在机载动态环境下，根据载体的实际情况、任务需求以及所处环境设计载体的运动动作、运动轨迹，并确定与惯性测量单元进行组合导航的其他各类机载高精度传感器；(2)通过惯性测量单元中的陀螺仪和加速度计获取载体的角速度信息和比力信息，同时，通过其他各类机载高精度传感器获取载体各类量测信息；(3)定义导航系统状态矢量为因子图的变量节点，定义惯性测量单元以及其他各类机载高精度传感器获取的载体量测信息为因子图的因子节点，从而构建基于因子图的多源导航信息融合框架；(4)在基于因子图的多源导航信息融合框架下，表征系统状态矢量和量测信息更新过程，建立滤波方程，经过实时滤波估计和修正，完成多源导航信息的有效融合。

【技术特征摘要】
1.一种基于因子图的多源导航信息融合方法，其特征在于，包括以下步骤：(1)在机载动态环境下，根据载体的实际情况、任务需求以及所处环境设计载体的运动动作、运动轨迹，并确定与惯性测量单元进行组合导航的其他各类机载高精度传感器；(2)通过惯性测量单元中的陀螺仪和加速度计获取载体的角速度信息和比力信息，同时，通过其他各类机载高精度传感器获取载体各类量测信息；(3)定义导航系统状态矢量为因子图的变量节点，定义惯性测量单元以及其他各类机载高精度传感器获取的载体量测信息为因子图的因子节点，从而构建基于因子图的多源导航信息融合框架；(4)在基于因子图的多源导航信息融合框架下，表征系统状态矢量和量测信息更新过程，建立滤波方程，经过实时滤波估计和修正，完成多源导航信息的有效融合。2.根据权利要求1所述基于因子图的多源导航信息融合方法，其特征在于，步骤(4)的具体过程如下：(a)选择系统状态量X，构建导航系统的状态方程和量测方程；(b)选取多源导航信息融合的约束规则： P ( X ) = Π n ∈ N ...

【专利技术属性】
技术研发人员：王慧哲，曾庆化，刘建业，陈维娜，岳亚洲，谢阳光，王云舒，孟骞，郑华清，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32