【技术实现步骤摘要】
一种基于矩阵稀疏性的Kalman滤波算法优化的方法
本专利技术涉及导航
，特别是涉及一种基于矩阵稀疏性的Kalman滤波算法优化的方法。
技术介绍
Kalman滤波是应用最为广泛的一种估计滤波技术，自从Kalman滤波提出以来，它已成为信号处理、通信和控制等最基本、最重要的工具，但随着组合导航系统传感器种类的增加，系统的规模也日趋复杂，相应地，Kalman滤波器结构形式也日趋庞大，利用高性能硬件计算机去提高计算速度和增大存储机制的方案越来越多被适用于Kalman滤波器的设计中，但嵌入式硬件的发展远远不能满足软件算法的需求，硬件性能已经成为Kalman滤波技术发展的掣肘，由于滤波本身计算量大和所需程序空间大，同时还要应对实时状态估计的需要，严重制约了其应用。本专利技术根据Kalman滤波状态方程和观测方程的稀疏特性对状态转移矩阵和观测矩阵进行分块处理，利用分块矩阵的零元素矩阵进行理论推导，避免了大量有关零元素的运算，降低了高维的存储空间需求，在解算的过程中将某些中间结果存储于数据缓冲区，并复用缓存结果，在此基础上...
【技术保护点】
1.一种基于矩阵稀疏性的Kalman滤波算法优化的方法，其特征在于：包括如下步骤：/n1)建立一种组合导航卡尔曼滤波模型，对解算矩阵进行分块，包括状态系数矩阵F，一步状态转移阵Φ，噪声驱动阵G，噪声方差阵Q，状态一步预测量阵X
【技术特征摘要】
1.一种基于矩阵稀疏性的Kalman滤波算法优化的方法，其特征在于：包括如下步骤：
1)建立一种组合导航卡尔曼滤波模型，对解算矩阵进行分块，包括状态系数矩阵F，一步状态转移阵Φ，噪声驱动阵G，噪声方差阵Q，状态一步预测量阵Xkk，预测均方误差阵Pkk，滤波增益阵Kk，状态估计量阵Xk，估计均方误差阵Pk；
2)利用F阵和G阵的零元素进行简化推导，得出Φ阵和Q阵的简化计算过程；
3)对卡尔曼滤波的五个步骤Xkk、Pkk、Kk、Xk、Pk进行计算分块矩阵推导，并在计算过程中采用复用存储单元和压缩存储单元的方法降低存储空间的占用，并利用计算机解算的特点降低计算开销。
2.根据权利要求1所述的基于矩阵稀疏性的Kalman滤波算法优化的方法，其特征在于：步骤2)中所述Φ阵简化推导模型，包括：
只需计算第一行分块矩阵且可以将F12和F1·F2进行缓存并在后面的计算中予以复用，统计F2和F3的非零元素个数，并考虑采用三元稀疏矩阵进行存储；
对于一步状态转移阵Φ也按二分法对矩阵进行分块，首先计算后半部分如上述分析，只计算第一行分块矩阵，然后仅针对J矩阵的对角元素进行加1操作，再后将Φ分块矩阵的第2行第2列用单位矩阵I2进行替换，由此计算可得Φ。
3.根据权利要求1所述的基于矩阵稀疏性的Kalman滤波算法优化的方法，其特征在于：步骤2)中所述Q的简化推导模型，包括：
保留F1G1QG1T作为中间结果用于计算(FM)T
Mi+1＝FMi+(FMi)T，
记作：
上述结果均采用8×8矩阵进行存储，并视矩阵非零元素个数...
【专利技术属性】
技术研发人员：郭猛，娄癸阳，胡小毛，姚琪，于文涛，
申请(专利权)人：中国船舶重工集团公司第七零七研究所，
类型：发明
国别省市：天津;12
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。