基于改进无迹卡尔曼粒子滤波的RAIM方法技术

本发明专利技术属于全球卫星导航检测技术领域，具体涉及一种基于改进无迹卡尔曼粒子滤波的RAIM方法。与现有技术相比较，本发明专利技术为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，通过在粒子滤波方法中引入改进后的无迹卡尔曼滤波，通过改进无迹卡尔曼滤波实现粒子滤波中更合理的状态预测和建议密度计算，能够有效避免粒子退化现象，在保障粒子滤波接收机自主完好性监测方法对非高斯观测噪声环境的适应性的同时，也减少了引入无迹卡尔曼粒子滤波所带来的计算量，保证了算法运算效率。因此，该方案既改善粒子滤波退化问题，同时保障该方法对非高斯观测噪声的适应性，通过对无迹卡尔曼滤波的改进也减少来由其导致的计算量。

RAIM method based on improved unscented Kalman particle filter

【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，本专利技术提供一种基于改进无迹卡尔曼粒子滤波的RAIM方法，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。其中，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}。其中，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。其中，所述步骤21中，当k＝1时，使用初始粒子集x0。其中，所述步骤3对粒子集进行序贯重要性采样；该步骤3包括：步骤31：通过对粒子集做信息统计，计算粒子集的均值和方差步骤32：通过粒子集的均值和方差以及建议密度函数采样得到新的粒子集xk(i)：其中，所述步骤4对粒子进行重采样；根据粒子权重计算有效粒子数然后与门限值Nth比较，如果Neff<Nth，则需要对先验粒子集进行重采样得到新的粒子集其中，所述步骤4中的门限值设置为总粒子数的2/3。其中，所述步骤5获得状态估计值；根据重采样的粒子集和权重信息计算当前历元的状态估计值：其中，所述步骤6对滤波信息进行一致性检验；所述步骤6包括：步骤61：计算一致性检验估计值；根据粒子集和权重信息计算粒子滤波估计值：其中，pq(y)为剔除第q个观测分量的粒子滤波估计值，pM(y)为包含所有观测分量的粒子滤波估计值；步骤62：计算对数似然比；根据粒子滤波估计值(pq(y)和pM(y))计算对数似然比：其中，si(y)表示第i颗卫星对应的对数似然比；步骤63：计算累加对数似然比；考虑到一致性检验对结果的敏感程度，还会对上述来两个估计值的对数似然比累加后再进行对比分析，累加对数似然比的计算过程为：其中，yi|Yi-1为第i个历元下Y观测向量中的观测信息；步骤64：一致性检验；通过对比各观测分量的累加对数似然比估计值，可以实现卫星故障的监测和识别；若系统无故障，则各个分量的累加对数似然比基本一致，且随时间的增加，各曲线整体平稳，没有剧烈波动的情况；若某个卫星发生故障，则在该时刻起，该卫星对应的会发生较大的变化，同时与其他卫星对应的估计值具有很大的区别。其中，在所述方法执行过程中，该方法与直接基于无迹卡尔曼滤波的粒子滤波方法的主要区别是该方法在sigma点生成过程中只需一次时间更新，而传统的UKF中需要对每个sigma点进行时间更新，应用到粒子滤波接收机自主完好性监测中，共有n+1个粒子滤波器，每个粒子滤波中包含N个粒子，并且每个粒子都需要W个sigma点估计，与单纯运用无迹卡尔曼改善粒子滤波接收机自主完好性监测方法相比较，本方法在时间更新步骤中的运算量将是其运算量的1/[(n+1)×N×W]左右。(三)有益效果与现有技术相比较，本专利技术为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，通过在粒子滤波方法中引入改进后的无迹卡尔曼滤波，通过改进无迹卡尔曼滤波实现粒子滤波中更合理的状态预测和建议密度计算，能够有效避免粒子退化现象，在保障粒子滤波接收机自主完好性监测方法对非高斯观测噪声环境的适应性的同时，也减少了引入无迹卡尔曼粒子滤波所带来的计算量，保证了算法运算效率。因此，该方案既改善粒子滤波退化问题，同时保障该方法对非高斯观测噪声的适应性，通过对无迹卡尔曼滤波的改进也减少来由其导致的计算量。附图说明图1为基于改进无迹卡尔曼粒子滤本文档来自技高网...

【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