一种组合导航滤波方法技术

本发明专利技术公开了一种组合导航滤波方法，包括以下步骤：步骤1、针对非线性环境，建立组合导航模型，包括组合导航系统的状态方程及量测方程：步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波，所述改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τ

【技术实现步骤摘要】
一种组合导航滤波方法


[0001]本专利技术主要涉及导航
，具体涉及一种组合导航滤波方法。

技术介绍

[0002]单一的导航技术都有各自的优缺点，单独使用一种导航技术难以满足用户与日俱增的导航需求。在此基础上，组合导航应运而生。在组合导航领域，滤波算法一直作为一个核心技术被国内外广大学者研究探索，其中强跟踪UKF(STUKF)算法提高了UKF(Unscented Kalman filter,无迹卡尔曼滤波)算法的滤波跟踪性能，提高了组合导航系统对于突变状态的实时跟踪能力，但现有的强跟踪UKF算法计算比较复杂，滤波稳定性较差，导致组合导航定位精度较低。

技术实现思路

[0003]本专利技术所要解决的技术问题是，针对现有技术的不足，提供一种组合导航滤波方法，提高组合导航系统在非线性环境下的滤波稳定性和鲁棒性。
[0004]本专利技术所提供的技术方案为：
[0005]一种组合导航滤波方法，包括以下步骤：
[0006]步骤1、针对非线性环境，建立建立组合导航模型，包括组合导航系统的状态方程及量测方程，其中状态函数和量测函数均为非线性函数；
[0007]步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波(估计)；其中改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τ
k
；再结合渐消因子τ
k
更新增益矩阵K
k
，状态向量的估计值和协方差矩阵P
k/>。
[0008]进一步地，所述步骤2中，渐消因子τ
k
计算公式如下：
[0009][0010][0011]其中，V
k
为输出残差序列Δ
k/k
‑1的协方差矩阵，输出残差序列其中z
k
为组合导航系统的量测向量，为量测向量的估计值；Φ
k/k
‑1和H
k
分别为非线性状态函数和量测函数的雅克比矩阵，tr[]为矩阵的迹，R
k
为量测噪声的正定方差矩阵；τ
0,k
为中间变量。
[0012]有益效果：
[0013]本专利技术运用改进的跟踪UKF算法对相对于现有的组合导航滤波算法，具有更强的非线性性；将渐消因子作用于预测协方差矩阵，提高了强跟踪滤波的稳定性，在高动态的复
杂环境中，组合滤波表现优异；基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子，进一步提高了估计精度。
附图说明
[0014]图1为本专利技术一实施例提供的组合导航滤波方法的流程示意图
具体实施方式
[0015]以下结合附图和具体实施方式对本专利技术进行进一步具体说明。
[0016]本实施例提供一种组合导航滤波方法，包括以下步骤：
[0017]步骤1、针对非线性环境，建立如下组合导航模型，包括组合导航系统的状态方程及量测方程：
[0018]x
k+1
＝f(x
k
,w
k
)
[0019]z
k
＝h(x
k
,v
k
)
[0020]其中，x
k
和z
k
分别为组合导航系统的状态向量和量测向量；组合导航系统的状态向量由组合导航系统的误差数据构成，如位置误差、速度误差等；组合导航系统的量测向量由组合导航系统的量测数据构成，如位置量测值、速度量测值等；f()和h()分别为非线性状态函数和量测函数；w
k
和v
k
分别为系统噪声(状态过程噪声)和量测噪声；
[0021]步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波，其中改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τ
k
；再结合渐消因子τ
k
更新增益矩阵K
k
，状态向量的估计值和协方差矩阵P
k
，变量中的下标k为时刻编号，完成一轮滤波过程。
[0022]进一步地，所述步骤2中，运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波具体包括以下步骤：
[0023](1)对状态向量x和协方差P进行初始化设置：
[0024][0025]其中，为初始时刻，即k＝0时刻状态向量的估计值，x0为初始时刻的状态向量，其高斯随机向量；E()为期望值，T为转置矩阵，P0为初始时刻的协方差矩阵；
[0026](2)对状态向量进行采样，获得k
‑
1时刻的Sigma定性采样点(UT变换)，以及各个采样点的一阶权值和二阶权值；
[0027]通过采样公式计算k
‑
1时刻的Sigma定性采样点(UT变换)，所述采样公式为：
[0028][0029]其中，ξ
i,k
‑1为k
‑
1时刻的第i个Sigma定性采样点，k＝1,2,...，i＝0,1,...2w，w为系统状态向量的维数；为k
‑
1时刻的系统状态向量估计值；中间参数λ＝α2(w+K)
‑
w，其中
K为比例参数，通常取为0或3
‑
w；α为正值的比例缩放因子，用于调整Sigma定性采样点与的距离，α的取值范围为[0,1]；
[0030]利用一阶权值计算公式和二阶权值计算公式对Sigma定性采样点进行一阶权值和二阶权值的计算，所述一阶权值计算公式为：
[0031][0032]其中，W
im
为第i个Sigma定性采样点的一阶权值；
[0033]所述二阶权值计算公式为：
[0034][0035]其中，W
ic
为第i个Sigma定性采样点的二阶权值，β为非负权系数，高斯分布下β的最佳值为2。
[0036](3)时间更新：对所述Sigma定性采样点、采样点预测均值、协方差进行更新；
[0037]根据第一更新公式对所述Sigma定性采样点进行更新，所述第一更新公式为：
[0038]γ
i，k/k
‑1＝f(ξ
i,k
‑1)
[0039]其中，γ
i，k/k
‑1为更新后的采样点，f(ξ
i,k
‑1)为非线性变换函数；
[0040]根据更新后的Sigma定性采样点和第二更新公式更新状态量预测均值，所述第二更新公式为：
[0041][0042]其中，为状态量预测均值；
[0043]根据更新后的Sigma定性采样点和第三更新公式更新状态量预测协方差，所述第三更新公式为：
[0044][0045]其中，P
k/k
‑1为状态量预测协方差，Q
k
‑1为系统噪声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种组合导航滤波方法，其特征在于，包括以下步骤：步骤1、针对非线性环境，建立组合导航模型，包括组合导航系统的状态方程及量测方程，其中状态函数和量测函数均为非线性函数；步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波，其中改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τ
k
；再结合渐消因子τ
k
更新增益矩阵K
k
，状态向量的估计值和协方差矩阵P
k
。2.根据权利要求1所述的组合导航...

【专利技术属性】
技术研发人员：蔡逸豪，李帅，王潜心，胡永锋，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：