一种顾及观测模型误差的分级自适应滤波方法及系统技术方案

本发明专利技术公开了一种顾及观测模型误差的分级自适应滤波方法及系统，通过构建主滤波器，计算不考虑观测模型误差的状态向量估值基于广义似然比算法计算观测模型误差探测因子l

【技术实现步骤摘要】
一种顾及观测模型误差的分级自适应滤波方法及系统


[0001]本专利技术属于滤波处理
，具体地说，是涉及一种顾及观测模型误差的分级自适应滤波方法及系统。

技术介绍

[0002]多源导航传感器的集成与信息融合为复杂环境下动态载体定位、导航和授时(Positioning Navigation and Timing，PNT)提供了支持。在复杂环境下，动态载体的导航传感器观测精度随着时空变化而变化，各类传感器的函数模型和随机模型随着观测信息的不确定度变化而变化。在实际建模中，观测模型误差的存在不可避免，最终影响导航精度。利用各类导航传感器实时估计运动状态参数的本质即滤波，从包含误差的观测值中估计出状态参数，并通过已知的状态和观测模型进行最优滤波估计。常用的滤波器是基于时域的卡尔曼滤波(Kalman Filter，KF)，但当函数模型和误差模型不满足其线性和高斯误差假设时，滤波精度将受到严重影响。
[0003]考虑削弱观测模型误差对滤波精度的影响，目前的处理方法主要集中在函数模型补偿和随机模型补偿，这两种方法虽然能够在一定程度上削弱观测模型误本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种顾及观测模型误差的分级自适应滤波方法，其特征在于：包括：(1)构建主滤波器，计算(1)构建主滤波器，计算(1)构建主滤波器，计算(1)构建主滤波器，计算(1)构建主滤波器，计算其中，x
k
，表示k时刻的状态向量；y
k
，表示k时刻的观测向量；表示k时刻的状态向量估值；表示k
‑
1时刻的状态向量估值；表示k时刻的不考虑观测模型误差的状态向量估值；表示k
‑
1时刻的不考虑观测模型误差的状态向量估值；表示由预测的k时刻的不考虑观测模型误差的状态向量估值；N
k
‑1表示的法方程系数阵；N
k
表示的法方程系数阵；N
k|k
‑1表示的法方程系数阵；A
k
表示k时刻的误差方程系数矩阵；Φ
k
表示k时刻的状态转移矩阵；Q
k
表示k时刻的状态噪声的协方差阵；R
k
表示k时刻的观测向量的协方差阵；(2)基于广义似然比算法计算观测模型误差探测因子l
k
；(3)比较观测模型误差探测因子l
k
与经验阈值l
s
的大小，根据比较结果计算状态向量估值补偿值值补偿值值补偿值值补偿值值补偿值值补偿值
H
k
＝B
k
‑
A
k
Φ
k
F
k
‑1；其中，l
s
表示经验阈值；s
k
表示k时刻的观测模型误差向量；表示k时刻的观测模型误差向量估值；表示k
‑
1时刻的观测模型误差向量估值；表示k时刻的考虑观测模型误差的状态向量估值补偿值；表示k
‑
1时刻的考虑观测模型误差的状态向量估值补偿值；λ
k
∈(0,1]，表示自适应因子；H
k
表示一个中间变量；V
k
表示k时刻的新息向量；Σ
k
表示V
k
的协方差矩阵；Λ
k
表示k时刻的观测模型误差的协方差矩阵；Λ
k
‑1表示k
‑
1时刻的观测模型误差的协方差矩阵；F
k
表示系数阵，使线性关系成立；F
k
‑1表示系数阵，使线性关系成立；B
k
表示k时刻的误差方程系数矩阵；(4)计算2.根据权利要求1所述的方法，其特征在于：观测模型误差探测因子l
k
的计算公式为：的计算公式为：的计算公式为：的计算公式为：其中，Ω
k
均为中间变量；在计算过程中取值为3.根据权利要求1所述的方法，其特征在于：自适应因子λ
k
的计算公式为：的计算公式为：其中，是一个中间变量，c为经验阈值。4.一种顾及观测模型误差的分级自适应滤波系统，其特征在于：包括：
主滤波器构建模块，用于构...

【专利技术属性】
技术研发人员：王翀，周胜洪，颜舒琳，陈晓智，张玉国，曲春凯，高航，姜陶然，曹睿，王雪松，姜丽颖，单雪梅，
申请(专利权)人：青岛杰瑞自动化有限公司，
类型：发明
国别省市：