FLS与UKF相结合的组合导航方法、装置、存储介质及设备制造方法及图纸

本发明专利技术提供一种FLS与UKF相结合的组合导航方法、装置、存储介质及设备。获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态，利用无迹卡尔曼滤波算法对当前K

【技术实现步骤摘要】
FLS与UKF相结合的组合导航方法、装置、存储介质及设备


[0001]本专利技术涉及卫星/惯性组合导航
，尤其涉及一种FLS与UKF相结合的组合导航方法、装置、存储介质及设备。

技术介绍

[0002]在动态运动条件下，常规的组合导航系统使用卡尔曼滤波器(Kalman filtering，KF)对全球导航卫星系统(Global Navigation Satellite System，GNSS)和惯性导航系统(Inertial Navigation System，INS)进行组合，该系统对载体水平位置、速度的估计容易受到载体运动剧烈程度、MEMS性能以及GPS导航解算精度等因素的影响，不能满足用户对导航精度的需求。KF是一种基于模型的线性最小方差估计，适用于系统方程和观测方程均为线性时的估计，并不适合非线性的GNSS/INS组合导航系统。扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)是组合导航中常用的非线性滤波方法，它通过取非线性函数泰勒展开式的一阶线性段，舍去高阶项来达到线性化的目的。然而EKF对于强非线性系统可能存在较大的非线性误差，会输出不稳定的滤波解，而且需要计算雅可比矩阵，计算复杂度高。针对EKF存在的问题，1995年由S.J.Julier和J.K.Uhlmann提出了基于无迹变换(Unscented Transform，UT)的无迹卡尔曼滤波(Unscented Kalman Filter，UKF)。UKF通过确定性采样选取一组sigma点，进行无迹变换来逼近系统的非线性分布，避免了EKF必须计算雅可比矩阵的缺点。
[0003]传统UKF在进行组合导航时，动态运动时刻水平定位精度优于KF，但静止时刻轨迹有一定的波动，而且轨迹不够平滑。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种固定滞后平滑(Fixed
‑
Lag Smoothing，FLS)与UKF相结合的组合导航方法、装置、存储介质及设备。
[0005]第一方面，本专利技术实施例提供一种FLS与UKF相结合的组合导航方法，包括：
[0006]获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态；
[0007]利用无迹卡尔曼滤波算法对当前K
‑
1时刻的状态量进行前向滤波，得到K时刻的前向滤波结果，包括K时刻的前向状态估计和均方误差；
[0008]利用固定滞后平滑算法根据K时刻的前向滤波结果进行反向滤波，得到K
‑
1时刻的反向滤波结果，包括K
‑
1时刻的反向状态估计和均方误差；
[0009]将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差；
[0010]将融合处理后的K时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。
[0011]在一些实施方式中，所述将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差，包括：
[0012]对于经度状态量和纬度状态量，将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差。
[0013]在一些实施方式中，所述获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态之前，还包括：
[0014]构建组合导航系统模型，包括定义组合导航系统的状态空间模型、状态量及观测量；其中，所述观测量取相同时刻下载体的位置、速度与相应接收机的位置、速度的差值。
[0015]在一些实施方式中，获取全球导航卫星系统估计的接收机的位置、速度和时间，包括：
[0016]获取卫星信号的中频信号；
[0017]所述中频信号经标量跟踪算法得到初始信息和星历数据；
[0018]由标量跟踪算法初始化矢量跟踪算法，再由矢量跟踪算法连续跟踪卫星信号，对星历数据进行解码；
[0019]通过导航处理器估计出接收机的位置、速度和时间。
[0020]在一些实施方式中，获取捷联惯性导航系统推算的载体的位置、速度和姿态，包括：
[0021]获取捷联惯性导航系统根据惯性测量单元的数据推算的载体的位置、速度和姿态。
[0022]在一些实施方式中，所述初始信息，包括接收机的速度、位置。
[0023]在一些实施方式中，所述固定滞后平滑算法的固定滞后间隔取1次预测。
[0024]第二方面，本专利技术实施例提供一种FLS与UKF相结合的组合导航装置，包括：
[0025]获取模块，用于获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态；
[0026]无迹卡尔曼滤波模块，用于利用无迹卡尔曼滤波算法对当前K
‑
1时刻的状态量进行前向滤波，得到K时刻的前向滤波结果，包括K时刻的前向状态估计和均方误差；
[0027]固定滞后平滑模块，用于利用固定滞后平滑算法根据K时刻的前向滤波结果进行反向滤波，得到K
‑
1时刻的反向滤波结果，包括K
‑
1时刻的反向状态估计和均方误差；
[0028]信息融合处理模块，用于将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差；
[0029]修正模块，用于将融合处理后的K时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。
[0030]第三方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如第一方面所述的FLS与UKF相结合的组合导航方法。
[0031]第四方面，本专利技术实施例提供一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述计算机程序被所述一个或多个处理器执行时实现如第一方面所述的FLS与UKF相结合的组合导航方法。
[0032]与现有技术相比，本专利技术的FLS与UKF相结合的组合导航方法至少能够带来如下有益效果：
[0033]本专利技术利用FLS对K时刻的UKF前向滤波结果进行递归运算得到K
‑
1时刻的反向状态估计及其均方误差。对于经度和纬度状态量，再将K
‑
1时刻的反向滤波结果与K时刻的前向滤波结果进行信息融合，得到k时刻的经度和纬度状态估计及其均方误差，提高了GPS/INS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种FLS与UKF相结合的组合导航方法，其特征在于，包括：获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态；利用无迹卡尔曼滤波算法对当前K
‑
1时刻的状态量进行前向滤波，得到K时刻的前向滤波结果，包括K时刻的前向状态估计和均方误差；利用固定滞后平滑算法根据K时刻的前向滤波结果进行反向滤波，得到K
‑
1时刻的反向滤波结果，包括K
‑
1时刻的反向状态估计和均方误差；将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差；将融合处理后的K时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，实现一次全球导航卫星系统与捷联惯性导航系统的组合导航。2.根据权利要求1所述的FLS与UKF相结合的组合导航方法，其特征在于，所述将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差，包括：对于经度状态量和纬度状态量，将K
‑
1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差。3.根据权利要求1所述的FLS与UKF相结合的组合导航方法，其特征在于，所述获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态之前，还包括：构建组合导航系统模型，包括定义组合导航系统的状态空间模型、状态量及观测量；其中，所述观测量取相同时刻下载体的位置、速度与相应接收机的位置、速度的差值。4.根据权利要求1所述的FLS与UKF相结合的组合导航方法，其特征在于，获取全球导航卫星系统估计的接收机的位置、速度和时间，包括：获取卫星信号的中频信号；所述中频信号经标量跟踪算法得到初始信息和星历数据；由标量跟踪算法初始化矢量跟踪算法，再由矢量跟踪算法连续跟踪卫星信号，...

【专利技术属性】
技术研发人员：刘卫，黄华，胡媛，谢宗轩，王胜正，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：