一种抗差联邦卡尔曼滤波方法、设备与系统技术方案

本发明专利技术公开了一种抗差联邦卡尔曼滤波方法、设备与系统，该系统包括：在载体上设置的惯性导航系统和N个其它导航系统，所述惯性导航系统对应主滤波器，所述N个其它导航系统与N个局部滤波器一一对应；其中，所述N个局部滤波器，用于接收各自对应的传感器的输入数据，计算系统状态量的估计值；所述主滤波器，用于融合所述N个局部滤波器得到的状态量的估计值，获得系统状态全局最优估计和量测噪声方差阵。本发明专利技术中，当量测信息增加或减少时，联邦滤波器仅通过调整局部滤波器数量即可完成融合模式的切换，既具有灵活的数据融合结构，又具有抗差能力，稳定性和鲁棒性优势明显。稳定性和鲁棒性优势明显。稳定性和鲁棒性优势明显。

【技术实现步骤摘要】
一种抗差联邦卡尔曼滤波方法、设备与系统


[0001]本专利技术涉及涉及组合导航
，尤其涉及一种抗差联邦卡尔曼滤波方法、设备与系统。

技术介绍

[0002]随着导航定位技术的发展，导航系统的种类越来越多，比如惯导系统、卫星导航系统、磁罗盘、里程仪/多普勒测速仪/空速计、气压高度表/雷达高度表、地标点/地图匹配等。这些导航系统各有特色，优缺点并存。在许多对导航性能要求苛刻的任务中，无论是精度要求还是可靠性要求高，单一的导航系统可能都无法满足要求，这就需要使用多种导航系统同时对运载体进行导航系统的测量，在对所有测量信息作综合处理(包括检测、结合、相关和估计)，从而得到更为准确和可靠的导航结果。
[0003]导航信息的综合处理技术一般都采用卡尔曼滤波。常规的卡尔曼滤波算法其实在实质上就是线性最小方差估计的一种，它只能应用于特定的数学模型，而且系统噪声还必须是已知其统计特性的均值为零的高斯白噪声，而当数学模型不确定或者出现观测野值时，滤波估计的可靠性会受干扰。因为船舶在情况复杂的海洋环境中航行，会受到各种各样的干扰，如天气的影响，海况的影响，比如船舶航行过程中，突然出现的船体侧滑，这时候测得的航行速度值就可能与船体的实际速度差距很大，这些值被称为观测野值，它会对滤波精度产生极大的影响，甚而可能使得滤波发散。
[0004]随着系统规模的不断增大，并且观测野值的存在，如何有效处理多个传感器测量信息的问题被提出并得到广泛的研究。因此，对卡尔曼滤波算法的改进研究，来提高滤波的鲁棒性就变得至关重要。
专利技术内容
[0005]本专利技术的目的在于提供一种抗差联邦卡尔曼滤波方法、设备与系统来克服或至少减轻现有技术的上述缺陷中的至少一个。
[0006]为实现上述目的，本专利技术提供一种抗差联邦卡尔曼滤波系统，包括在载体上设置的惯性导航系统和N个其它导航系统，N为大于等于1的自然数，其中，所述惯性导航系统对应主滤波器，所述N个其它导航系统与N个局部滤波器一一对应；其中，
[0007]所述N个局部滤波器，用于接收各自对应的传感器的输入数据，根据下述式(1)
‑
(5)计算系统状态量X的估计值：
[0008][0009]其中，为k
‑
1时刻载体状态的估计值，其初始值为k
‑
1时刻接收到的输入数据；为k
‑
1时刻对k时刻的载体状态的预测量；
[0010]Φ
k/k
‑1＝I+F(t
k
‑1)T
s
，T
s
＝t
k
‑
t
k
‑1[0011]其中，I为单位矩阵，t
k
为k时刻的时间，t
k
‑1为k
‑
1时刻的时间，F(t
k
‑1)为t
k
‑1时刻的
状态转移矩阵；
[0012][0013]其中，P
k
‑1为k
‑
1时刻的状态估计均方差阵；P
k/k
‑1为k
‑
1时刻对k时刻的状态估计均方差阵的预测量；为Φ
k/k
‑1的转置矩阵；Q为高斯白噪声方差阵；
[0014][0015]其中，w
x
为量测残差的加权矩阵；H
k
为k时刻的量测矩阵；为k时刻的量测矩阵的转置矩阵；σ1为高斯噪声标准差；w
y
为状态预测残差的加权矩阵；
[0016][0017][0018]其中，为k时刻状态量的估计值，z
k
为k时刻载体的量测量；
[0019]所述主滤波器，用于融合所述N个局部滤波器得到的k时刻状态量的估计值，根据下式(6)
‑
(7)获得k时刻系统状态全局最优估计和量测噪声方差阵
[0020][0021][0022]其中，i表示第i个局部滤波器，
[0023][0024]其中，(β
(i)
)
‑1为预设信息分配因子的倒数，所有信息分配因子的和为1。
[0025]优选的，所述N个局部滤波器，用于使用计算得到的的值替换式(1)中的的值，迭代计算的值，直到前后两次计算得到的的值的差满足预设条件，或者迭代次数达到阈值。
[0026]优选的，
[0027][0028]其中，F
INS,9
×9为SINS误差方程；T3×3为捷联矩阵，O为零矩阵。
[0029]优选的，所述主滤波器还用于：将所述最优估计结果反馈至各局部滤波器。
[0030]优选的，所述N个局部滤波器和所述主滤波器分别对应传感器，所述N个局部滤波器接收各自对应的传感器和所述主滤波器对应的传感器输入的数据。
[0031]本专利技术实施例还提供一种抗差联邦卡尔曼滤波方法，应用于设置惯性导航系统和
N个其它导航系统的载体上，N为大于等于1的自然数，所述设备包括主滤波器和N个其它滤波器，其中，所述惯性导航系统对应主滤波器，所述N个其它导航系统与N个局部滤波器一一对应；所述方法包括：
[0032]通过所述N个局部滤波器接收各自对应的传感器的输入数据，根据下述式(1)
‑
(5)计算系统状态量X的估计值：
[0033][0034]其中，为k
‑
1时刻的状态量的预测值，其初始值为k
‑
1时刻接收到的输入数据；为k
‑
1时刻对k时刻的载体状态的预测量；
[0035]Φ
k/k
‑1＝I+F(t
k
‑1)T
s
，T
s
＝t
k
‑
t
k
‑1[0036]其中，I为单位矩阵，t
k
为k时刻的时间，t
k
‑1为k
‑
1时刻的时间，F(t
k
‑1)为t
k
‑1时刻的状态转移矩阵；
[0037][0038]其中，P
k
‑1为k
‑
1时刻的状态估计均方差阵；P
k/k
‑1为k
‑
1时刻对k时刻的状态估计均方差阵的预测量；为Φ
k/k
‑1的转置矩阵；Q为高斯白噪声方差阵；
[0039][0040]其中，w
x
为量测残差的加权矩阵；H
k
为k时刻的量测矩阵；为k时刻的量测矩阵的转置矩阵；σ1为高斯噪声标准差；w
y
为状态预测残差的加权矩阵；
[0041][0042][0043]其中，为k时刻状态量的估计值，z
k
为k时刻载体的量测量；
[0044]通过所述主滤波器融合所述N个局部滤波器得到的k时刻状态量的估计值，根据下式(6)
‑
(7)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抗差联邦卡尔曼滤波系统，其特征在于，包括在载体上设置的惯性导航系统和N个其它导航系统，N为大于等于1的自然数，其中，所述惯性导航系统对应主滤波器，所述N个其它导航系统与N个局部滤波器一一对应；其中，所述N个局部滤波器，用于接收各自对应的传感器的输入数据，根据下述式(1)
‑
(5)计算系统状态量X的估计值：其中，为k
‑
1时刻载体状态的估计值，其初始值为k
‑
1时刻接收到的输入数据；为k
‑
1时刻对k时刻的载体状态的预测量；Φ
k/k
‑1＝I+F(t
k
‑1)T
s
，T
s
＝t
k
‑
t
k
‑1其中，I为单位矩阵，t
k
为k时刻的时间，t
k
‑1为k
‑
1时刻的时间，F(t
k
‑1)为t
k
‑1时刻的状态转移矩阵；其中，P
k
‑1为k
‑
1时刻的状态估计均方差阵；P
k/k
‑1为k
‑
1时刻对k时刻的状态估计均方差阵的预测量；为Φ
k/k
‑1的转置矩阵；Q为高斯白噪声方差阵；其中，w
x
为量测残差的加权矩阵；H
k
为k时刻的量测矩阵；为k时刻的量测矩阵的转置矩阵；σ1为高斯噪声标准差；w
y
为状态预测残差的加权矩阵；为状态预测残差的加权矩阵；其中，为k时刻状态量的估计值，z
k
为k时刻载体的量测量；所述主滤波器，用于融合所述N个局部滤波器得到的k时刻状态量的估计值，根据下式(6)
‑
(7)获得k时刻系统状态全局最优估计和量测噪声方差阵和量测噪声方差阵和量测噪声方差阵其中，i表示第i个局部滤波器，其中，(β
(i)
)
‑1为预设信息分配因子的倒数，所有信息分配因子的和为1。2.如权利要求1所述的抗差联邦卡尔曼滤波系统，其特征在于，所述N个局部滤波器，用于使用计算得到的的值替换式(1)中的的值，迭代计算的值，直到前后两次计算得到的的值的差满足预设条件，或者迭代次数达到阈值。
3.如权利要求1所述的抗差联邦卡尔曼滤波系统，其特征在于，其中，F
INS,9
×9为SINS误差方程；T3×3为捷联矩阵，O为零矩阵。4.如权利要求1
‑
3中任一项所述的抗差联邦卡尔曼滤波系统，其特征在于，所述主滤波器还用于：将所述最优估计结果反馈至各局部滤波器。5.如权利要求1
‑
3中任一项所述的系统，其特征在于，所述N个局部滤波器和所述主滤波器分别对应传感器，所述N个局部滤波器接收各自对应的传感器和所述主滤波器对应的传感器输入的数据。...

【专利技术属性】
技术研发人员：秦洪懋，彭纳武，王广才，崔庆佳，徐彪，胡满江，边有钢，秦兆博，秦晓辉，王晓伟，谢国涛，杨泽宇，丁荣军，
申请(专利权)人：湖南大学，
类型：发明
国别省市：