基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法技术方案

本发明专利技术公开了基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，首先建立了在系统状态和量测信号中同时存在不同未知输入项M

【技术实现步骤摘要】
基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法


[0001]本专利技术涉及SINS/GNSS组合导航系统信息融合和滤波领域，尤其是一种基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法。

技术介绍

[0002]组合导航，是将多种导航系统按某种方式组合为一种系统的导航方式，从出现至今因其结合多种传感器数据融合以获得更高导航定位精度的特性而一直属于导航领域的重点研究方向。高精度导航定位效果一方面取决于组合导航中各传感器的信号质量，另一方面则与组合导航所采用的融合滤波算法的精度和鲁棒性密不可分。因此在保证传感器精度的前提下，设计合适的滤波算法提高组合导航系统对外界干扰和内部扰动的鲁棒性，使系统能够面对各种可能的干扰仍能稳定运行具有重要意义和研究价值。
[0003]近年来，随着组合导航系统的广泛应用，人们开始重视起组合导航系统在实际应用中遇到的各种问题，比如载体运行时环境变化引起的外部扰动、GPS等量测传感器信号易受干扰、系统运行时各传感器内部产生的未知粗差以及滤波解算时系统建模不准确引入的误差等等。为了解决这些问题，组合导航鲁棒滤波算法逐渐成为学界重点研究领域之一。但迄今为止的各类研究中，学者们主要针对噪声特性变化或噪声特性未知情况下的组合导航系统鲁棒滤波进行了研究，并且研究主要集中在量测信号出现异常时的情况，没有考虑系统模型除噪声以外的不确定性，也没有充分考虑到实际应用中量测与系统本身同时出现异常的情况。
[0004]未知输入滤波指在系统含有模型完全未知的输入时，对状态和未知输入同时实现估计的滤波方法，其常用于环境监测、导航与定位等领域中。在导航领域以外，针对未知输入滤波的研究已有了许多成果，从最初的Kitanidis提出的无偏最小方差线性估计方法，到后来Gillijns等人不断完善总结的三步迭代滤波算法，以及近年来的无导数卡尔曼滤波算法、扩展Kitanidis卡尔曼滤波器、基于无迹卡尔曼滤波的未知输入无偏最小方差估计方法、基于自校准技术的无迹卡尔曼滤波算法等。上述各类方法，大多对系统有诸多要求，例如系统完全可观、未知输入维数要小于量测维数以及滤波过程中各环节频率一致等限制条件，而这些条件在常用的SINS/GPS组合导航系统中往往是无法满足的。

技术实现思路

[0005]为了克服现有技术中存在的上述问题，本专利技术提出一种基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法。
[0006]本专利技术解决其技术问题所采用的技术方案是：基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，包括以下步骤：
[0007]步骤一：考虑未知输入d
k
‑1∈R
p
和e
k
∈R
m
的存在，建立SINS/GNSS组合导航系统的滤波模型；
[0008]步骤二：根据量测矩阵H
k
将d
k
‑1分解为可观和不可观的两种未知输入；
[0009]步骤三：根据指数加权滑动窗估计值、历史均值与方差判断未知输入存在位置；
[0010]步骤四：利用新息和状态自校准技术设计出未知输入估计器并对系统状态和量测进行修正。
[0011]上述的一种基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，所述步骤1具体方法为：
[0012]X
k
＝F
k|k
‑1X
k
‑1+M
k
‑1d
k
‑1+Γ
k
‑1w
k
‑1[0013]Z
k
＝H
k
X
k
+N
k
e
k
+v
k
[0014]式中X
k
表示系统的状态，Z
k
表示系统量测，d
k
‑1和e
k
表示未知输入干扰向量；F
k|k
‑1表示SINS的误差一步转移矩阵，由SINS的各误差方程(组)系数决定；H
k
为系统量测矩阵；M
k
‑1和N
k
表示列满秩的未知输入干扰的系数矩阵；w
k
‑1表示系统噪声向量，Γ
k
‑1表示系统噪声分配矩阵，v
k
量测噪声向量；
[0015]系统状态的选取如下所示：
[0016]X
k
＝[φ
T (δv
n
)
T (δp)
T (ε
b
)
T (
▽
b
)
T
]T
[0017]其中，φ表示3维姿态失准角误差，δv
n
表示3维速度误差，δp表示3维位置误差，ε
b
表示3维陀螺随机常值漂移，表示3维加速度计随机常值漂移，共15维状态量；
[0018]系统量测的选取如下所示：
[0019][0020]其中，表示SINS解算出的位置信息；表示GPS接收机给出的定位信息；
[0021]根据惯性测量单元的误差分析和SINS机械编排可以得到忽略高阶小量后的SINS姿态误差方程、速度误差方程和位置误差方程(组)分别如下：
[0022][0023][0024][0025]其中，为SINS姿态误差方程，为SINS速度误差方程，为SINS位置误差方程，φ为3维姿态失准角误差，ε
b
为3维陀螺随机常值漂移，δv
n
表示3维速度误差，δp表示3维位置误差，表示3维加速度计随机常值漂移；
[0026]根据(1)
‑
(3)组成的误差模型可以得到：
[0027][0028]将F(t)离散化可得：
[0029]F
k|k
‑1≈I
15
×
15
+F(t)
×
Δt
[0030]其中F
k|k
‑1表示SINS的误差一步转移矩阵，Δt为SINS采样周期，I
15
×
15
表示15维单位矩阵。
[0031]上述的一种基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，所述步骤2
具体方法为：
[0032]根据量测矩阵H
k
将d
k
‑1分解如下：
[0033][0034]式中，表示存在于可被直接观测状态中的未知输入干扰向量，对于分解后的其系数矩阵由下式得到，且
[0035][0036]上述的一种基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，所述步骤3的具体方法为：
[0037][0038][0039]w
i
＝α(1
‑
α)
i
,i＝0,1,
…
l
‑
2,l
‑1ꢀꢀꢀ
(6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，其特征在于，包括以下步骤：步骤一：考虑未知输入d
k
‑1∈R
p
和e
k
∈R
m
的存在，建立SINS/GNSS组合导航系统的滤波模型；步骤二：根据量测矩阵H
k
将d
k
‑1分解为可观和不可观的两种未知输入；步骤三：根据指数加权滑动窗估计值、历史均值与方差判断未知输入存在位置；步骤四：利用新息和状态自校准技术设计出未知输入估计器并对系统状态和量测进行修正。2.根据权利要求1所述的一种基于未知输入观测器的组合导航系统鲁棒抗扰滤波方法，其特征在于，所述步骤1具体方法为：X
k
＝F
k|k
‑1X
k
‑1+M
k
‑1d
k
‑1+Γ
k
‑1w
k
‑1Z
k
＝H
k
X
k
+N
k
e
k
+v
k
式中X
k
表示系统的状态，Z
k
表示系统量测，d
k
‑1和e
k
表示未知输入干扰向量；F
k|k
‑1表示SINS的误差一步转移矩阵，由SINS的各误差方程(组)系数决定；H
k
为系统量测矩阵；M
k
‑1和N
k
表示列满秩的未知输入干扰的系数矩阵；w
k
‑1表示系统噪声向量，Γ
k
‑1表示系统噪声分配矩阵，v
k
量测噪声向量；系统状态的选取如下所示：X
k
＝[φ
T (δv
n
)
T (δp)
T (ε
b
)
T (
▽
b
)
T
]
T
其中，φ表示3维姿态失准角误差，δv
n
表示3维速度误差，δp表示3维位置误差，ε
b
表示3维陀螺随机常值漂移，
▽
b
表示3维加速度计随机常值漂移，共15维状态量；系统量测的选取如下所示：其中，表示SINS解算出的位置信息；表示GPS接收机给出的定位信息；根据惯性测量单元的误差分析和SINS机械编排可以得到忽略高阶小量后的SINS姿态误差方程、速度误差方程和位置误差方程(组)分别如下：误差方程、速度误差方程和位置误差方程(组)分别如下：误差方程、速度误差方程和位置误差方程(组)分别如下：其中，为SINS姿态误差方程，为SINS速度误差方程，为SINS位置误差方程，φ为3维姿态失准角误差，ε
b
为3维陀螺随机常值漂移，δv
n
表示3维速度误差，δp表示3维位置误差，表示3维加速度计随机常值漂移；根据(1)
‑
(3)组成的误差...

【专利技术属性】
技术研发人员：张国昌，冯峰，范世伟，孙骞，王岩岩，毛梓贺，张亚，夏秀玮，于飞，
申请(专利权)人：烟台哈尔滨工程大学研究院，
类型：发明
国别省市：