一种基于密度聚类自适应滤波的组合导航方法技术

一种基于密度聚类自适应滤波的组合导航方法，组合导航系统由惯性测量单元（IMU）和地磁匹配模块构成，包括步骤：1、地磁匹配模块根据采集的地磁信息进行地磁序列匹配，得到地磁匹配的定位结果，输出速度、位置导航参数备用；2、IMU获取的AUV的角速率和加速度信息经过积分计算得到载体位置以及速度信息；3、利用密度聚类对量测质量进行判别，再进行噪声估计，利用自适应滤波算法对位置、速度导航参数进行滤波处理，利用地磁匹配的结果修正惯性导航误差，达到提高导航精度的目的。本发明专利技术通过自适应滤波过程中的噪声调整，使得自适应滤波算法在地磁量测数据出现质量异常时能够自主识别，进而调整滤波参数，保证水下组合导航的高精度。度。度。

【技术实现步骤摘要】
一种基于密度聚类自适应滤波的组合导航方法


[0001]本专利技术属于地磁辅助惯性导航
，具体为一种基于密度聚类自适应滤波的组合导航方法。

技术介绍

[0002]水下自主航行器的无源导航主要依赖于惯性导航。惯性导航系统(INS)因其具有独立自主性，采样频率高，数据实时性高，成本低等优点被广泛应用。然而，惯导的工作原理导致其误差随着时间不断累积，无法持续提供可靠的位置信息，必须经由其它设备进行辅助修正。由于地磁场为矢量场，在地球近地空间内任意一点的地磁矢量都不同于其它地点的矢量，且与该地点的经纬度存在一一对应的关系。因此，理论上只要确定该点的地磁场矢量即可实现全球定位。因此，水下惯性/地磁组合导航是水下航行器导航研究的一大热点。
[0003]地磁辅助导航可以有效校正INS的累计误差，是解决水下导航长航时、高精度的有效方法。但地磁匹配原理决定了其对于地磁参考图的依赖性，目前高精度的地磁基准图的制备仍在研究当中。同时，地磁匹配导航还存在地磁特征变化不明显区域精度下降，以及地磁异常区域其匹配信息不可靠的情况。因此，如何在地磁匹配结果精度不足时避免组合导航系统的滤波结果发散是惯性/地磁组合导航的重要改进方向。
[0004]组合导航领域卡尔曼滤波是应用最广泛的融合算法，但传统的卡尔曼滤波器是基于噪声协方差完全估计为高斯的假设。然而，地磁/INS组合系统可能会遇到不准确的噪声估计，同时地磁异常和精度下降可能带来的异常量测值都会引起系统震荡。因此需要对R阵进行调整来保证整体导航精度。
[0005]1、与“基于密度聚类的RBMCDA水下多目标跟踪方法”的技术对比：
[0006]“基于密度聚类的RBMCDA水下多目标跟踪方法”采用的是传统的粒子群算法，采用密度聚类算法以求取粒子簇的状态均值。本文采用密度聚类算法对所有粒子的所有目标状态估计结果聚类，对每个簇每个样本按理权值加权求和，获得所述每个簇的状态均值；每个粒子标签向量分别与目标标签矩阵相匹配，获得每个聚类簇的系统目标编号，更新目标标签矩阵，获得新的目标标签矩阵；根据粒子数据的密度聚类和目标编号管理结果，输出当前时刻所有目标编号及状态均值。
[0007]而本专利技术是“一种基于密度聚类自适应滤波的组合导航方法”，在本专利技术所使用的组合导航方法中，关键在于使用密度聚类方法识别地磁量测的异常值。一方面，本专利技术侧重于惯导与地磁的参数融合，与多目标跟踪的应用领域不同；另一方面，本专利技术采用密度聚类是为了发现相似的导航状态参数实现滤波流程的参数调整，而非是求取粒子群算法流程中的粒子簇的状态均值以优化粒子群算法效果。
[0008]2.与“一种基于自适应滤波的水下自主航行器导航方法”的技术对比：
[0009]“一种基于自适应滤波的水下自主航行器导航方法”采用的是基于惯导与多普勒测速仪的组合导航模型，利用自适应增益卡尔曼滤波(AEKF)对位置、速度导航参数进行滤波处理，通过输出的参数误差估计值直接校正系统输出的导航参数，达到提高导航精度的
目的。本文通过调整约束条件，可应用于不同的传感器噪声模型，对水下导航控制具有较好的自适应能力和较强的鲁棒性。
[0010]本专利技术的使用场景是惯导与地磁组合导航，侧重解决地磁量测值异常情况下的滤波融合精度不足问题。本专利技术的自适应滤波流程参数调整依赖于密度聚类的结果，通过密度聚类识别地磁匹配结果与惯导之间误差值的不同类型，针对不同簇别进行数值计算并调整相应的滤波参数。
[0011]3.与“一种改进Sage
‑
Husa自适应滤波的SINS/DVL组合导航方法”的技术对比：
[0012]“一种改进Sage
‑
Husa自适应滤波的SINS/DVL组合导航方法”采用的是基于惯导与多普勒测速仪的组合导航模型，目的在于解决外部量测噪声未知情况下基于SINS/DVL的组合导航问题。其采用了遗忘因子来作为自适应调整的参考值，注重的为系统模型。同时，其滤波过程中限制条件为预先设置，并不会随着情况的变化而有所调整。
[0013]本专利技术的使用场景是惯导与地磁组合导航，侧重解决地磁量测值异常情况下的滤波融合精度不足问题。本专利技术的自适应滤波流程不预设限制条件，由密度聚类方法识别不同的导航状态，同时侧重的为地磁量测异常情况下的滤波稳定性。
[0014]4.与“一种抗野值的鲁棒卡尔曼滤波SINS/DVL组合导航方法”的技术对比：
[0015]“一种抗野值的鲁棒卡尔曼滤波SINS/DVL组合导航方法”采用的是基于惯导与多普勒测速仪的组合导航模型，针对DVL输出存在野值的情况，采用贝塔
‑
伯努利分布对区分野值点的二进制变量进行建模，剔除量测野值。
[0016]本专利技术的使用场景是惯导与地磁组合导航，侧重解决地磁量测值异常情况下的滤波融合精度不足问题。本专利技术的自适应滤波流程不预设野值判断条件，而是由密度聚类方法自动识别，同时为了保证地磁量测信息的有效利用，通过滤波参数的调整实现野值点的有效利用，而不是简单的剔除野值点。

技术实现思路

[0017]针对以上问题，本专利技术提出一种基于密度聚类自适应滤波的组合导航方法，，该方法克服了部分区域地磁匹配精度不足的问题，通过密度聚类识别异常量测值，自适应调整滤波参数，进而提高组合导航系统的定位精度。
[0018]为实现上述目的，本专利技术采取的技术方案是：
[0019]一种基于密度聚类自适应滤波的组合导航方法，其特征在于，具体步骤如下：
[0020](1)获取传感器量测信息，惯性测量单元中的陀螺仪和加速度计输出相应的角速度和比力的量测信息，地磁匹配模块输出相应的经纬度量测信息；
[0021](2)建立地磁/INS组合导航系统模型，确定出由速度、位置、姿态以及速度误差、经纬度误差、角速度漂移以及加计零偏构成的多位状态量，建立状态方程和量测方程；
[0022](3)采用标准卡尔曼滤波进行预测和校正，从而输出融合滤波结果；
[0023](4)在标准卡尔曼滤波过程中，对新息项进行密度聚类，根据聚类结果判断当前时刻量测信息的可靠性，在新息处于不可靠分类的情况下，在标准卡尔曼滤波的基础上对R阵进行实时预测和修正，反馈调节滤波参数，从而抑制地磁匹配结果在低精度下对于融合滤波精度的影响
[0024]引入密度聚类分析新息项从而实现噪声自适应的滤波流程如下：
[0025]初始化状态估计值和协方差，经
[0026][0027][0028]计算新息项，
[0029][0030]对新计算的新息进行密度聚类，确定其所在簇，进而判断是否调整滤波参数；
[0031]在新息处于主簇即数据点最多的簇时，量测噪声矩阵R无需变化，当新息聚类结果位于其他簇记作异常簇，即此刻的新息属于离群值，此时需要引入调整因子α来对量测噪声进行修正。最终的自适应滤波流程为：
[0032][0033][0034][0035][0036][0037]其中，为时刻k的状态量预测值，Φ
k本文档来自技高网...

【技术保护点】

【技术特征摘要】
δλ为纬度和经度定位误差；ε
x ε
y ε
z
为陀螺仪角速度漂移；为加计零偏。3.根据权利要求1所述的基于密度聚类和自适应滤波的水下自主航行器组合导航方法，其特征在于，步骤(2)所建立的量测方程为：Z(t)＝H(t)X(t)+V(t)其中Z(t)为量测向量；H(t)为量测矩阵；V(t)为量测噪声协方差矩阵。量测向量Z(t)为二维向量，表示为其中，L
I
和λ
I
为惯性导航的纬度和经度；L
M
和λ
M
为地磁匹配模块输出的纬度和经度。4.根据权利要求1所述的基于密度聚类和自适应滤波的水下自主航行器组合导航方法，其特征在于，步骤(4)所使用的新息项的密度聚类包括如下步骤：(2
‑
1)输入k时刻及之前的η
i
,i＝0...k，确立邻域参数∈,MinPts其中，∈表明簇的半径，MinPts表示一个簇族最少的样本量；(2
‑
2)确定样本η
j
的邻域N
∈
(η
j
)，若其邻域包含样本超过MinPts,则将η...

【专利技术属性】
技术研发人员：王立辉，吴璠，许宁徽，
申请(专利权)人：东南大学，
类型：发明
国别省市：