一种基于多重傅里叶线性组合器的舰船升沉测量方法技术

本申请公开了一种基于多重傅里叶线性组合器的舰船升沉测量方法，属于升沉测量领域，包括：通过捷联式惯性导航系统获取载体坐标系下的垂向加速度并对其进行N点快速傅里叶变换，得到海浪涌动的相关频域信息；构建垂速综合滤波器，对垂向加速度进行滤波并得到垂向速度；通过KF

【技术实现步骤摘要】
一种基于多重傅里叶线性组合器的舰船升沉测量方法


[0001]本申请涉及一种基于多重傅里叶线性组合器的舰船升沉测量方法，属于升沉测量领域。

技术介绍

[0002]舰船或海上平台在海上时，由于受到风、浪等多重因素影响而产生六自由度的空间运动，包括绕三个轴的角运动(纵摇、横摇和艏摇)和沿三个轴的线运动(横荡、纵荡和垂荡即升沉)。其中，具有一定周期性的升沉运动对系统影响和危害最大。因此，准确的测量实时升沉信息无论对于舰船减摇控制还是对于海上稳定平台的补偿等都具有重要的意义。捷联惯导系统(strapdown inertial navigation system，SINS)具有很强的自主性，不需要接受任何外部信息即可实现自主测量。因此，基于SINS的升沉测量方法具有广泛的适用性。但由于SINS的高度通道除了舒勒振荡外，还受到加速度计直流误差等的低频谐波干扰，因此还必须对SINS解算出的天向比力信息进行滤波处理才能得到准确的升沉运动信息。
[0003]针对基于SINS的升沉测量，国内外学者都做了大量的工作。WenlinYang发表的《Numerical Simulation andTestingAnalysis ofAdaptive Heave Motion Measurements》中提出了具有自适应功能的高通滤波器，滤波器参数根据实际环境自适应修正，但是该高通滤波器存在相位超前及幅值衰减等问题，测得的升沉信息误差较大。严恭敏在《导航定位学报》发表的《基于惯导和无时延滤波器的舰船升沉测量》先设计IIR数字低通滤波器，再采用互补方法将其转换为无时延的数字高通滤波器，但是其参数要求苛刻，且不具备实时性。在申请专利号为201710202159.5，名称为“一种基于带限傅里叶线性组合的舰船升沉测量方法”的专利文件中，将带限傅里叶线性组合(Band
‑
limitedMultiple Fourier Linear Combiner，BMFLC)算法应用于舰船升沉信息的测量，用其解决高通滤波器后的相位超前问题。但由于其无先验升沉频率信息，且权值迭代采用LMS算法，故其算法精度略低。在申请专利号为202211669949.1，名称为“一种基于捷联惯导的自适应舰船升沉测量方法”中，用BMFLC算法补偿高通滤波器的幅相误差问题，其权值迭代采用递推最小二乘算法，虽然其相对来说计算复杂度较低，且能够对多个时刻的数据进行联合估计，但是若数据中存在噪声，其估计精度会大大降低。

技术实现思路

[0004]本申请的目的在于提供一种基于多重傅里叶线性组合器的舰船升沉测量方法，解决了传统升沉测量的幅值衰减与相位误差问题，有效提高了升沉信息的测量精度，且具有实时性。
[0005]为实现上述目的，本申请第一方面提供了一种基于多重傅里叶线性组合器的舰船升沉测量方法，包括：
[0006]基于捷联惯导系统获取载体坐标系下的垂向加速度；
[0007]对所述垂向加速度进行N点快速傅里叶变换，得到海浪涌动的相关频域信息；
[0008]根据所述相关频域信息构建垂速综合滤波器，通过所述垂速综合滤波器对所述垂向加速度进行滤波并得到垂向速度；
[0009]通过KF
‑
BMFLC拟合模型对所述垂向速度进行拟合，并通过KF
‑
BMFLC补偿模型对拟合后的所述垂向速度进行幅相补偿，得到目标垂向速度；
[0010]根据所述相关频域信息构建升沉综合滤波器，通过所述升沉综合滤波器对所述目标垂向速度进行滤波得到升沉位移；
[0011]通过所述KF
‑
BMFLC拟合模型对所述升沉位移进行拟合，并通过所述KF
‑
BMFLC补偿模型对拟合后的所述升沉位移进行幅相补偿，得到目标升沉位移。
[0012]在一种实施方式中，所述根据所述相关频域信息构建垂速综合滤波器包括：
[0013]将所述相关频域信息作为先验信息，根据所述相关频域信息确定所述垂速综合滤波器的截止频率，所述垂速综合滤波器为：
[0014][0015]其中，ξ为阻尼系数，ω
c
为截止频率，s为拉普拉斯算子。
[0016]在一种实施方式中，所述通过所述垂速综合滤波器对所述垂向加速度进行滤波并得到垂向速度包括：
[0017]令垂向加速度a
z
通过所述垂速综合滤波器，以对所述垂向加速度a
z
进行一次积分及高通滤波，滤除由低频信号引起的垂速误差，并输出存在幅相误差的垂向速度v
z
。
[0018]在一种实施方式中，所述通过KF
‑
BMFLC拟合模型对所述垂向速度进行拟合包括：
[0019]根据所述相关频域信息确定基频带，将所述基频带进行M份等分，得到若干频点f
r
；
[0020]将所述若干频点f
r
作为基频，用正余弦函数对所述垂向速度v
z
进行线性拟合。
[0021]在一种实施方式中，所述通过KF
‑
BMFLC拟合模型对所述垂向速度进行拟合还包括：
[0022]将权值W
k
作为状态量并使用卡尔曼滤波求解最优权值，以提升拟合精度，其中，所述使用卡尔曼滤波求解最优权值包括：通过以下公式进行权值迭代更新：
[0023][0024][0025][0026]W
k|k
‑1＝λW
k
‑
1|k
‑1[0027]P
k|k
‑1＝λ2P
k
‑
1|k
‑1[0028][0029]W
k|k
＝W
k|k
‑1+K
k
e
k
[0030]P
k|k
＝(I
‑
K
k
X
k
)P
k|k
‑1+Q
[0031]式中，k为时间序列，X
k
＝[X
1k X
2k
…
X
rk
]T
为KF
‑
BMFLC在自适应频段中各个频点的基
础拟合量，其中r＝1,2
…
2M，M为自适应频段内的频点个数，f
r
为拟合基频，T为系统采样周期，v
k
为垂向速度v
z
在k时刻的元素，v
″
k
为对原始信号v
k
采用KF
‑
BMFLC拟合得到的结果，W
k
＝[W
1k W
2k
…
W
2Mk
]T
是W
k
中的一个元素，即BMFLC权重，W
k
‑
1|k
‑1为k
‑
1时刻的状本文档来自技高网...

【技术保护点】

【技术特征摘要】
W
k|k
＝W
k|k
‑1+K
k
e
k
P
k|k
＝(I
‑
K
k
X
k
)P
k|k
‑1+Q式中，k为时间序列，X
k
＝[X
1k X
2k
ꢀ…ꢀ
X
rk
]
T
为KF
‑
BMFLC在自适应频段中各个频点的基础拟合量，其中r＝1,2
…
2M，M为自适应频段内的频点个数，f
r
为拟合基频，T为系统采样周期，v
k
为垂向速度v
z
在k时刻的元素，v
″
k
为对原始信号v
k
采用KF
‑
BMFLC拟合得到的结果，W
k
＝[W
1k W
2k
ꢀ…ꢀ
W
2Mk
]
T
是W
k
中的一个元素，即BMFLC权重，W
k
‑
1|k
‑1为k
‑
1时刻的状态量，W
k|k
‑1为状态量k
‑
1时刻对k时刻的一步预测，W
k|k
为k时刻的状态量，λ为遗忘因子，u
k
为状态噪声，υ
k
为量测噪声，K
k
为卡尔曼增益，Q为状态噪声的协方差矩阵，R为量测噪声的协方差矩阵，P
k
‑
1|k
‑1为k
‑
1时刻的后验估计误差协方差矩阵，P
k|k
‑1为k
‑
1时刻到k时刻的估计误差协方差矩阵，P
...

【专利技术属性】
技术研发人员：方时铮，奔粤阳，赵玉新，李倩，龚胜，李帅阳，李恒，邓子豪，李紫璇，房好文，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：