一种适用于量测噪声不确定的组合导航系统数据融合方法技术方案

本发明专利技术公开一种适用于量测噪声不确定的组合导航系统数据融合方法，其特征在于，包括以下步骤：

【技术实现步骤摘要】
一种适用于量测噪声不确定的组合导航系统数据融合方法


[0001]本专利技术涉及数据融合方法，具体地讲，涉及一种适用于量测噪声不确定的组合导航系统数据融合方法
。

技术介绍

[0002]在组合导航系统中，卡尔曼滤波器
(KF)、
扩展卡尔曼滤波器
(EKF)、
无迹卡尔曼滤波器
(UKF)
和容积卡尔曼滤波器
(CKF)
被广泛用于导航数据的融合
。
当给出组合导航系统的先验信息并且模型参数已知时，
EKF、UKF
和
CKF
可以获得较好的数据融合表现
。
然而，惯性
/
天文组合导航系统通常被应用于卫星
、
高空侦察机
、
战略导弹等航天器的导航，其运行的空间环境复杂多变，航天器在飞行过程中不可避免地会受到各种随机干扰的影响
。
因此，惯性
/
天文组合导航系统会出现量测噪声缓慢变化或不确定的情况
。<br/>由于
...

【技术保护点】

【技术特征摘要】
1.
一种适用于量测噪声不确定的组合导航系统数据融合方法，其特征在于，包括以下步骤：
S1
：构造惯性
/
天文组合导航系统模型；
S2
：通过
CKF
对多步量测量进行预测用以扩展量测序列，然后将经验模态分解法和滤波运算均值法相融合从扩展的量测序列中分解得到量测噪声序列；
S3
：基于分解得到的量测噪声序列和指数衰减加权方法来估计量测噪声协方差，用以实时更新基于
CKF
数据融合过程的参数
。2.
根据权利要求1所述的适用于量测噪声不确定的组合导航系统数据融合方法，其特征在于：所述
S1
包括以下步骤：
S11
：设置惯性
/
天文组合导航系统的状态向量为：
x
＝
[
φ
x
,
φ
y
,
φ
z
,
δ
v
x
,
δ
v
y
,
δ
v
z
,P
x
,P
y
,P
z
,
ε
x
,
ε
y
,
ε
z
,
Δ
x
,
Δ
y
,
Δ
z
,
Θ
x
,
Θ
y
,
Θ
z
]
T
其中：
φ
x
,
φ
y
,
φ
z
表示姿态失准角；
δ
v
x
,
δ
v
y
,
δ
v
z
表示速度误差；
P
x
,P
y
,P
z
表示位置误差；
ε
x
,
ε
y
,
ε
z
表示陀螺常值漂移；
Δ
x
,
Δ
y
,
Δ
z
表示加速度计常值偏置；
Θ
x
,
Θ
y
,
Θ
z
表示天文导航系统的低频误差；
S12
：根据惯性
/
天文组合导航系统的
18
维状态向量
x
建立系统的状态方程：
x
k
＝
f(x
k
‑1)+w
k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
其中：
f(
·
)
表示非线性系统函数；
x
k
和
x
k
‑1分别表示
k
时刻和
k
‑1时刻的状态向量；
w
k
‑1表示过程噪声，
w
k
‑1的协方差
Q
k
‑1为
S13
：将惯性导航系统输出的姿态角与天文导航系统输出的姿态角之差
、
惯性导航系统输出的位置矢量与天文导航系统输出的位置矢量之差
、
大气密度误差和折射量测误差引起的折射视高度误差
、
运动学约束作为量测信息，建立惯性
/
天文组合导航系统的量测方程：
z
k
＝
h(x
k
)+v
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
其中：
z
k
表示惯性
/
天文组合导航系统
k
时刻的量测向量；
h(
·
)
表示量测函数；
v
k
表示惯性
/
天文组合导航系统
k
时刻的量测噪声，
v
k
的协方差
R
k
为：
3.
根据权利要求2所述的适用于量测噪声不确定的组合导航系统数据融合方法，其特征在于：所述
S2
包括：
S21
：给定惯性
/
天文组合导航系统
k
‑1时刻的状态估计值
x
k
‑
1|k
‑1和状态估计值的协方差矩阵
P
k
‑
1|k
‑1，通过式
(3)
和
(4)
计算容积点；
S
k
‑

【专利技术属性】
技术研发人员：柳笛，王朝霞，孙凯，纪鹏，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：