【技术实现步骤摘要】
本专利技术一般地涉及组合导航领域。更具体地，本专利技术涉及一种基于rts平滑算法的组合导航数据处理方法。
技术介绍
1、rts平滑滤波算法是一种递推滤波算法，基本原理是通过对数据序列进行多次迭代，不断状态估计值和协方差矩阵,从而得到平滑后的数据序列。具体而言，rts平滑滤波算法将数据序列分为两个阶段进行处理:预测阶段和更新阶段。在预测阶段中，通过利用上一次迭代得到的估计值和协方差矩阵，对当前的数据进行预测。预测的结果包括预测值和预测误差。预测值表示对当前数据的估计值,而预测误差则表示当前数据与预测值之间的差异。在更新阶段中，通过结合当前数据和预测误差，对估计值和协方差矩阵进行修正和更新。通过多次迭代，就可以得到平滑后的数据序列。
2、但是，rts算法在预测过程中所使用到的估计值与协方差矩阵需要与数据采样频率（典型值为100hz至1000hz）同频，因此其产生的临时文件很大。在需要解算较长的数据，磁盘进行连续存储时，其存储负载压力大，从而导致解算效率同时受影响。现有技术对于rts平滑算法的应用基本都是直接对其进行实现，完整存储中间临时文件，不对中间临时文件做任何处理。
技术实现思路
1、为解决算法在预测过程中，产生的临时文件过大，从而使电脑磁盘吞吐性能制约解算效率的技术问题，为此，本专利技术在如下的两个方面中提供方案。
2、在第一方面中，本专利技术提出一种基于rts平滑算法的组合导航数据处理方法，该方法包括：按照采样频率保存imu原始数据；按照更新频率保存状态
3、在一个实施例中，所述采样频率为100hz至1000hz，所述更新频率为1hz至5hz。
4、在一个试实例中，按照更新频率保存状态协方差矩阵和状态估计值包括：获得当前时刻的imu原始数据、pva数据、预测协方差矩阵以及预测估计值；预测下一时刻的预测协方差矩阵和预测估计值，其中相邻两个时刻的间隔为一个采样周期，所述采样周期对应采样频率；迭代地执行上述步骤，直至获得一个更新周期最后时刻的预测协方差矩阵和预测估计值，其中更新周期对应更新频率；通过测量模型将预测状态与卫星数据进行融合，其中测量模型包括测量矩阵和测量噪音协方差矩阵，预测状态包括一个更新周期内最后时刻的预测协方差矩阵和预测估计值；根据一个更新周期内最后时刻的预测协方差矩阵、观测矩阵和测量噪声协方差矩阵计算卡尔曼增益；根据卡尔曼增益获得更新后的状态协方差矩阵和状态估计值；将状态协方差矩阵和状态估计值进行保存。
5、在一个实施例中，一种基于rts平滑算法的组合导航数据处理方法还包括对imu原始数据进行处理，得到pva数据：根据imu原始数据中的加速度计数据得到速度数据和加速度数据；根据imu原始数据中的陀螺仪数据得到角速度数据；将所述加速度计数据和所述陀螺仪数据进行融合，得到姿态信息；根据所述姿态信息和加速度计数据得到线性速度数据；根据速度数据和加速度计数据得到物体的位置信息。
6、在一个实施例中，所述状态协方差矩阵和状态估计值保存到中间文件，所述imu原始数据和pva数据保存到数据文件。
7、在一个实施例中，递推地计算每个采样点的imu原始数据所对应的预测协方差矩阵与预测估计值包括：构建第一线程（pre_thread）；通过第一线程（pre_thread）读取数据文件中的imu原始数据和pva数据，以及中间文件中保存更新后的状态协方差矩阵和状态估计值；根据所述状态协方差矩阵、状态估计值、imu原始数据以及pva数据获得预测协方差矩阵和预测估计值。
8、在一个实施例中，根据预测协方差矩阵、预测估计值、状态协方差矩阵、状态估计值和imu原始数据进行rst平滑计算包括：实时获取第一线程pre_thread计算得到的预测协方差矩阵和预测估计值；构建第二线程rts_thread，其中该线程为rts解算线程；将最后一个状态估计值和状态协方差矩阵设置为平滑起点；从最后一个状态估计值开始，迭代计算每个历元的平滑估计结果；根据装置模型、imu原始数据和pva数据，使用预测协方差矩阵和状态协方差矩阵计算平滑协方差矩阵；保存每个历元的平滑协方差矩阵和平滑估计值。获得平滑状态估计值和平滑协方差矩阵序列。
9、在第二方面中，基于rts平滑算法的组合导航数据处理装置，包括：
10、处理器；
11、存储器，其存储计算机程序，当所述计算机程序由所述处理器运行时，使得设备执行上述的用于rts平滑算法的组合导航数据处理方法。
12、根据本专利技术的一种基于rts平滑算法的组合导航数据处理方法，在对数据进行解算的过程中，存储远低于imu数据原始采样率（典型值为100hz至1000hz）的中间状态的更新结果（典型值为1hz至5hz），保存正向处理时，某些时刻完整的历史状态，再结合imu数据，处理一小段机械编排，通过pre_thread线程恢复未存储的预测协方差矩阵，预测估计值，最后，根据pre_thread线程输出的数据，以及读取数据文件和中间文件获得的数据进行rst平滑运算。
13、特别地，不再存储中间过程所产生较多的预测协方差矩阵和预测估计值，存储状态协方差矩阵与状态估计值。再者，还存储imu原始数据，导航状态（pva数据）（存储频率均为更新频率，其典型值为1hz至5hz），在其他实施方式中，还存储恢复转移矩阵等。存储imu原始数据和导航状态时按照时序，将所有的数据量存储到一个文件中。
14、基于此，本专利技术通过减小中间文件存储带来的空间占用（一般占用只有原始状态的二十分之一到十分之一），提高了中间文件存储效率，进而提高了rts平滑算法解算时的效率，提高了整体算法的灵活性。
本文档来自技高网...【技术保护点】
1.一种基于RTS平滑算法的组合导航数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于RTS平滑算法的组合导航数据处理方法，其特征在于，所述采样频率为100HZ至1000HZ，所述更新频率为1HZ至5HZ。
3.根据权利要求1所述的基于RTS平滑算法的组合导航数据处理方法，其特征在于，还包括对IMU原始数据进行处理，得到PVA数据：
4.根据权利要求3所述的基于RTS平滑算法的组合导航数据处理方法，其特征在于，按照更新频率保存状态协方差矩阵和状态估计值包括：
5.根据权利要求3所述的基于RTS平滑算法的组合导航数据处理方法，其特征在于，所述状态协方差矩阵和状态估计值保存到中间文件，所述IMU原始数据和PVA数据保存到数据文件。
6.根据权利要求3所述的基于RTS平滑算法的组合导航数据处理方法，其特征在于，递推地计算每个采样点的IMU原始数据所对应的预测协方差矩阵与预测估计值包括：
7.根据权利要求6所述的基于RTS平滑算法的组合导航数据处理方法，其特征在于，根据预测协方差矩阵、预测估计值、状态协方
8.一种基于RTS平滑算法的组合导航数据处理装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于rts平滑算法的组合导航数据处理方法，其特征在于，包括：
2.根据权利要求1所述的基于rts平滑算法的组合导航数据处理方法，其特征在于，所述采样频率为100hz至1000hz，所述更新频率为1hz至5hz。
3.根据权利要求1所述的基于rts平滑算法的组合导航数据处理方法，其特征在于，还包括对imu原始数据进行处理，得到pva数据：
4.根据权利要求3所述的基于rts平滑算法的组合导航数据处理方法，其特征在于，按照更新频率保存状态协方差矩阵和状态估计值包括：
5.根据权利要求3所述的基于rts平滑算法的...
【专利技术属性】
技术研发人员：易凯，郭佳燚，徐宛，鲍亮亮，胡嫣然，
申请(专利权)人：武汉迈普时空导航科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。