【技术实现步骤摘要】
本专利技术涉及导航定位，具体涉及面向多源传感器融合的自适应交互式导航定位滤波方法。
技术介绍
1、多源传感器融合是指将来自不同传感器或不同信道或不同时间段或不同空间位置或不同频率范围或不同极化方式或不同相位方式等多种来源或多种形式或多种角度或多种层次或多种尺度等多种方式获取到关于同一目标或场景或现象等待研究对象相关信息进行有效整合处理以获取更加完整、准确、可靠、有价值、有意义等更高质量信息以实现对待研究对象更好地认识、理解、判断、决策等目标。多源传感器融合技术是一种综合运用信号处理、图像处理、模式识别、人工智能、控制理论、数学统计等多学科知识与技术来解决实际问题并取得更好效果与性能的技术。
技术实现思路
1、(一)专利技术目的
2、本专利技术的目的是提供一种克服现有单一的滤波模型的局限性，不能适应复杂的传感器融合场景的面向多源传感器融合的自适应交互式导航定位滤波方法。
3、(二)技术方案
4、为解决上述问题，本专利技术的提供了一种面向多源传感器融合的自适应交互式导航定位滤波方法，包括：
5、构建融合滤波模型，所述融合滤波模型包括第一滤波模型和第二滤波模型，所述第一滤波模型和第二滤波模型并行运行；
6、获取一个周期内的目标物的初始信息；
7、根据所述目标物的初始信息按照预设的规则，一个周期内交替激活第一滤波模型和第二滤波模型至预设的次数；
8、按照预设的第一算法分别计算一个周期内第一滤波模型的第一输出
9、将所述第一输出状态和第二输出状态进行加权融合，得到融合滤波模型的最终输出状态。
10、本专利技术的另一方面，优选地，所述目标物的初始信息包括多源传感器的观测数据和系统的误差特征信息。
11、本专利技术的另一方面，优选地，根据所述目标物的初始信息按照预设的规则，一个周期内交替激活第一滤波模型和第二滤波模型至预设的次数，包括：
12、若所述系统的误差特征信息可用，一个周期内当前时刻激活第一滤波模型，同一个周期内下一时刻激活第二滤波模型；
13、若所述系统的误差特征信息不可用，一个周期内当前时刻激活第二滤波模型，同一个周期内下一时刻激活第一滤波模型。
14、本专利技术的另一方面，优选地，所述第一滤波模型包括若干个子滤波模型；所述第二滤波模型包括若干个子滤波模型。
15、本专利技术的另一方面，优选地，按照预设的第一算法分别计算一个周期内第一滤波模型的第一输出状态和第二滤波模型的第二输出状态，包括：
16、将所述初始信息输入到被激活的第一滤波模型或第二滤波模型中；
17、对被激活的第一滤波模型或第二滤波模型中的每个子滤波模型进行预测和更新操作，得到每个子滤波模型的输出状态；
18、计算被激活的第一滤波模型或第二滤波模型中每个子滤波模型的混合概率和模型概率；
19、根据被激活的第一滤波模型或第二滤波模型中每个子滤波模型的输出状态和模型概率进行状态融合，获得被激活的第一滤波模型的第一输出状态或第二滤波模型的第二输出状态；
20、将被激活的被激活的第一滤波模型的第一输出状态或第二滤波模型的第二输出状态发送给融合滤波模型，并按照预设的第二算法相对应的作为下一时刻第二滤波模型或第一滤波模型中各个子滤波模型输入状态的初始值。
21、本专利技术的另一方面，优选地，将所述第一输出状态和第二输出状态进行加权融合，得到最终的融合滤波模型的输出状态，包括：
22、计算第一输出状态和第二输出状态之间的马氏距离；
23、根据马氏距离确定第一输出状态和第二输出状态的加权系数；
24、将第一输出状态和第二输出状态按照加权系数进行线性组合，得到融合滤波模型的最终输出状态。
25、本专利技术的另一方面，优选地，所述多源传感器的观测数据通过如下步骤获取：
26、获取多源传感器的目标数据；
27、确定每个传感器对应的传感器权重系数；
28、将各个传感器的目标数据按照相应的传感器权重系数进行加权平均，获得多源传感器的观测数据；
29、所述系统的误差特征信息通过如下步骤获取：
30、根据所述多源传感器的类型和特征，确定其对应的噪声协方差矩阵；
31、将各个传感器的噪声协方差矩阵按照传感器权重系数进行加权平均，得到融合后的噪声协方差矩阵；
32、所述噪声协方差矩阵为系统的误差特征信息。
33、本专利技术的另一方面，优选地，所述对被激活的第一滤波模型或第二滤波模型中的每个子滤波模型进行预测和更新操作，得到每个子滤波模型的输出状态包括：
34、根据每个子滤波模型的初始混合概率、初始模型概率和模型转移概率矩阵，计算每个子滤波模型的混合状态、混合状态协方差矩阵和混合模型概率；
35、根据混合状态、混合状态协方差矩阵和系统状态方程，计算每个子滤波模型的预测状态、预测状态协方差矩阵和预测观测数据；
36、根据预测状态、预测状态协方差矩阵、预测观测数据、观测数据和观测方程，计算每个子滤波模型的更新状态、更新状态协方差矩阵、更新模型概率和似然函数；
37、根据更新状态、更新状态协方差矩阵、更新模型概率和似然函数得到每个子滤波模型的输出状态和输出状态协方差矩阵。
38、本专利技术的另一方面，优选地，按照预设的第二算法相对应的作为下一时刻第二滤波模型或第一滤波模型中各个子滤波模型输入状态的初始值，包括：
39、计算每个子滤波模型的残差向量，所述残差向量为观测数据与预测观测数据之差；
40、计算每个子滤波模型的残差协方差矩阵，所述残差协方差矩阵为预测观测协方差矩阵与观测噪声协方差矩阵之和。
41、本专利技术的另一方面，优选地，按照预设的第二算法相对应的作为下一时刻第二滤波模型或第一滤波模型中各个子滤波模型输入状态的初始值，还包括：
42、计算残差向量的平均值和标准差；
43、计算残差协方差矩阵的迹；
44、根据平均值、标准差和迹，确定一个缩放因子；
45、将缩放因子乘以单位矩阵，得到估计的观测噪声协方差矩阵；
46、所述估计的观测噪声协方差矩阵作为其新的观测噪声协方差矩阵，并用于下一时刻的滤波过程。
47、(三)有益效果
48、本专利技术的上述技术方案具有如下有益的技术效果：
49、本专利技术通过设置两个并行运行的第一滤波模型和第二滤波模型为融合滤波模型，并根据从融合滤波模型接收到的初始信息，按照预设的规则激活第一滤波模型或第二滤波模型，使其输出最优估计状态，本专利技术还通过将第一滤波模型和第二滤波模型的输出状态进行加权融合，能够利用第一滤波模型和第二滤波模型的互补性，增强融合滤波的鲁棒性和适应性，本专利技术能够适应多种复杂的传感器融合应用场景，如目标本文档来自技高网...
【技术保护点】
1.一种面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，包括：
2.根据权利要求1所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，所述目标物的初始信息包括多源传感器的观测数据和系统的误差特征信息。
3.根据权利要求2所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，根据所述目标物的初始信息按照预设的规则，一个周期内交替激活第一滤波模型和第二滤波模型至预设的次数，包括：
4.根据权利要求1所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，所述第一滤波模型包括若干个子滤波模型；所述第二滤波模型包括若干个子滤波模型。
5.根据权利要求4所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，按照预设的第一算法分别计算一个周期内第一滤波模型的第一输出状态和第二滤波模型的第二输出状态，包括：
6.根据权利要求1所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，将所述第一输出状态和第二输出状态进行加权融合，得到最终的融合滤波模型的输出
7.根据权利要求2所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，所述多源传感器的观测数据通过如下步骤获取：
8.根据权利要求5所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，所述对被激活的第一滤波模型或第二滤波模型中的每个子滤波模型进行预测和更新操作，得到每个子滤波模型的输出状态包括：
9.根据权利要求8所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，按照预设的第二算法相对应的作为下一时刻第二滤波模型或第一滤波模型中各个子滤波模型输入状态的初始值，包括：
10.根据权利要求9所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，按照预设的第二算法相对应的作为下一时刻第二滤波模型或第一滤波模型中各个子滤波模型输入状态的初始值，还包括：
...【技术特征摘要】
1.一种面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，包括：
2.根据权利要求1所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，所述目标物的初始信息包括多源传感器的观测数据和系统的误差特征信息。
3.根据权利要求2所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，根据所述目标物的初始信息按照预设的规则，一个周期内交替激活第一滤波模型和第二滤波模型至预设的次数，包括：
4.根据权利要求1所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，所述第一滤波模型包括若干个子滤波模型；所述第二滤波模型包括若干个子滤波模型。
5.根据权利要求4所述的面向多源传感器融合的自适应交互式导航定位滤波方法，其特征在于，按照预设的第一算法分别计算一个周期内第一滤波模型的第一输出状态和第二滤波模型的第二输出状态，包括：
6.根据权利要求1所述的面向多源传感器融合的自适应交...
【专利技术属性】
技术研发人员：王孝青，武军郦，张鹏，宋伟伟，张庆兰，
申请(专利权)人：国家基础地理信息中心，
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。