[发明专利]一种应用联邦H∞滤波器实现组合导航精确定位的方法及系统

说明书

技术领域

本发明涉及一种联邦H_∞滤波器，特别涉及一种应用联邦H_∞滤波器实现组合导航精确定位的方法及系统，属于多传感器数据融合技术领域。

背景技术

对未知节点精确位置信息的需求推动了精确定位技术的发展，这种趋势在未来很长一段时间里仍将保持不变。虽然全球定位系统(Global positioning systems，GPS)能够提供精确地，具有持续稳定导航精度的导航信息，但是在室内、高层建筑密集的市区、矿井、隧道等环境下，GPS信号失锁，不能进行定位。为了解决这一问题，许多学者将惯性导航系统(Inertial navigation system，INS)与GPS系统进行组合，形成了GPS/INS组合导航系统。虽然INS具有全自主、运动信息全面、短时、高精度的优点，虽然可以实现自主导航，但误差随时间积累，长航时运行条件下将导致导航精度严重下降。因此，INS对GPS导航信息的补偿只能是短期补偿，而且GPS/INS组合导航系统的导航精度依赖于GPS的导航精度，而在GPS长时间失锁的情况下，组合导航系统无法提供高精度的导航信息。

近年来，无线传感器网络(Wireless Sensors Network，WSN)以其低成本、低功耗和低系统复杂度的特点在短距离定位领域表现出很大的潜力。WSN为在无GPS信号地区，即所谓的“盲区”时，如室内、高层建筑密集的市区、矿井、隧道等环境下未知节点定位提供了可能，但由于WSN采用的通信技术通常为短距离无线通信技术(如ZigBee、WIFI等)，因此若想完成长距离的目标跟踪定位，需要大量的网络节点共同完成，这增加了WSN的网络负担。

在处理组合导航数据融合的问题时，最常用的方法是使用滤波器。最著名的方法是卡尔曼滤波器(Kalman Filte，KF)，然而由于KF是面向线性系统设计的，因此仅对线性定常系统有很好的滤波效果。为了能够实现非线性系统的滤波问题，许多学者通过雅克比矩阵将非线性的系统转化为线性系统进行滤波，从而产生了扩展卡尔曼滤波器(Extended Kalman Filter，EKF)。EKF对非线性系统有很好的滤波效果，是目前实际生产中应用较为广泛的一种滤波方法。但是由于KF、EKF在滤波过程中假设系统的状态噪声和观测噪声均为标准白噪声，所以并不完全符合实际应用中的情况。另外由于设备的硬件问题，导致每一时刻数据的采集周期有小幅不确定的情形，数据获取并不能按理想情况进行，而现有的KF、EKF并没有考虑这种情况。

发明内容

本发明的目的是克服上述不足而提供一种应用联邦H_∞滤波器实现组合导航精确定位的方法及系统。这种方法克服传统滤波方法(如KF、EKF)对系统的噪声有特定要求的问题，更适合实际应用中的多传感器数据融合。与此同时，这种方法充分利用了未知节点的环境信息，实现了相对导航信息与绝对导航信息的融合。在单个簇的基础上，采用联邦H_∞滤波，将局部滤波器的数据进行融合，得到一种比上述任何单一簇精度更高的导航信息。

本发明采取的技术方案为：

一种应用联邦H_∞滤波器实现组合导航精确定位的方法，包括步骤如下：

(1)将WSN网络中的参考节点分簇：在WSN中，将自身位置已知的节点定义为参考节点(Reference Nodes，RN)，将自身位置未知的节点定义为未知节点(Blind Nodes，BN)，将在一定区域内(例如10m×10m范围内)的RN节点归为一簇，每簇中随机选择一个节点做为本簇的簇首节点，负责采集本簇中所有RN节点采集到的数据，并负责将这些信息与其他簇进行数据交换；

(2)判断BN节点在哪一个簇的覆盖范围内，根据获得的能够覆盖的簇的个数选择定位方式：INS采集到的信息为每个时刻通过自身陀螺加表测量的数据经过解算得到的当前未知节点BN的位置和速度，WSN采集到的信息为每个时刻BN节点与RN节点之间的距离信息，BN节点通过WSN获取RN节点传来的信号，根据接收到的RN节点的信号判断BN节点在哪一个簇的覆盖范围内，根据获得的能够覆盖的簇的个数选择定位方式：若能够覆盖BN节点的簇仅有一个，则进行单簇定位，若能够覆盖BN节点的簇大于一个，即BN节点处于簇重叠的位置，则进行多簇融合定位；

(3)单簇定位或多簇融合定位：