[发明专利]一种抗GPS野值的紧组合自适应滤波方法

说明书

技术领域

本发明涉及一种适用于紧组合导航系统的抗GPS(全球定位系统)野值的自适应滤波方法，将模糊逻辑控制与自适应滤波相结合，有效地降低量测噪声的不确定性和GPS野值对紧组合导航系统的不利影响，显著提高了紧组合导航系统的抗干扰能力和导航精度。本发明相对于其他自适应滤波方法，具有原理简单、计算量小、抗干扰能力强等特点，可应用于任何GPS/惯性紧组合导航系统中。

背景技术

GPS/惯性组合导航系统是为了利用GPS信息来修正由陀螺漂移、加速度计偏置和初始失准角等引起的惯性导航系统的姿态、位置和速度的误差，从而获得高精度的导航信息。GPS/惯性紧组合导航系统主要是以卫星的伪距、伪距率与惯性导航系统所给出的位置和速度换算得到的伪距和伪距率的差值作为量测量，通过滤波器估计出系统误差，然后对系统误差进行校正。

卡尔曼滤波是目前组合导航系统中使用最广泛的一种信息融合方法，其主要采用信号与噪声的状态空间模型，利用前一时刻的估计值和新时刻的观测值来对状态变量进行估计，求出新时刻的估计值。卡尔曼滤波的最优状态估计值为：

X^k=X^k/k-1+Kk(Zk-HkX^k/k-1)]]>

其中滤波增益阵K_k为：

Kk=Pk/k-1HkT(HkPk/k-1HkT+Rk)-1]]>

量测噪声矩阵R_k代表了量测数据可信度，若量测噪声矩阵R_k越大，代表观测值Z_k不可靠，则新息的加权阵K_k越小，即系统状态最优估计值对量测值Z_k信任越小，相应的系统预测估计值在最优估计值中所占的比重越大。由此可见，量测噪声矩阵R_k是滤波器非常重要的参数，在滤波器工作过程中实时在线调整量测噪声矩阵R_k可有效提高滤波器的精度和稳定性，得到系统状态的最优估计值。

模糊逻辑控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。根据模糊输入和模糊规则，按照确定好的推理方法进行推理，得到模糊输出量，依据解模糊化方法得到精确输出量。其本质上就是将一个给定输入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程。