[发明专利]一种基于卡尔曼滤波及反馈控制的组合导航智能对准方法

说明书

技术领域

本发明属于高精度组合导航快速定位领域，尤其涉及一种基于卡尔曼滤波及反馈控制的组合导航智能对准方法。 

背景技术

近年来，随着各种通讯工具和交通工具的快速发展，各种电子产品对于导航定位的需求日益增多，相应的需求也推动了精确快速定位技术的发展，并且这种趋势在未来的时间里有增无减。在现如今的导航技术中，卫星导航和惯性导航是最常见的两种导航模式，其中全球卫星导航系统（global position system，GPS）是最普及的一种导航方式，并且随着3G技术的发展，卫星导航也在经历着一场蜕变，其应用产业在国民经济发展中占据着越来越重要的地位，特别是十一五期间，卫星导航在航空，海路，铁路，建筑，电信等领域都会有巨大的发展空间。虽然GPS能够提供精确且持续稳定的位置信息，但是有易受电磁干扰，易受外界遮挡物干扰的缺点，所以一些密闭的，情况复杂的室内或地下环境限制了它工作的有效性，从而无法提供精确的导航位置信息。惯导系统（inertial navigation system，INS）具有自主性，不易受外界干扰，短时高精度的特点，但它因自身陀螺特性的缘故，虽然可以实现自主导航，误差却随时间的积累而积累，长时间运行时会导致导航精度严重不足。为了消除GPS和INS两种导航模式的各自缺点，人们将他们融合在了一起，综合二者优点，形成了GPS和INS结合的组合导航技术，大大改善了各自的导航精度和系统稳定性，提高了导航定位的质量，而卡尔曼滤波技术不仅用作为组合导航系统的状态估计器，而且用于INS自对准的失准角估计。 

上世纪六十年代，kalman把状态空间模型概念引入滤波理论，利用最小均方误差为估计的最佳准则，导出了一套递推估计的算法。由量测值重构系统的状态向量，模拟系统状态，根据系统的量测值来消除系统的随机干扰，后人称之为卡尔曼滤波理论，该方法是导航等工程领域估计失准角的一般方法。该算法要求精确的系统动力学模型，以及系统噪声和量测噪声的统计特性，且这些信息在滤波过程中要固定不变，然而在实际应用中，系统建模的不精确以及各种干扰因素的存在，使得滤波误差较大甚至使滤波器发散。这其中对噪声的量测和估计就显得尤为重要。因此学者们根据工程的特性和需求，提出了许多改进卡尔曼滤波的方法，分别应用在不同的滤波工作环境，这其中结合了机器学习相关理论的自适应卡尔曼滤波应用广泛，改善效果拔群，研究意义非常深远。 

支持向量机(Support Vector Machine，SVM)属于机器学习的理论之一，其根据样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，从而获得最好的推广能力，在有限样本的条件下得到最优的学习效果，多用在智能系统中通过训练智能因子调节系统参数以改善系统性能。在传统的支持向量机模型中，对于每一个训练样本的误差惩罚参数是不变的，即一个恒定的参数，而实际应用中，由于实际的数据各自的重要性不同，会导致支持向量机算法推广能力较弱，预测精度不理想，所以这也是国内外学者在改进支持向量机性能上面的重点研究部分。 

在惯性基导航领域，由于失准角估计时间过长所导致的导航精度不足直接影响载体任务的执行。所以，有效的解决导航失准角估计时间长及滤波性能不佳的问题一直是提高组合导航性能的重要环节之一。 

发明内容

为了解决卡尔曼滤波中噪声估计错误所带来的滤波性能不佳，甚至发散的问题，本发明提供了一种基于卡尔曼滤波及反馈控制的组合导航智能对准方法。通过对卡尔曼滤波中的观测噪声构建反馈回路，在反馈回路中采用支持向量机的理论，利用新息产生训练样本作为输入，通过对回归模型中惩罚系数引入加权量，改进的支持向量机回归模型，输出相应的调节因子，在线调整噪声方差矩阵，使观测噪声矩阵实时达到理想状态，让整个滤波过程达到自适应的目的，解决了因传统卡尔曼滤波器的自身缺点所带来的组合导航失准角估计时间过长的问题，提高了导航对准的速度。 

本发明采用如下技术方案：一种基于卡尔曼滤波及反馈控制的组合导航快速对准方法，包括： 

（1）因卡尔曼滤波算法要求精确的系统动力学方程模型，以及系统噪声和量测噪声的统计特性，故定义新息为观测所得量测值和量测估计值之差；

（2）求得卡尔曼滤波器新息方差的理论值 ，并根据统计学的相关理论，得到卡尔曼滤波器新息方差的实际值，新息方差实际值与理论值的比例为D；