[发明专利]一种应用于GPS导航的自适应卡尔曼滤波算法

说明书

本发明公开了一种应用于GPS导航的自适应卡尔曼滤波算法，主要解决现有的自适应卡尔曼滤波算法无法随着滤波过程自适应调节的问题，其过程是：(1)设置算法参数，并对目标状态进行初始化；(2)建立AR模型，套用卡尔曼滤波框架计算出AR模型的系数；(3)利用基于AR模型的卡尔曼滤波来预测目标状态，包括预测均值和误差协方差；(4)使用测量数据更新目标状态,计算增益矩阵、后验估计均值以及后验估计误差协方差；(5)在线自适应地计算状态噪声协方差，输出目标位置的状态值和协方差，令k增加1,返回步骤2；本发明与现有自适应卡尔曼滤波算法相比，能够实现更加精确的目标状态估计，可用于实际的GPS导航系统。

技术领域

本发明属于GPS导航技术领域，特别涉及一种应用于GPS导航的自适应卡尔曼滤波算法，可用于GPS导航系统中的数据处理。

背景技术

随着精准农业的迅猛发展，以先进科学技术为主要支撑的智能农业成为农业生产中的中坚力量，在大幅度减轻农民工作强度和伤害的同时，也大大地提高了工作效益和劳动生产率。然而，要实现农业设备的精准作业，主要依赖于其设备对农田位置的精确感知，GPS(Global positioning System)作为农田位置感知的首选方式，在现代农业生产中得到了极其广泛的应用。精准农业要求GPS有更高的跟踪精度、更准的目标识别能力、更强的抗干扰能力、更快的反应速度。因此，GPS导航需要以智能、稳健、高效的工作模式来应对这些挑战。

GPS是一种无线电导航定位系统，它利用导航卫星进行测时和测距，确定用户在空间特定坐标系中的位置。但是在GPS导航过程中包含许多误差，使定位精度受到严重的影响，并且利用传统的方法很难消除。而GPS自适应跟踪滤波是消除GPS定位跟踪误差的重要方法，即利用特定的滤波方法消除导航过程中的各种误差，从而达到提高GPS导航跟踪精度的目的。近些年来，卡尔曼滤波理论被普遍应用于动态定位数据处理中，尤其在GPS实时定位跟踪方面。卡尔曼滤波技术是20世纪60年代产生的一种估计技术，是一种线性最小方差滤波估计，它只需要通过上一时刻状态向量的最优估计和当前时刻的观测量就可以得到现在时刻状态向量的最优估计值。

从卡尔曼滤波算法诞生到现在，GPS导航定位的数据处理主要围绕多模型的自适应处理方法和基于新息序列的自适应处理方法等两方面展开研究。目前，在国际刊物上发表的较为有效的方法是X.Rong Li等学者采用图论的思想，提出了变结构的多模型(Variable Structrure Multiple Model，VSMM)跟踪算法。该算法首先要建立一个模型库，其中包含目标可能出现的各种状态模型，利用模型的先验概率和转移概率来计算每一个滤波器的交互估计，且多个模型间的交互比较灵活。但是，此算法的性能在很大程度上依赖于所使用的模型集，即为了提高估计性能就需要用更多的模型来匹配目标的各种运动状态。

另外，现代农业要求使用高精度、低成本的定位跟踪算法。对于精准农业生产中的机动目标来说，它们的方位、距离和径向速度有可能发生不同程度的变化，或快或慢。目前的单模型机动目标跟踪算法不能做到自适应的跟踪，而多模型机动目标跟踪算法在跟踪弱机动目标时，会有很多额外的模型不仅会大大增加系统的运算量，还会降低跟踪器的性能，造成了资源的浪费。因此，这些算法很难直接应用在精准农业的GPS跟踪系统中。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种应用于GPS导航的自适应卡尔曼滤波算法，基于AR(Autoregressive，AR)模型，通过设计滤波跟踪算法，实现GPS系统中对运动目标的自适应系统。

为了实现上述目的，本发明采用的技术方案是：

一种应用于GPS导航的自适应卡尔曼滤波算法，包括如下步骤：