[发明专利]一种实现卡尔曼滤波定位的方法和装置

说明书

本文公布了一种实现卡尔曼滤波定位的方法和装置，包括：根据上一个历元时状态向量的预测值和上一个历元时误差协方差矩阵计算当前历元时状态向量的最优估计值和当前历元时状态向量的最优估计值的误差协方差矩阵；对于当前历元时状态向量的最优估计值中的每一个元素，计算该元素上上一个历元时最优估计值和当前历元时最优估计值之间的平均值，和上一个历元时最优估计值之间的差值；判断出一个或多个元素对应的计算得到的差值小于或等于预设阈值，将当前历元时最优估计值删除一个或多个元素，将当前历元时最优估计值的误差协方差矩阵删除对应的一个或多个元素，再继续执行计算下一个历元时状态向量的预测值，计算下一个历元时误差协方差矩阵的步骤。

技术领域

本发明涉及但不限于导航定位领域，尤指一种实现卡尔曼滤波定位的方法和装置。

背景技术

全球导航卫星系统(GNSS，Global Navigation Satellite System)已经广泛应用于多个领域。目前，主要有四个全球导航定位系统，包括美国的全球定位系统(GPS，GlobalPositioning System)、中国的北斗卫星导航系统(Compass或BeiDou BD)、俄罗斯的全球导航卫星系统(GLONASS，Global Navigation Satellite System)、欧盟推出的规模最大的民用卫星导航定位系统，即伽利略(Galileo)系统。其中，GPS发展最为成熟，BD和GLONASS已经取得阶段性进展，而伽利略系统还处于起步阶段。

导航定位过程中用户最为关心的是定位、定速和定时的结果，那么对用户定位，定速和定时的算法和技术就显得尤为重要。目前，导航系统中主要的定位、定速和定时的算法有最小二乘定位和卡尔曼滤波定位。最小二乘定位是孤立的求解每一个不同时刻的系统状态，而卡尔曼滤波定位利用状态方程将不同时刻的系统状态联系起来，使对系统的跟踪轨迹更为平滑。

在卡尔曼滤波定位系统中用状态方程描述每一时刻用户的运动特性，而对系统状态向量校正时，涉及到了对测量值的预测和卡尔曼增益的计算。如果状态方程和测量方程是非线性的，还应对其进行线性化计算。

相关技术中，实现卡尔曼滤波定位的方法大致包括：

获取状态向量的初始值的估计值和状态向量的初始值的估计值的误差协方差矩阵；

将状态向量的初始值的估计值作为上一个历元时状态向量的预测值计算当前历元时状态向量的预测值；将状态向量的初始值的估计值的误差协方差矩阵作为上一个历元时误差协方差矩阵计算当前历元时误差协方差矩阵；

根据当前历元时状态向量的预测值和当前历元时误差协方差矩阵计算当前历元时状态向量的最优估计值和当前历元时状态向量的最优估计值的误差协方差矩阵；

继续执行将当前历元时状态向量的最优估计值作为当前历元时状态向量的预测值计算下一个历元时状态向量的预测值；将当前历元时状态向量的最优估计值的误差协方差矩阵作为当前历元时误差协方差矩阵计算下一个历元时误差协方差矩阵的步骤。

相关技术中，当系统状态向量的维数较大时，需要的测量方程就会变得越多，大大的增加了计算卡尔曼增益时相关矩阵的计算量，进而极大的增加了定位系统的功耗。

发明内容

为了解决上述问题，本发明实施例提出了一种实现卡尔曼滤波定位的方法和装置，能够减少计算量，从而降低计算所需要的功耗。

为了达到上述目的，本发明实施例提出了一种实现卡尔曼滤波定位的方法，包括：

根据上一个历元时状态向量的预测值和上一个历元时误差协方差矩阵计算当前历元时状态向量的最优估计值和当前历元时状态向量的最优估计值的误差协方差矩阵；

对于当前历元时状态向量的最优估计值中的每一个元素，计算该元素上上一个历元时的最优估计值和当前历元时的最优估计值之间的平均值，和上一个历元时的最优估计值之间的差值；