[发明专利]一种鲁棒高效的组合导航自适应数据融合方法

说明书

本发明公开了一种鲁棒高效的组合导航自适应数据融合方法，属于组合导航与信息融合领域。本发明基于采样点误差变换和变分贝叶斯构造新型自适应采样点更新框架，其特点在于采用迭代量测更新实现滤波信息的非线性更新，并提出采样点误差线性变换矩阵的迭代求解形式，将上述采样点更新策略融入到高斯滤波框架，易实现基于高效非线性更新的组合导航自适应数据融合。本发明所提出的数据融合方法满足非线性量测更新中量测质量较好时的高效滤波估计，改善非线性滤波的一致性和精度。

技术领域

本发明属于组合导航及其它多传感器信息融合领域，具体涉及一种鲁棒高效的组合导航自适应数据融合方法。

背景技术

组合导航是运载体复杂工作环境下常用的导航方法，通过将异质异构的传感器数据进行耦合，可充分挖掘载体的动态信息，优势互补，其中尤以GNSS与惯性导航系统(INS)组合应用较为广泛。组合导航系统的状态模型可分为直接模型和间接模型两种，前者一般需要用非线性滤波方法进行状态估计，而后者在小角度误差假设不成立时也需要建立系统的非线性状态模型。严格意义上的线性系统在实际工程中不存在，且随着量测融合层次的提高，各子系统的观测量与状态量的非线性逐渐增强。目前广泛采用的组合导航系统非线性滤波方法包括扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)以及容积卡尔曼滤波(CKF)等等，由于三者均基于噪声的高斯假设以及完整的状态先验信息进行状态量的迭代估计，实际使用时需要建立自适应的噪声估计策略。

在处理卡尔曼滤波结构的不确定性上，研究人员做了大量的工作。徐定杰等在《时变有色观测噪声下基于变分贝叶斯学习的自适应卡尔曼滤波》(电子与信息学报,2013,35(7):1593-1598)中提出一种针对有色量测噪声的变分贝叶斯自适应滤波方法，仅对线性模型进行推导与验证。黄玉龙等在《一种改进的高斯近似滤波方法》(自动化学报,2016,42(3):385-401)中提出了一种新型的高斯近似滤波方法，消除了非高斯噪声对求积点生成过程的影响。上述方法均对卡尔曼滤波的产生不确定性的某一因素进行了分析和讨论，然而实际工程中的不确定性是多因素耦合的结果，此外，上述方法没有改善非线性滤波量测更新过程中存在的线性信息更新问题。

发明内容

为克服现有技术中的不足，本发明提出一种鲁棒高效的组合导航自适应数据融合方法，实现高效的量测更新和鲁棒非线性滤波。

为实现上述目的，本发明采用的技术方案为：

一种鲁棒高效的组合导航自适应数据融合方法，基于采样点误差变换和变分贝叶斯构造自适应采样点更新框架，将采样点更新框架融入到高斯滤波框架，实现基于高效非线性更新的组合导航自适应数据融合。

进一步，所述自适应采样点更新框架的构造过程为：采用迭代量测更新实现滤波信息的非线性更新，并求解采样点误差线性变换矩阵的迭代形式。

进一步，所述非线性更新过程中的系统模型包括系统方程x_k＝f(x_k-1)+w_k-1、量测方程z_k＝h(x_k)+v_k，其中为k时刻的状态和量测向量，为实数集、n为状态维数、p为量测维数，w_k-1、v_k为零均值的系统噪声和量测噪声，噪声对应的方差阵为Q_k-1、R_k；设k-1时刻状态即x_k-1满足均值为方差为P_k-1|k-1的高斯分布，表示高斯分布；设m＝2n，经采样点逼近后k时刻的先验状态则高斯框架下用于求解x_k均值和方差的采样点初始化为：