[发明专利]一种混合交互式多模型滤波方法

说明书

本发明公开了一种混合交互式多模型滤波方法，包括：首先建立应用对象的系统模型与观测模型，根据外信息噪声统计特性变化情况，建立总模型集并采用临近的三个模型描述当前噪声特性；采用滑动窗口对历史序列中鲁棒滤波实时噪声方差阵进行存储，根据平滑后的噪声统计特性自适应选择合适的模型；设置各模型的初始概率及各滤波器的混合初始状态、协方差矩阵，根据系统模型、观测模型进行状态估计与协方差矩阵更新过程，并采用贝叶斯假设检验方法进行模型更新；根据权重进行输出交互过程，输出最终滤波结果。以惯性/多普勒组合导航系统为例，本发明能有效地缓解多普勒测速信息中存在的噪声突变型误差及野值的干扰。

技术领域

本发明是一种混合交互式多模型滤波方法，属于多传感器信息融合技术，特别适用于水下INS/DVL(惯导/多普勒)组合导航领域。

背景技术

随着科学技术的发展，依靠单传感器提供的信息已无法满足控制需要，面向复杂应用背景的多传感器系统的信息融合技术应运而生，已渗透到现代信息社会的各个角落，它的重要性越来越突出。多传感器信息融合技术就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。由于各个分散的传感器获得的数据会不可避免地受到许多因素制约，因此需要一种可靠的信息融合算法。

以水下INS/DVL组合导航为例，由于水下环境复杂多变，多普勒测速仪测量噪声的统计特性会随着环境的变化而变化。一个单一的观测方差矩阵不能适应长航程的积分系统。在未知水域航行时，很难得到测量噪声方差矩阵的经验值。缓解复杂水下环境下单一滤波参数对导航精度的影响成为水下导航技术的难点之一。针对以上情况亟需一种更有效的滤波方法。

发明内容

发明目的：为了更可靠更精确地信息融合，本发明提出了一种混合交互式多模型滤波方法。

技术方案：本发明所述的一种混合交互式多模型滤波方法，包括以下步骤：

S1：建立应用对象的系统模型与观测模型，根据外信息噪声统计特性变化情况，设置总模型集M＝{m₁ m₂ ... m_n}并采用临近的三个模型{m_s-1 m_s m_s+1}描述当前噪声特性；

S2：采用滑动窗口对前n时刻鲁棒滤波实时噪声方差阵R_k进行存储，根据平滑后的噪声统计特性选择合适的模型；

S3：计算各模型的初始概率，并给出各滤波器的混合初始状态及协方差矩阵；

S4：根据系统模型和各个模型采用的滤波模型，分别进行模型滤波，得到每个模型当前时刻的状态估计和协方差矩阵；

S5：采用贝叶斯假设检验方法进行模型更新；

S6：根据权重，将各模型的估计值进行加权融合，计算联合状态估计与协方差矩阵，输出交互式多模型最终滤波结果。

进一步地，所述步骤S1包括：建立系统模型与观测模型后，根据外信息噪声统计特性变化情况，设置总模型集M＝{m₁ m₂ ... m_n}，分别由小到大对应不同的噪声方差阵R_k，并采用临近的三个模型{m_s-1 m_s m_s+1}描述当前噪声特性，m_s-1与m_s+1对应滤波更新过程为普通卡尔曼滤波，主模型m_s对应鲁棒滤波。

所述步骤S2具体包括：

S2.1、根据鲁棒滤波的残差r_2(k)计算实时方差阵R_2(k)：