[发明专利]一种应用在飞行测试数据分析的容错CKF滤波融合方法

说明书

本发明涉及一种应用在飞行测试数据分析的容错CKF滤波融合方法。本发明大体包括三部分内容：第一部分，根据实际运动目标进行系统建模；第二部分，根据复杂工程环境下量测系统中存在乘性噪声相关以及故障问题设计了乘性噪声相关的容错CKF滤波器；第三部分，根据无重置式联邦滤波器的不足，提出了改进的滤波融合方法。本发明既能处理乘性噪声相关的滤波估计问题，又能应对系统发生故障的情形，同时也能处理所有子滤波器均发生故障的极端情况，极大地提高了系统的容错性，保证了飞行测试数据的精度。

技术领域

本发明涉及一种应用在飞行测试数据分析的容错CKF滤波融合方法，属于目标跟踪领域。

背景技术

飞行实验测试在评估飞行器质量和性能中有着非常重要的意义，利用测量过程中采集到的实际飞行数据对飞行器的状态跟踪轨迹分析是评估飞行器性能的重要手段，高精度的目标跟踪数据对于评估和分析飞行器运行过程中的质量和稳定性极为重要。

飞行器和测量设备在运行过程中会受到复杂的环境、设备作用距离和通信电磁波的干扰，使得获得的实际飞行测试数据被噪声污染而不能直接被使用。为了解决噪声干扰问题，1960年提出的卡尔曼滤波理论，在飞行器飞行测试数据分析方面得到了重要应用。因此，开展高精度的飞行器飞行测试的数据分析研究，对提高飞行试验飞行器性能评估的准确性和稳定性具有重要意义。

由于目标跟踪系统多为非线性，卡尔曼滤波只能适用于线性系统。因此，大量非线性滤波方法得以提出，其中容积卡尔曼滤波(CKF)因具有较高的滤波估计精度而被广泛使用。随着实际工程环境日趋复杂，传感器量测会受到乘性噪声和野值的干扰，导致滤波精度降低。

随着科学技术的迅猛发展，人们对滤波性能的要求越来越高，多传感器信息融合技术受到广大科研人员和工程技术人员的欢迎。融合结构常分为两种：集中式融合和分布式融合。其中，分布式融合中的无重置式联邦滤波器容错性较好，且具有较快的计算速度。但是传统的无重置式联邦滤波器也面临着两个问题：一，对故障子系统隔离之后，由于该故障子系统无法获得融合估计的结果，因此不能再进行故障检测，将一直被隔离造成传感器资源浪费，同时也会对融合稳定性造成影响。二，对于出现所有子系统均发生故障的情况，融合估计将无法继续进行。

发明内容

为了应对上面提到的系统出现故障的信息融合问题，本发明设计了容错处理模块代替故障隔离模块，并对故障检测方法做出了改进，且对子滤波器提出乘性噪声相关的容错CKF滤波算法，有效实现了对飞行器状态的实时估计。

本发明大体包括三部分内容。第一部分根据实际运动目标进行系统建模；第二部分，根据量测子系统中出现故障以及出现乘性噪声相关的情况设计了乘性噪声相关的容错CKF滤波算法；第三部分，设计出改进的滤波融合方法，用于对飞行器飞行测试数据进行分析，得到飞行器实时运动状态。

本发明包括以下步骤：

步骤1.系统建模，假设系统有N个传感器，每个传感器构成一个子滤波器，且子滤波器与主滤波器的状态变量相同，考虑如下具有乘性噪声相关的离散时间非线性系统，其状态方程和第i(i＝1,2,…,N)个传感器的量测方程分别如下：