[发明专利]一种适用于噪声特性未知的时变系统自适应级联滤波方法

说明书

本发明的目的在于提供一种适用于噪声特性未知的时变系统自适应级联滤波方法，包括以下步骤采集获取SINS系统和GPS系统输出数据，建立SINS/GPS组合导航的主滤波器数学模型，选取状态量和观测量；建立从滤波器数学模型，选取状态量和观测量；在线估计N_opt；对主滤波器的状态空间模型进行扩展，通过批处理过程获得滤波初始参数，继而进行滤波估计；利用主滤波器输出信息，引入自适应渐消因子，利用n时刻量测进行自适应卡尔曼滤波；根据主滤波器和从滤波器的输出对导航参数进行校正。本发明对UFIR滤波算法进行改进的同时，设计一种新的在线估计N_opt方法，缩短了在线估计时间；从滤波器使用改进自适应卡尔曼滤波算法，引入GPS的航向信息以提高导航精度。

技术领域

本发明涉及的是一种滤波方法，具体地说是自适应级联滤波方法。

背景技术

GPS(Global Positioning System，GPS))/SINS(Strapdown InertialNavigation System,SINS)组合导航系统能够充分利用两种导航系统的互补性，具有高精度、高可靠性的优点，在动态定位领域获得了极为广泛的应用。GPS/INS系统中常用的滤波方法主要是卡尔曼滤波(KF)及其扩展滤波，但在滤波过程中卡尔曼滤波过于依赖系统噪声和过程噪声统计特性的准确性(Q阵和R阵)，且需要输入初始的状态向量和协方差矩阵。当设置的参数与实际偏差过大时，滤波器会出现误差增大甚至发散的情况。

针对滤波时噪声特性未知情况，孟秀云等人(孟秀云,王语嫣.一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法[J].北京理工大学学报,2018,38(06):625-630)提出一种改进的自适应扩展卡尔曼滤波算法，该算法基于残差实时估计系统噪声，并能自适应的调整噪声矩阵以适应噪声特性的变化。但当系统噪声和量测噪声特性未知时，又或是噪声特性发生剧变，该算法都不能完成精确估计。Shmaliy Y S等人在2011年提出了一种无偏有限冲击响应(UFIR)，该算法是一种窗口滤波，可以在噪声特性未知的情况下，对系统做出精确估计。后续有很多学者对该算法进行了扩展和改进。但现有算法仍有两个问题：一、算法仅适用于线性时不变系统，无法对线性时变系统进行处理；二，由于UFIR自身的滤波原理所限，其导航精度要略差于卡尔曼滤波及其扩展滤波。

发明内容

本发明的目的在于提供以增加环境适用性、提高导航精度的一种适用于噪声特性未知的时变系统自适应级联滤波方法。

本发明的目的是这样实现的：

本发明一种适用于噪声特性未知的时变系统自适应级联滤波方法，其特征是：

(1)采集数据，获取SINS系统和GPS系统输出数据；

(2)建立SINS/GPS组合导航的主滤波器数学模型，选取状态量和观测量；

(3)建立从滤波器数学模型，选取状态量和观测量：利用陀螺仪n时刻的输出，进行四元数的更新计算，继而解算出一组姿态角信息；由加速度计n时刻输出解算的水平姿态和GPS航向信息构成另一组姿态角；两组姿态角之差即为姿态误差角，将其转换为四元数形式作为从滤波器的量测；

(4)在线估计N_opt：首先确定N_min和N_max，即确定N_opt的区间，再用N_min和N_max之间的整数对剩下的数据进行处理；范围内的每个N都会对剩余数据进行一次UFIR滤波处理，将每批次得出的进行评估，评估结果最优的即为每次计算出所对应的为最优估计；

(5)对主滤波器的状态空间模型进行扩展，通过批处理过程获得滤波初始参数，继而进行滤波估计；

(6)利用主滤波器输出信息，引入自适应渐消因子，利用n时刻量测进行自适应卡尔曼滤波；