[发明专利]一种基于WSN/MINS组合导航的导航信息无偏紧组合方法

摘要

本发明公布了一种基于WSN/MINS组合导航的导航信息无偏紧组合方法，属于复杂环境下组合定位技术领域。在本地相对坐标系中将MINS(微惯性导航系统)、WSN(无线传感器网络)进行集成，通过无迹卡尔曼滤波（UnscentedKalmanFilter，UKF）对得到的同步导航数据在导航计算机中进行数据融合，从而得到一种比上述任何单一导航方法精度更高，导航覆盖范围更大也更加稳定的新式组合导航方法。

主权项

1.一种基于WSN/MINS组合导航的导航信息无偏紧组合方法，其特征在于包括下列步骤：(1)组合方法将导航过程分为培训过程和自适应补偿过程两部分：有WSN信号的导航过程为培训过程；而只有MINS信号的区域为自适应补偿过程；(2)在培训过程中，紧组合方法在本地相对坐标系中将MINS即微惯性导航系统、WSN即无线传感器网络进行集成，通过无迹卡尔曼滤波对得到的同步导航数据在导航计算机中进行数据融合；(3)无迹卡尔曼滤波器的系统方程以MINS每一时刻两个方向的位置误差(e_x，k，e_y，k)和速度误差(e_vx，k，e_vy，k)作为状态变量，以每一时刻MINS和WSN各自测量的未知节点与参考节点之间的距离的平方差和速度差作为观测量，系统方程如式(1)所示：系统方程如式(2)所示：其中，r_ins，i，(i＝1，2，L，N)为MINS测量的第i个已知节点与未知节点之间的距离；r_wsn，i，(i＝1，2，L，N)为WSN测量的第i个已知节点与未知节点之间的距离，(i＝1，2，L，N)；(Δvx，Δvy)为两种测量方式的测量速度之差；(x_Ri，y_Ri)，(i＝1，2，L，N)为已知节点在相对坐标系中的位置；(x_i，y_i)，(i＝1，2，L，N)为MINS测量的未知节点在相对坐标系中的位置；T为采样周期；ω_k为系统噪声；υ_k为系统噪声；A为系统转移矩阵；f(X_k)为观测方程的非线性函数。(4)在滤波器进行数据滤波的过程中，将UKF得到的这一时刻最优的误差估计与T输入到人工智能算法中，通过人工智能算法构建MINS预估的相对导航信息随时间偏差的模型；(5)若未知节点离开搭建有WSN的区域进入自适应补偿阶段，在这一阶段，组合导航系统获取不到WSN测量的相对导航信息，只能依靠MINS系统完成这一部分的自主导航，MINS利用在培训区域训练的误差模型对测量的绝对导航信息进行误差补偿，得到最优的导航信息。