CN102494685B - 用于wsn/ins高精度实时组合导航的h无穷信息融合方法 - Google Patents
用于wsn/ins高精度实时组合导航的h无穷信息融合方法 Download PDFInfo
- Publication number
- CN102494685B CN102494685B CN201110359094.8A CN201110359094A CN102494685B CN 102494685 B CN102494685 B CN 102494685B CN 201110359094 A CN201110359094 A CN 201110359094A CN 102494685 B CN102494685 B CN 102494685B
- Authority
- CN
- China
- Prior art keywords
- prime
- omega
- moment
- wsn
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Navigation (AREA)
Abstract
本发明公布了一种用于WSN/INS高精度实时组合导航的H无穷信息融合方法,该方法以每个时刻未知节点的在两个方向上的位置误差和速度误差作为状态向量,以每一时刻根据两种系统采集得到的数据计算出的位置误差和速度误差作为观测向量输出,由状态向量和观测向量输出重新构建一个渐近稳定的系统,即H无穷滤波器。通过H∞滤波器来预估每一时刻最优的状态向量。与此同时,在构建H∞滤波器的系统方程中加入了对数据采集周期的不确定度描述,更加逼近实际中采用周期由于硬件原因导致每一时刻的采集周期有小幅不确定的情形。这种滤波器得到的状态预估比传统的滤波方法精度更高,滤波器的鲁棒性更强。
Description
技术领域
本发明涉及一种用于WSN/INS高精度实时组合导航的H∞信息融合方法,属于多传感器数据融合领域。
背景技术
对未知节点精确位置信息的需求推动了精确定位技术的发展,这种趋势在未来很长一段时间里仍将保持不变。近年来,无线传感器网络(WirelessSensors Network,WSN)以其低成本、低功耗和低系统复杂度的特点在短距离定位领域表现出很大的潜力。WSN为在无GPS信号地区,即所谓的“盲区”时,如室内、高层建筑密集的市区、矿井、隧道等环境下未知节点定位提供了可能,但由于WSN采用的通信技术通常为短距离无线通信技术(如ZigBee、WIFI等),因此若想完成长距离的目标跟踪定位,需要大量的网络节点共同完成,这给WSN的实际网络拓扑实现带来了一定困难,同时也与WSN低成本、低功耗的特点不相符
微惯性导航系统(MEMS inertial navigation system,MINS)具有全自主、运动信息全面、短时、高精度的优点,虽然可以实现自主导航,但误差随时间积累,长航时运行条件下将导致导航精度严重下降。为了克服在无GPS导航信号的密闭环境下单独使用MINS长航时运行时导航精度严重下降的问题,本发明提出将WSN和INS进行组合的高精度实时组合导航系统。利用基于WSN的无线定位技术测量未知节点的相对导航信息,将相对导航信息与MINS上得到的绝对导航信息通过滤波器进行数据融合,得到理想的导航信息,充分利用了未知节点的环境信息,实现了相对导航信息与绝对导航信息的融合,得到一种比上述任何单一导航方法精度更高的导航信息。
在处理组合导航数据融合的问题时,最常用的方法是使用滤波器。最著名的方法是卡尔曼滤波器(Kalman Filte,KF),然而由于KF是面向线性系统设计的,因此仅对线性定常系统有很好的滤波效果。为了能够实现非线性系统的滤波问题,许多学者通过雅克比矩阵将非线性的系统转化为线性系统进行滤波,从而产生了扩展卡尔曼滤波器(Extended Kalman Filter,EKF)。EKF对非线性系统有很好的滤波效果,是目前实际生产中应用较为广泛的一种滤波方法。但是由于KF、EKF在滤波过程中假设系统的状态噪声和观测噪声均为标准白噪声,所以并不完全符合实际应用中的情况。另外由于设备的硬件问题,导致每一时刻数据的采集周期有小幅不确定的情形,数据获取并不能按理想情况进行,而现有的KF、EKF并没有考虑这种情况。
发明内容
为了解决上述问题,本发明提供了一种用于WSN/INS高精度实时组合导航的H∞信息融合方法,将INS(惯性导航系统)、WSN(无线传感器网络)采集到的未知节点的信息进行集成,在相对坐标系中采用H∞滤波方法。该方法以每个时刻未知节点的在两个方向上的位置误差和速度误差作为状态向量,以每一时刻根据两种系统采集得到的数据计算出的位置误差和速度误差作为观测向量输出,由状态向量和观测向量输出重新构建一个渐近稳定的系统,即H∞滤波器。通过H∞滤波器来预估每一时刻最优的状态向量。这种方法克服传统滤波方法(如KF、EKF)对系统的噪声有特定要求的问题,更适合实际应用中的多传感器数据融合。与此同时,在构建H∞滤波器的系统方程中加入了对数据采集周期的不确定度描述,更加逼近实际中采用周期由于硬件原因导致每一时刻的采集周期有小幅不确定的情形。这种滤波器得到的状态预估比传统的滤波方法精度更高,滤波器的鲁棒性更强。
本发明为解决其技术问题采用如下技术方案:
1、在有WSN信号的培训区域内,利用采用超声波与ZigBee/WIFI等短距离通信技术相组合的无线定位技术测量的相对导航信息,与MINS上得到的绝对导航信息通过扩展卡尔曼滤波器/H∞滤波器进行数据融合,得到的导航信息,比上述任何单一导航方法得到的信息精度更高。
2、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,避免了因WSN导航无法工作导致导航误差快速下降、无法保证导航精度的问题。
3、数据融合采用的滤波器的系统(如式1所示)以每个时刻未知节点的在两个方向上的位置误差(ex,ey)和速度(evx,evy)误差作为状态向量。将同一时刻INS和WSN测量得到的位置和速度信息的差值作为系统的观测量。
依靠上述系统构建一个渐近稳定的系统(如式2所示),根据系统每个时刻的状态向量和观测量输出,对系统中需要预估的值进行预估。
4、具体的实现方法是,首先设 由式(1)和式(2)得到式(3)。
其中
4、如果线性矩阵不等式组(4)存在可行解P=P′>0,Q,则系统(3)是渐进稳定的,并且存在H∞性能指标γ。
本发明能满足地面城市交通、狭长隧道、小型智能机器人等中低精度的定位和定向的要求。
附图说明
图1为WSN/MINS高精度实时组合导航系统。
图2为组合导航系统利用H∞滤波组合导航方法示意图。
图3为自适应补偿区域组合导航模型。
具体实施方式
下面结合附图对本发明创造做进一步详细说明
如图1所示,本发明用于WSN/INS高精度实时组合导航的H无穷信息融合方法,其特征在于包括下列步骤:
(1)以每个时刻未知节点的在两个方向上的位置误差(ex,ey)和速度(evx,evy)误差作为状态向量,系统方程如式(1)所示:
(2)对采样周期T的随机不确定度描述如下所示:
即Xk+1=(A+E·βk)Xk+Bω (2b)
(3)采用每个时刻通过的位置误差和速度误差作为观测量:通过将同一时刻INS和WSN测量得到的位置和速度信息做差得到:
即Yk=CXk+Dυk (3b)
综上所述,系统方程如式4所示,其中Zk=LXk为需要估计的量与状态向量的线性关系;
(4)根据系统方程每个时刻的X和Y的输出,来对系统方程中需要预估的值进行预估:
(5)首先 由式(4)和式(5)得到式(6)
其中
(6)如果线性矩阵不等式组(7)存在可行解P=P′>0,系统(6)是渐进稳定的,并且存在H无穷性能指标γ,γ的大小决定了滤波器的误差大小,γ越大约束越小,鲁棒性越差
如图2为有WSN信号的培训区域组合导航模型,在这一培训区域,WSN导航系统与MINS导航系统同时工作,将通过WSN获得的导航信息与微惯性导航系统上得到的导航信息通过H∞滤波器进行数据融合;在采用滤波器进行数据融合,并得出最优导航信息的同时,将滤波器做出误差信息和时间信息通过人工智能算法培训MINS的误差模型,寻找二者之间的关系。
若未知节点离开搭建有WSN的区域,则组合导航系统进入自适应补偿区域,如图3所示。在这一区域,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,避免了因MINS/WSN导航无法工作导致导航误差快速下降、无法保证导航精度的问题,具有一定的可行性和前瞻性。
Claims (1)
1.一种用于WSN/INS高精度实时组合导航的H无穷信息融合方法,其特征在于包括下列步骤:
(1)以每个时刻未知节点的在两个方向上的位置误差(ex,ey)和速度误差(evx,evy)作为状态向量,系统方程如式(1)所示:
(2)对采样周期T的随机不确定度描述如下所示:
即Xk+1=(A+E·βk)Xk+Bωk (2b)
(3)采用每个时刻通过的位置误差和速度误差作为观测量:通过将同一时刻INS和WSN测量得到的位置和速度信息做差得到:
即Yk=CXk+Dυk (3b)
综上所述,系统方程如式4所示,其中Zk=LXk为需要估计的量与状态向量的线性关系;
(4)根据系统方程每个时刻的X和Y的输出,来对系统方程中需要预估的值进行预估:
(5)首先由式(4)和式(5)得到式(6)
其中
(6)如果线性矩阵不等式组(7)存在可行解P=P′>0,系统(6)是渐进稳定的,并且存在H无穷性能指标γ,γ的大小决定了滤波器的误差大小,γ越大约束越小,鲁棒性越差
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110359094.8A CN102494685B (zh) | 2011-11-14 | 2011-11-14 | 用于wsn/ins高精度实时组合导航的h无穷信息融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110359094.8A CN102494685B (zh) | 2011-11-14 | 2011-11-14 | 用于wsn/ins高精度实时组合导航的h无穷信息融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102494685A CN102494685A (zh) | 2012-06-13 |
CN102494685B true CN102494685B (zh) | 2015-02-04 |
Family
ID=46186529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110359094.8A Active CN102494685B (zh) | 2011-11-14 | 2011-11-14 | 用于wsn/ins高精度实时组合导航的h无穷信息融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102494685B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102692223B (zh) * | 2012-06-27 | 2014-10-08 | 东南大学 | 用于wsn/ins组合导航的多级非线性滤波器的控制方法 |
CN104316058B (zh) * | 2014-11-04 | 2017-01-18 | 东南大学 | 一种采用交互多模型的移动机器人wsn/ins组合导航方法 |
CN104374389B (zh) * | 2014-12-10 | 2017-04-05 | 济南大学 | 一种面向室内移动机器人的imu/wsn组合导航方法 |
CN104794447A (zh) * | 2015-04-22 | 2015-07-22 | 深圳市航盛电子股份有限公司 | 基于OpenCv卡尔曼滤波器的车载隧道识别方法及其系统 |
CN105259902B (zh) * | 2015-09-06 | 2018-10-12 | 江苏科技大学 | 水下机器人惯性导航方法及系统 |
CN105865441B (zh) * | 2016-03-31 | 2017-02-08 | 北京航空航天大学 | 一种针对多源干扰系统的复合分层自适应滤波器 |
CN106291455A (zh) * | 2016-07-25 | 2017-01-04 | 四川中电昆辰科技有限公司 | 基于运动状态信息的定位装置及方法 |
CN108804528B (zh) * | 2018-04-28 | 2021-04-09 | 北京猎户星空科技有限公司 | 一种数据融合方法及装置 |
CN109709592A (zh) * | 2018-12-13 | 2019-05-03 | 大连交通大学 | 一种北斗辅助列车定位算法 |
CN111578939B (zh) * | 2020-03-23 | 2021-11-02 | 济南大学 | 考虑采样周期随机变化的机器人紧组合导航方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867868A (zh) * | 2010-03-26 | 2010-10-20 | 东南大学 | 一种组合导航装置和实施方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6853909B2 (en) * | 2001-12-03 | 2005-02-08 | Applanix Corporation, Inc | Walking stick navigator for position determination |
-
2011
- 2011-11-14 CN CN201110359094.8A patent/CN102494685B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867868A (zh) * | 2010-03-26 | 2010-10-20 | 东南大学 | 一种组合导航装置和实施方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102494685A (zh) | 2012-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102494685B (zh) | 用于wsn/ins高精度实时组合导航的h无穷信息融合方法 | |
CN102692223B (zh) | 用于wsn/ins组合导航的多级非线性滤波器的控制方法 | |
CN102494684B (zh) | 一种基于wsn/mins组合导航的导航信息无偏紧组合方法 | |
CN107246868B (zh) | 一种协同导航定位系统及导航定位方法 | |
CN107356252B (zh) | 一种融合视觉里程计与物理里程计的室内机器人定位方法 | |
CN102636166B (zh) | 基于航向角的wsn/ins组合导航系统的控制方法 | |
CN104864865B (zh) | 一种面向室内行人导航的ahrs/uwb无缝组合导航方法 | |
CN103148855B (zh) | 一种ins辅助的室内移动机器人无线定位方法 | |
CN102445200B (zh) | 微小型个人组合导航系统及其导航定位方法 | |
CN102359787B (zh) | 一种wsn/mins高精度实时组合导航信息融合方法 | |
CN106767752A (zh) | 一种基于偏振信息的组合导航方法 | |
CN103207634A (zh) | 一种智能车辆中差分gps与惯性导航数据融合的系统和方法 | |
CN105241445A (zh) | 一种基于智能移动终端的室内导航数据获取方法及系统 | |
CN103235595A (zh) | 一种室外微小型地面群机器人控制系统及控制方法 | |
CN106871893A (zh) | 分布式ins/uwb紧组合导航系统及方法 | |
CN107966143A (zh) | 一种基于多窗口的自适应efir数据融合方法 | |
CN104316058B (zh) | 一种采用交互多模型的移动机器人wsn/ins组合导航方法 | |
CN103471586A (zh) | 一种传感器辅助的终端组合定位方法及装置 | |
CN107966142A (zh) | 一种基于多窗口的室内行人自适应ufir数据融合方法 | |
CN104374389B (zh) | 一种面向室内移动机器人的imu/wsn组合导航方法 | |
CN104296741B (zh) | 采用距离平方和距离平方变化率的wsn/ahrs紧组合方法 | |
CN108759825A (zh) | 面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法及系统 | |
CN101813780B (zh) | 一种集成gps和多传感器的移动目标实时追踪方法 | |
CN105115507A (zh) | 一种基于双imu的双模式室内个人导航系统及方法 | |
CN104897157B (zh) | 基于足部航姿参考和肩部电子罗盘的个人导航系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |