CN103983996A - 一种抗gps野值的紧组合自适应滤波方法 - Google Patents

Abstract

一种抗GPS(全球定位系统)野值的紧组合自适应滤波方法，本发明涉及一种适用于GPS/惯性紧组合导航系统的抗GPS野值和量测噪声时变的自适应滤波方法。该方法将残差自适应滤波方法与模糊逻辑控制相结合，采用模糊逻辑控制器监测滤波器残差序列以在线估测量测噪声强度来自适应调整滤波器量测噪声矩阵参数值，以提高滤波精度，防止滤波器发散。同时基于滤波器残差分析法辅助实现紧组合导航系统中GPS每颗卫星的野值检测，并利用滑窗加权平均法实现野值的补偿。本发明有效地降低量测噪声的不确定性和GPS野值对紧组合导航系统的不利影响，显著提高了紧组合导航系统的抗干扰能力和导航精度，可用于任何GPS/惯性紧组合导航系统。

Description

一种抗GPS野值的紧组合自适应滤波方法

技术领域

本发明涉及一种适用于紧组合导航系统的抗GPS(全球定位系统)野值的自适应滤波方法，将模糊逻辑控制与自适应滤波相结合，有效地降低量测噪声的不确定性和GPS野值对紧组合导航系统的不利影响，显著提高了紧组合导航系统的抗干扰能力和导航精度。本发明相对于其他自适应滤波方法，具有原理简单、计算量小、抗干扰能力强等特点，可应用于任何GPS/惯性紧组合导航系统中。

背景技术

GPS/惯性组合导航系统是为了利用GPS信息来修正由陀螺漂移、加速度计偏置和初始失准角等引起的惯性导航系统的姿态、位置和速度的误差，从而获得高精度的导航信息。GPS/惯性紧组合导航系统主要是以卫星的伪距、伪距率与惯性导航系统所给出的位置和速度换算得到的伪距和伪距率的差值作为量测量，通过滤波器估计出系统误差，然后对系统误差进行校正。

卡尔曼滤波是目前组合导航系统中使用最广泛的一种信息融合方法，其主要采用信号与噪声的状态空间模型，利用前一时刻的估计值和新时刻的观测值来对状态变量进行估计，求出新时刻的估计值。卡尔曼滤波的最优状态估计值为：

${\hat{X}}_k={\hat{X}}_{k/k-1}+K_k(Z_k-H_k{\hat{X}}_{k/k-1})$

其中滤波增益阵K_k为：

$K_k=P_{k/k-1}{H}_k^T{(H_k{P}_{k/k-1}{H}_k^T+R_k)}^{-1}$

量测噪声矩阵R_k代表了量测数据可信度，若量测噪声矩阵R_k越大，代表观测值Z_k不可靠，则新息的加权阵K_k越小，即系统状态最优估计值对量测值Z_k信任越小，相应的系统预测估计值在最优估计值中所占的比重越大。由此可见，量测噪声矩阵R_k是滤波器非常重要的参数，在滤波器工作过程中实时在线调整量测噪声矩阵R_k可有效提高滤波器的精度和稳定性，得到系统状态的最优估计值。

模糊逻辑控制是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。根据模糊输入和模糊规则，按照确定好的推理方法进行推理，得到模糊输出量，依据解模糊化方法得到精确输出量。其本质上就是将一个给定输入空间通过模糊逻辑的方法映射到一个特定的输出空间的计算过程。

本发明将残差自适应滤波方法与模糊逻辑控制相结合，针对紧组合滤波过程中量测噪声时变不确定性问题，采用模糊逻辑控制器监测滤波器残差序列以在线估测量测噪声强度来自适应调整滤波器量测噪声矩阵参数值，以提高滤波精度，防止滤波器发散。同时基于滤波器残差分析法辅助实现紧组合导航系统中GPS每颗卫星的野值检测，并利用滑窗加权平均法实现野值的补偿。本发明有效地降低量测噪声的不确定性和GPS野值对紧组合导航系统的不利影响，显著提高了紧组合导航系统的抗干扰能力和导航精度。本发明相对于其他自适应滤波方法，具有原理简单、计算量小、抗干扰能力强等特点，可应用于任何GPS/惯性紧组合导航系统中。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种适用于紧组合导航系统的抗GPS野值的自适应滤波方法。

本发明的技术解决方案为：一种抗GPS野值的紧组合自适应滤波方法，其特征在于包括以下步骤：

(1)利用滤波器残差序列实时估计量测噪声情况：以伪距、伪距率作为量测量建立组合导航量测方程，利用最近的滤波器残差序列、采用滑动窗口实时计算残差的统计特性以实时估计量测噪声情况。

(2)利用滑窗残差统计特性的GPS野值检测和补偿：每颗卫星对应的实际残差值与理论残差值比值反映了卫星实际量测值与理论量测值的匹配度，若超过设定的阙值，则判断此颗卫星量测值中含有野值，将其剔除，并在对应位置补充给出估计值，降低数据离散度，提高系统可靠性。

(3)利用模糊逻辑控制器确定量测噪声调整系数：以实际残差的统计特性与理论残差的统计特性的偏差值作为模糊逻辑控制器的输入量，确定模糊子集及对应的隶属度函数，利用大规模的仿真实验后获得的经验设计建立模糊控制规则，通过解模糊化确定量测噪声调整系数。

本发明的原理是：紧组合导航系统在GPS出现野值或者量测噪声发生变化后，采用常规卡尔曼滤波得到的系统状态估计值常常发生振荡，甚至导致滤波器发散。而在理想工作情况下，卡尔曼滤波器的残差为零均值的白噪声。本发明利用最近20秒内的滤波器残差序列作为样本，统计残差的方差值。滤波器残差的实际值与滤波器残差的理论值偏离程度反应滤波器当前量测噪声情况。针对GPS量测信息中的伪距和伪距率进行野值检测和补偿，将每颗卫星作为独立器件进行分析，以特定卫星量测残差值对应分量的绝对值与其残差理论标准差的偏离程度作为判据，若大于一定的阙值，则认定这颗卫星当前时刻的伪距、伪距率量测值为野值，然后利用此颗卫星之前固定长度的残差值进行加权平均计算，替代当前含野值的残差值，达到降低数据离散度，提高系统可靠性的目的。加权法的加权原则是离野值时间越近的残差值，加权值越大；离野值时间越远的残差值，加权值越小。模糊逻辑控制器采用滤波器残差实际方差的矩阵迹与滤波器残差理论方差的矩阵迹的比值作为输入量，采用系数加权平均法解模糊化得到量测噪声调整系数。从而实时调整量测噪声矩阵值，对量测噪声的变化实现自适应滤波。

本发明与现有技术相比的优点在于：相对于其他自适应滤波中自适应因子的复杂的代数计算，本发明将模糊逻辑控制器引入残差自适应滤波，使得自适应因子的计算更加简单，更加有利于在工程实践中的应用。同时通过判断残差值与理论值之间的差距，判断量测信息中是否存在野值。此方法可以对紧组合导航系统中使用的每颗卫星进行野值的检测和补偿。通过加权平均法的残差补偿而不是简单的野值剔除，可降低数据离散度，提高系统可靠性和精度。本发明针对量测噪声时变不确定性以及GPS测量野值两个方面对紧组合导航系统进行改进，大大提升了紧组合导航系统的稳定性和导航精度。

附图说明

图1为本发明的抗GPS野值紧组合自适应滤波方法流程图；

图2为本发明的模糊逻辑控制器输入量的隶属度函数

具体实施方式

如图1所示，本发明的具体方法如下：

(1)利用最近20秒内的滤波器残差序列作为样本数，统计残差的方差值，滤波器残差的实际值与滤波器残差的理论值偏离程度反应滤波器当前量测噪声情况。

滤波器残差为:

$d_k=Z_k-H_k{\hat{X}}_{k/k-1}$

残差方差的理论值Ide_k定义为：

${\mathrm{Ide}}_k=H_k\left(A_{k-1}{P}_{k-1}{A}_{k-1}^T\right)H_k^T+R_k$

残差实测值的方差Res_k定义为：

${\mathrm{Res}}_k=\frac{1}{20}\underset{i=i_0}{\overset{k}{\mathrm{\Σ}}}{d}_i{d}_i^T$

定义变量为残差容度值：

${\mathrm{dC}}_k^i=\left|d_k^i\right|\sqrt{{\mathrm{Ide}}_k}$

其中i为量测卫星序列，它表征卫星i的实际残差与理论残差的匹配度，从而反映实际量测值与理论量测值的匹配度。在量测值正常时，实际残差绝对值应小于理论残差方差平方根的三倍或四倍。若量测值中出现野值，对应卫星的会急速增大。设定阈值α，若表明卫星i出现野值。

若在第k时刻检验到野值，则使用前n个时刻的残差序列的加权平均值来代替k时刻的残差值，即：

${\hat{d}}_k^i=\underset{j=k-n}{\overset{k-1}{\mathrm{\Σ}}}{\mathrm{\α}}_j{d}_j^i/\underset{j=k-n}{\overset{k-1}{\mathrm{\Σ}}}{\mathrm{\α}}_j$

其中α_j为对应权值。

(2)采用模糊逻辑控制器监测滤波器残差序列以在线估测量测噪声强度来自适应调整滤波器量测噪声矩阵参数值，以提高滤波精度，防止滤波器发散。模糊逻辑控制器采用滤波器残差实际方差的矩阵迹与滤波器残差理论方差的矩阵迹的比值作为输入量。然后根据多次仿真得到的经验制定输入量隶属函数以及模糊控制规则。依据一定的模糊推理，得到一个模糊输出集合即一个新的模糊隶属函数。对模糊输出采用系数加权平均法解模糊化方法以获得量测噪声调整系数，从而实现紧组合导航系统依据量测噪声强度的自适应滤波。

滤波模型的噪声方差阵设为：

R_k=(1+λ_k)R₀

其中R_k为k时刻滤波器所用量测噪声矩阵；R₀为滤波起始时刻的量测噪声矩阵。λ_k为模糊逻辑控制器输出的量测噪声调整系数。

定义变量RoC_k分别为残差实测方差和理论方差的比值：

RoC_k=Tr(Res_k)/Tr(Ide_k)

其中Tr(·)表示对矩阵求迹。选择RoC_k作为模糊逻辑控制器的输入。若滤波器工作正常，则Ide_k和Res_k应该近似相等，所以变量值RoC_k在1附近。如果量测噪声增大，则残差的实测值Res_k增大，导致RoC_k增大，此时应增大R_k。

输入新息的模糊语言值取3，定义模糊子集M＝More表示RoC_k基本大于1，模糊子集E＝Equal表示RoC_k基本等于1,模糊子集L＝Less表示RoC_k基本小于1，确定模糊变量的隶属度函数，如图2所示。

采用高木-关野(Takagi-Sugeno)模糊推论方法，建立的模糊控制规则主要由三条规则组成，并确定每条规则的输出b。

1)若RoC_k是More,则增加Ｒ_k，b₁=s₁₀+s₁₁·RoC_k；

2)若RoC_k是Equal,则维持R_k，b₂=s₂₀+s₂₁·RoC_k；

3)若RoC_k是Less,则减小R_k，b₃=s₃₀+s₃₁·RoC_k。

其中s₁₀、s₁₁、s₂₀、s₂₁、s₃₀、s₃₁为模糊逻辑控制器的常参数，具体参数值可利用探试法确定。

模糊逻辑解模糊化方法采用系数加权平均法，即模糊逻辑控制器最终输出的量测噪声调整系数λ_k为：

${\mathrm{\λ}}_k=\underset{i=1}{\overset{3}{\mathrm{\Σ}}}{\mathrm{\μ}}_i{b}_i/\underset{i=1}{\overset{3}{\mathrm{\Σ}}}{\mathrm{\μ}}_i$

其中b_i为第i条模糊控制规则的独立输出，μ_i为第i条模糊控制规则输出的权系数，本方法主要以每个模糊子集对应的隶属度为其权系数。

(3)采用模糊逻辑控制器输出的量测噪声调整系数λ_k实时在线调整滤波器的量测噪声阵，从而实现紧组合导航系统的自适应滤波。

Claims (8)

1.一种抗GPS(全球定位系统)野值的紧组合自适应滤波方法，其特征在于包括以下步骤：

(1)利用滤波器残差序列实时估计量测噪声情况：以伪距、伪距率作为量测量建立组合导航量测方程，利用最近的滤波器残差序列、采用滑动窗口实时计算残差的统计特性以实时估计量测噪声情况。

(2)利用滑窗残差统计特性的GPS野值检测和补偿：每颗卫星对应的实际残差值与理论残差值的比值反映了卫星实际量测值与理论量测值的匹配度，若超过设定的阙值，则判断此颗卫星量测值中含有野值，将其剔除，并在对应位置补充给出估计值，降低数据离散度，提高系统可靠性。

(3)利用模糊逻辑控制器确定量测噪声调整系数：以实际残差的统计特性与理论残差的统计特性的偏差值作为模糊逻辑控制器的输入量，确定模糊子集及对应的隶属度函数，利用大规模的仿真实验后获得的经验设计建立模糊控制规则，通过解模糊化确定量测噪声调整系数。

2.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的实时计算滤波器残差统计特性，主要利用最近20秒内的滤波器残差序列作为样本，统计残差的方差值。滤波器残差的实际值与滤波器残差的理论值的偏离程度反应滤波器当前量测噪声情况。

3.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的GPS的野值检测和补偿，主要是针对GPS量测信息中的伪距和伪距率进行野值检测和补偿，并将每颗卫星作为独立器件进行分析。

4.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的GPS的野值检测方法，主要以特定卫星量测残差值对应分量的绝对值与其残差标准差的偏离程度作为判据，若大于一定的阙值，则认定这颗卫星当前时刻的伪距、伪距率量测值为野值。

5.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的GPS野值的补偿主要是对指定卫星之前固定长度的残差值进行加权平均计算，替代当前含野值的残差值，达到降低数据离散度，提高系统可靠性的目的。加权法的加权原则是离野值时间越远的残差值，加权值越小；离野值时间越近的残差值，加权值越大。

6.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的模糊逻辑控制器采用滤波器残差实际方差的矩阵迹与滤波器残差理论方差的矩阵迹的比值作为输入量。

7.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的模糊逻辑解模糊化方法采用系数加权平均法，每个模糊子集对应的隶属度为其权系数。

8.根据权利要求1所述的一种抗GPS野值的紧组合自适应滤波方法，其特征在于：所述的自适应滤波采用实时在线调整量测噪声矩阵值实现。量测噪声矩阵值由初始量测噪声矩阵值和量测噪声调整系数共同决定。量测噪声调整系数由模糊逻辑控制器解模糊化获得。