CN108896036A - 一种基于新息估计的自适应联邦滤波方法 - Google Patents

一种基于新息估计的自适应联邦滤波方法 Download PDF

Info

Publication number
CN108896036A
CN108896036A CN201810438283.6A CN201810438283A CN108896036A CN 108896036 A CN108896036 A CN 108896036A CN 201810438283 A CN201810438283 A CN 201810438283A CN 108896036 A CN108896036 A CN 108896036A
Authority
CN
China
Prior art keywords
filter
moment
source
covariance matrix
navigation
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.)
Granted
Application number
CN201810438283.6A
Other languages
English (en)
Other versions
CN108896036B (zh
Inventor
刘小汇
唐璐杨
马鹏程
袁木子
王雷
李柏渝
左勇
孙鹏跃
张可
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201810438283.6A priority Critical patent/CN108896036B/zh
Publication of CN108896036A publication Critical patent/CN108896036A/zh
Application granted granted Critical
Publication of CN108896036B publication Critical patent/CN108896036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations

Abstract

本发明提供一种基于测量新息的自适应联邦滤波方法。技术方案是：基于新息构造归一化后的信息分配因子，通过分配因子来对各局部滤波器的误差协方差矩阵与过程噪声协方差矩阵进行实时调节，只需计算滤波器在当前时刻新息的理论协方差矩阵和观测协方差矩阵，无需存储之前时刻的观测量，资源消耗低，计算简单便于工程实现，并且在导航源遭受干扰的情况下，能够有效抑制定位误差，使定位精度维持在正常水平，进一步提高了多源融合导航系统的容错性。本方法应用于工程实践时，在不增加系统额外开销的情况下，能够解决在复杂场景下或导航源出现异常时，多源导航系统容错性差的问题。

Description

一种基于新息估计的自适应联邦滤波方法
技术领域
本发明涉及多源导航定位技术领域，具体的说是一种多源导航信息的自适应联邦滤波方法。
背景技术
由于单一导航源都固有自身无法克服的缺陷，无法提供精度、可靠性、稳定性、实时性等均能满足各种应用场景的导航服务。多源导航系统就是对各种导航源提供的导航信息进行融合，旨在提高整个导航系统的精度、可靠性、鲁棒性，实现更高效的导航服务。多源融合算法是多源导航系统的核心和研究重点，其原理是将不同导航传感器的量测信息与系统内已经解算出来的载体状态信息通过一定的融合方式进行融合，形成载体当前状态的最优或次优的估计。卡尔曼滤波是最早应用于多源融合系统中的，为了解决卡尔曼滤波算法实时性差的问题，出现了联邦滤波算法，见参考文献(Carlson N A.Federated squareroot filter for decentralized parallel processors[J].Aerospace&ElectronicSystems IEEE Transactions on,1990,26(3):517-525.)。如图1所示，经典联邦滤波算法的结构图包括N+1个导航源和N个局部滤波器以及1个主滤波器。选择一个信息全面、输出速率高、可靠性有保证的导航源作为参考导航源，其余N个导航源作为局部导航源。每个局部导航源分别与参考导航源进行两两组合形成N个输入。N个输入分别送至N个局部滤波器，N个局部滤波器结构相同，各局部滤波器利用卡尔曼滤波算法对输入进行解算，再将各局部滤波器的解输出至主滤波器，主滤波器通过对输入进行信息分配、时间传递和信息融合，形成融合导航解，即定位结果等信息。常用的联邦滤波算法，有四种反馈模式，分别为无反馈、融合-反馈、零复位、重调，其中融合-反馈模式下的定位精度最高，能够实现最优估计，在实际工程中应用得最为频繁。在融合-反馈模式下，主滤波器反馈控制参考导航源和各局部滤波器的输出，反馈控制参数称为信息分配因子，取值为：
βm＝0,β1＝…＝βN＝1/N
但是其采用固定的信息分配方式，在导航源遭受干扰而误差增大时，算法不能及时做出调整，导致多源导航系统的容错性差。
发明内容
本发明提出了一种基于测量新息的自适应联邦滤波方法，本方法应用于工程实践时，在不增加系统额外开销的情况下，能够解决在复杂场景下或导航源出现异常时，多源导航系统容错性差的问题。
本发明的技术方案是：一种基于新息的自适应联邦滤波方法，应用于多源导航系统，其特征在于，基于新息构造归一化后的信息分配因子：
其中，βm(k)为tk时刻主滤波器的信息分配因子，β′i(k)为tk时刻第i个局部滤波器的信息分配因子，βi(k)为tk时刻第i个局部滤波器的归一化后的信息分配因子，Ci(k)为tk时刻第i个局部滤波器新息的观测协方差矩阵，为tk时刻第i个局部滤波器新息的理论协方差矩阵，tr()为矩阵的求迹运算。
本发明的有益效果是：本发明基于新息来构造自适应分配因子，通过分配因子来对各局部滤波器的误差协方差矩阵与过程噪声协方差矩阵进行实时调节，只需计算滤波器在当前时刻新息的理论协方差矩阵和观测协方差矩阵，无需存储之前时刻的观测量，资源消耗低，计算简单便于工程实现，并且在导航源遭受干扰的情况下，能够有效抑制定位误差，使定位精度维持在正常水平，进一步提高了多源融合导航系统的容错性。
附图说明
图1是联邦滤波方法的结构流程示意图；
图2是本发明提出的方法的流程示意图；
图3是北向定位误差曲线图；
图4是东向定位误差曲线图。
具体实施方式
下面对本发明进一步说明。
新息δi(k)是第i个局部滤波器在tk时刻的观测向量Zi(k)与第i个局部滤波器估计出来的观测向量之间的差值，表示为：
其中，Hi(k)为第i个局部滤波器在tk时刻的观测矩阵，为第i个局部滤波器在tk-1时刻的状态估计值。观测向量Zi(k)即第i个局部导航源与参考导航源的信息组合后，输入至第i个局部滤波器的信息，i＝1,2…,N,N为局部滤波器的数目。
由上式可以看出，新息能够反映观测向量与估计观测向量之间的误差，因此可以通过新息来自适应地构造信息分配因子，调节各局部滤波器的滤波参数，包括误差协方差矩阵与过程噪声协方差矩阵。从而得到更好的滤波结果。
新息δi(k)的理论协方差矩阵为：
其中Pi(k-1)为tk-1时刻第i个局部滤波器的误差协方差矩阵，Ri为第i个局部滤波器的测量噪声协方差矩阵，取值由第i个局部滤波器的特性决定。上标T表示矩阵的转置运算。
而新息的观测协方差矩阵Ci(k)为：
Ci(k)＝δi(k)*δi(k)T
则可以构造tk时刻第i个局部滤波器的自适应的归一化后的信息分配因子βi(k)：
则，利用下述公式计算各局部滤波器和主滤波器的参数：
其中，Pi(k)为tk时刻第i个局部滤波器的误差协方差矩阵，P(k)为tk时刻多源导航系统误差协方差矩阵。Q为多源导航系统的过程噪声协方差矩阵，由多源导航系统特性决定。Pm(k)为tk时刻主滤波器的误差协方差矩阵，Qi(k)和Qm(k)分别为tk时刻第i个局部滤波器和主滤波器的过程噪声协方差矩阵，为tk时刻第i个局部滤波器的状态估计值，为tk时刻系统状态估计值，为tk时刻主滤波器的状态估计值。
接着各局部滤波器和主滤波器分别进行时间传递：
Pi(k+1)＝φ(k+1,k)Pi(k)φ(k+1,k)T+Qi(k)
Pm(k+1)＝φ(k+1,k)Pm(k)φ(k+1,k)T+Qm(k)
其中，φ(k+1,k)为多源导航系统由tk到tk+1时刻的状态转移矩阵，由多源导航系统特性决定。
由于主滤波器无观测信息，因此观测更新只在各局部滤波器中进行：
Pi(k+1)＝(I-Ki(k+1)Hi(k+1,k))Pi(k+1)
其中，I为单位矩阵，Hi(k+1,k)和Ki(k+1,k)分别为第i个局部滤波器由tk到tk+1时刻的观测矩阵和卡尔曼滤波增益，Zi(k+1)为第i个局部滤波器在tk+1时刻的观测向量。
最后各局部滤波器将测量更新后的值Pi(k+1)和输出至主滤波器进行信息融合，得到tk+1时刻的融合导航解
利用本发明进行的实验如下。
实验采集了GNSS/INS/WSS融合导航系统的实测数据，共计4.32小时。起始时刻车辆停止不动，但车身有一定干扰晃动，此时INS进行初始对准，10分钟后车辆行驶，同时采集INS、车辆WSS和GNSS的时间同源数据。INS和WSS的采样频率为100Hz，GNSS的采样频率为1Hz。
分别采用现有的经典联邦滤波算法、动态最优联邦滤波算法(参见文献：顾启泰,王颂.联邦滤波器信息分配系数的优选算法[J].中国惯性技术学报，2003，11(6):1-6.)和本发明提出的自适应联邦滤波方法对GNSS/INS/WSS融合导航系统得数据进行融合，融合解算的周期为1s，并且在第7990～8000秒给GNSS信号加入干扰，定位结果如图3、4所示。图3是北向定位误差曲线图，图4是东向定位误差曲线图。两幅图的横坐标均表示时间，第7990秒开始至第16000结束；纵坐标均表示定位误差。虚线均表示现有的经典联邦滤波算法，实线表示动态最优联邦滤波算法，加星号的实线表示本发明。由图3和图4可以看出，由于三种算法中主滤波器会将融合后的结果反馈给参考导航源INS并对其进行纠正，因此在导航源被干扰后，经典联邦滤波算法将会导致定位误差增大；采用动态最优联邦滤波算法能够在一定程度上提高系统的容错性，但效果不明显；而采用本发明能够抑制异常观测值的影响，使误差最小。
为了更直观的体现出导航源被干扰的情况下三种算法的定位精度，采用均方根误差对定位结果进行定量分析，结果如表1所示：
表1
从表1中可以看出，当GNSS信号被干扰后，在北方向上，本发明的均方根误差明显小于动态最优联邦滤波算法和经典联邦滤波算法，而东方向上本发明的定位结果也优于其他两种算法。
综上所述，虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何本领域普通技术人员，在不脱离本发明的精神和范围内，当可作各种更动与润饰，因此本发明的保护范围当视权利要求书界定的范围为准。

Claims (1)

1.一种基于新息的自适应联邦滤波方法，应用于多源导航系统，其特征在于，基于新息构造归一化后的信息分配因子：
其中，βm(k)为tk时刻主滤波器的信息分配因子，βi′(k)为tk时刻第i个局部滤波器的信息分配因子，βi(k)为tk时刻第i个局部滤波器的归一化后的信息分配因子，Ci(k)为tk时刻第i个局部滤波器的新息的观测协方差矩阵，为tk时刻第i个局部滤波器新息的理论协方差矩阵，tr()为矩阵的求迹运算；
其中，第i个局部滤波器的新息是指在tk时刻的第i个局部滤波器的观测向量与第i个局部滤波器估计出来的观测向量之间的差值。
CN201810438283.6A 2018-05-09 2018-05-09 一种基于新息估计的自适应联邦滤波方法 Active CN108896036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810438283.6A CN108896036B (zh) 2018-05-09 2018-05-09 一种基于新息估计的自适应联邦滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810438283.6A CN108896036B (zh) 2018-05-09 2018-05-09 一种基于新息估计的自适应联邦滤波方法

Publications (2)

Publication Number Publication Date
CN108896036A true CN108896036A (zh) 2018-11-27
CN108896036B CN108896036B (zh) 2021-01-22

Family

ID=64343179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810438283.6A Active CN108896036B (zh) 2018-05-09 2018-05-09 一种基于新息估计的自适应联邦滤波方法

Country Status (1)

Country Link
CN (1) CN108896036B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110196443A (zh) * 2019-06-06 2019-09-03 中国人民解放军战略支援部队信息工程大学 一种飞行器的容错组合导航方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090248301A1 (en) * 2008-03-31 2009-10-01 Honeywell International Inc. Position estimation for navigation devices
CN102353378A (zh) * 2011-09-09 2012-02-15 南京航空航天大学 一种矢量形式信息分配系数的自适应联邦滤波方法
CN102914308A (zh) * 2012-10-24 2013-02-06 南京航空航天大学 一种基于新息正交性的抗野值联邦滤波方法
CN103292812A (zh) * 2013-05-10 2013-09-11 哈尔滨工程大学 一种微惯性sins/gps组合导航系统的自适应滤波方法
CN103389506A (zh) * 2013-07-24 2013-11-13 哈尔滨工程大学 一种用于捷联惯性/北斗卫星组合导航系统的自适应滤波方法
CN103389095A (zh) * 2013-07-24 2013-11-13 哈尔滨工程大学 一种用于捷联惯性/多普勒组合导航系统的自适应滤波方法
CN103528587A (zh) * 2013-10-15 2014-01-22 西北工业大学 自主组合导航系统
CN104913781A (zh) * 2015-06-04 2015-09-16 南京航空航天大学 一种基于动态信息分配的非等间隔联邦滤波方法
CN105758401A (zh) * 2016-05-14 2016-07-13 中卫物联成都科技有限公司 一种基于多源信息融合的组合导航方法和设备
CN107656301A (zh) * 2017-09-20 2018-02-02 北京航天发射技术研究所 一种基于多源信息融合的车载定位方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090248301A1 (en) * 2008-03-31 2009-10-01 Honeywell International Inc. Position estimation for navigation devices
CN102353378A (zh) * 2011-09-09 2012-02-15 南京航空航天大学 一种矢量形式信息分配系数的自适应联邦滤波方法
CN102914308A (zh) * 2012-10-24 2013-02-06 南京航空航天大学 一种基于新息正交性的抗野值联邦滤波方法
CN103292812A (zh) * 2013-05-10 2013-09-11 哈尔滨工程大学 一种微惯性sins/gps组合导航系统的自适应滤波方法
CN103389506A (zh) * 2013-07-24 2013-11-13 哈尔滨工程大学 一种用于捷联惯性/北斗卫星组合导航系统的自适应滤波方法
CN103389095A (zh) * 2013-07-24 2013-11-13 哈尔滨工程大学 一种用于捷联惯性/多普勒组合导航系统的自适应滤波方法
CN103528587A (zh) * 2013-10-15 2014-01-22 西北工业大学 自主组合导航系统
CN104913781A (zh) * 2015-06-04 2015-09-16 南京航空航天大学 一种基于动态信息分配的非等间隔联邦滤波方法
CN105758401A (zh) * 2016-05-14 2016-07-13 中卫物联成都科技有限公司 一种基于多源信息融合的组合导航方法和设备
CN107656301A (zh) * 2017-09-20 2018-02-02 北京航天发射技术研究所 一种基于多源信息融合的车载定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹萌等: "自适应联邦滤波算法在鱼雷多参量导航定位中的应用", 《鱼雷技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110196443A (zh) * 2019-06-06 2019-09-03 中国人民解放军战略支援部队信息工程大学 一种飞行器的容错组合导航方法及系统
CN110196443B (zh) * 2019-06-06 2021-11-09 中国人民解放军战略支援部队信息工程大学 一种飞行器的容错组合导航方法及系统

Also Published As

Publication number Publication date
CN108896036B (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN110133582B (zh) 补偿电磁跟踪系统中的畸变
Gao et al. Random weighting method for multisensor data fusion
CN101922939B (zh) 一种导航过程中的地图匹配方法和装置
US8761975B2 (en) Method and apparatus for real-time polars
CN109163720A (zh) 基于渐消记忆指数加权的卡尔曼滤波跟踪方法
US9864067B2 (en) Method for determining a current position of a motor vehicle in a geodetic coordinate system and motor vehicle
US7797135B2 (en) Method and apparatus for correcting the time of recordal of a series of recordings
CN109633664A (zh) 基于rgb-d与激光里程计的联合定位方法
CN113204038B (zh) 基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器
CN109556633A (zh) 一种基于自适应ekf的仿生偏振传感器多源误差标定方法
CN107807069B (zh) 一种海面溢油的自适应跟踪控制方法及其系统
CN108871324A (zh) 一种水下无源组合导航系统衰减自适应信息融合方法
CN108896036A (zh) 一种基于新息估计的自适应联邦滤波方法
WO2018107831A1 (zh) 一种测量物体姿态角的方法和装置
CN108196267A (zh) 一种基于gnss cp技术的不间断时间传递方法
EP3060943B1 (en) Improved system for post processing gnss/ins measurement data and camera image data
CN108319264A (zh) 航行控制方法、装置
CN109781100A (zh) 一种基于卡尔曼滤波估计的极区组合导航双通道误差校正方法
CN108592860A (zh) 用于机载光电观瞄系统基轴对准操作后的瞄准线输出角度计算方法
CN112986977B (zh) 一种克服雷达扩展卡尔曼航迹滤波发散的方法
CN109856964A (zh) 基于脱靶量处理的运动目标控制方法和系统
CN106123926B (zh) 一种基于gps信息修正惯导位置误差的uuv离线标图方法
CN101118160A (zh) 低精度压电陀螺零偏实时估计补偿方法
CN208044348U (zh) 一种无人驾驶纯电动船的船舵系统精度识辩系统装置
CN108287510A (zh) 一种无人驾驶纯电动船的船舵系统精度识辩系统装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant