CN109813316B - 一种基于地形辅助的水下载体紧组合导航方法 - Google Patents

一种基于地形辅助的水下载体紧组合导航方法 Download PDF

Info

Publication number
CN109813316B
CN109813316B CN201910032320.8A CN201910032320A CN109813316B CN 109813316 B CN109813316 B CN 109813316B CN 201910032320 A CN201910032320 A CN 201910032320A CN 109813316 B CN109813316 B CN 109813316B
Authority
CN
China
Prior art keywords
underwater
carrier
time
gaussian
terrain
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
Application number
CN201910032320.8A
Other languages
English (en)
Other versions
CN109813316A (zh
Inventor
程向红
范时秒
王子卉
赵莹
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201910032320.8A priority Critical patent/CN109813316B/zh
Publication of CN109813316A publication Critical patent/CN109813316A/zh
Application granted granted Critical
Publication of CN109813316B publication Critical patent/CN109813316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种基于地形辅助的水下载体紧组合导航方法，主要步骤包括：根据水下载体的运动状态选取状态量，建立水下载体组合导航系统模型，初始化水下地形组合导航系统；初始化高斯和粒子滤波器，搭建高斯过程‑高斯和粒子滤波框架并进行水下载体紧组合导航。采用高斯过程‑高斯和粒子滤波紧组合导航框架，可充分利用传感器信息，方法可移植性强，适用于非线性非高斯的实际系统，并且具有免重采样的优点，相较于传统的粒子滤波组合导航，组合导航精度更高，有利于推进基于地形辅助的水下载体组合导航系统的实际应用。

Description

一种基于地形辅助的水下载体紧组合导航方法
技术领域
本发明涉及一种水下载体组合导航方法，具体涉及一种基于地形辅助的水下载体紧组合导航方法。
背景技术
水下载体在水中工作时，无法实时接收全球卫星导航系统信号，基本惯性导航系统的误差随时间积累，不能满足水下长航时的定位要求。基于地形辅助的组合导航是一种通过地球物理量匹配修正惯性导航误差，从而提高导航精度的方式。
目前，基于地形辅助的水下载体组合导航主要存在两大关键技术难点：第一，水下载体组合导航系统依赖水下地形数据库的建立，然而对于水下导航实际应用来说，高精度水下地形数据库较难获取，采集和存储高精度水下地形数据库是难点，目前普遍采用的多为双线性插值法构建水下地形数据库，而这种方法所得到的水下地形数据库不能完全反应水下地形特征。第二，基于地形辅助的水下载体组合导航系统实际为非线性非高斯系统，目前的多数研究是将水下载体组合导航系统近似为线性化高斯系统或非线性化高斯系统，在此基础上进行研究的。上述两点限制了基于地形辅助的水下载体组合导航系统从理论研究向实际应用发展。
基于上述背景技术，本发明提出一种基于地形辅助的水下载体紧组合导航方法，该方法提出一种高斯过程-高斯和粒子滤波紧组合导航框架，这种导航方法可有效提升水下载体组合导航精度。
发明内容
技术问题：本发明的目的是为了采用低精度水下地形数据库时，有效提升水下载体
组合导航系统的导航精度，提供一种基于地形辅助的水下载体紧组合导航方法。
技术方案：本发明的一种基于地形辅助的水下载体紧组合导航方法，包括以下步骤：
步骤1)根据水下载体的运动状态选取系统状态量，系统状态量具体为：
Figure GDA0003572034200000011
式中：ξ、η分别为水下载体所处位置的经度、纬度；
Figure GDA0003572034200000021
为水下载体距海平面的下潜深度；H、P、R分别为水下载体的航向角、俯仰角、横滚角；εx、εy、εz分别为陀螺仪在载体坐标系x轴、y轴、z轴的角速率零偏；[·]T表示矩阵转置；
步骤2)建立水下载体组合导航系统模型，并初始化组合导航系统；其中，水下载体组合导航系统模型为：
Figure GDA0003572034200000022
Figure GDA0003572034200000023
式中：xk+1为k+1时刻的状态，
Figure GDA0003572034200000024
为k时刻的状态估计值，ek为过程噪声，Δxk为从k时刻到k+1时刻得状态转移矩阵，且
Figure GDA0003572034200000025
式中，
Figure GDA0003572034200000026
分别为k时刻水下载体的航向角、俯仰角、横滚角估计值；
Figure GDA0003572034200000027
为从载体坐标系到导航坐标系变换的姿态矩阵；vk为k时刻的载体速度；Δt为高度值采样间隔；
Figure GDA0003572034200000028
分别为水下载体在k时刻沿载体坐标系x轴、y轴、z轴三个方向的角速率计算值，且
Figure GDA0003572034200000029
其中，ωx,k、ωy,k、ωz,k分别为k时刻陀螺沿载体坐标系x轴、y轴、z轴三个方向的输出值；
Figure GDA00035720342000000210
为xk位置处的水深值，且
Figure GDA00035720342000000211
h(·)为水下地形模型；
Figure GDA00035720342000000212
为k时刻压力传感器测的的水下载体距水平面的下潜深度；prek为k时刻便携式测深仪测得的水下载体距离海底的高度值；ηk为量测噪声；zzk为k时刻的观测量；
步骤3)初始化G个高斯和项
Figure GDA00035720342000000213
Figure GDA00035720342000000214
为k时刻第i个高斯和项权值，
Figure GDA0003572034200000031
为xk服从均值为
Figure GDA0003572034200000032
方差为
Figure GDA0003572034200000033
的高斯分布，其中，k＝0时，
Figure GDA0003572034200000034
和
Figure GDA0003572034200000035
根据先验分布得到，
Figure GDA0003572034200000036
在k时刻时，每个高斯和项中抽样M个粒子，第i个高斯和项中的第j个粒子记为粒子
Figure GDA0003572034200000037
以粒子
Figure GDA0003572034200000038
水平位置
Figure GDA0003572034200000039
为中心，选取水下地形数据库中
Figure GDA00035720342000000310
中τ个节点，以τ个节点的水平位置向量
Figure GDA00035720342000000311
及对应的地形数据
Figure GDA00035720342000000312
作为粒子
Figure GDA00035720342000000313
处地形模型的训练数据；搭建高斯过程-高斯和粒子滤波框架进行水下载体紧组合导航；
进一步，搭建高斯过程-高斯和粒子滤波框架并进行水下载体紧组合导航，具体步骤为：
3.1)当k时刻时，建立基于高斯过程的水下地形模型：选取协方差函数为
Figure GDA00035720342000000314
式中，pou和pov为训练样本水平位置向量的任意元素；kin(·)是协方差函数；σh是地形数据标准差；σv是样本噪声标准差；lhori是地形模型水平尺度；lverti是地形模型垂直尺度；Θ＝{σh,σv,lhori,lverti}是协方差函数的超参数；当u＝v时，δuv＝1；当u≠v时，δuv＝0；
训练样本的条件概率对数似然函数为：
Figure GDA00035720342000000315
式中，K(po,po)＝{kin(pou,pov)|u,v＝1,2,...,τ}为τ×τ阶协方差矩阵；Iτ为τ维单位矩阵；p(·)为概率；
超参数估计值为：
Figure GDA00035720342000000316
3.2)在k时刻时，粒子
Figure GDA00035720342000000317
的水平位置向量
Figure GDA00035720342000000318
对应的水深值可计算得
Figure GDA0003572034200000041
式中，
Figure GDA0003572034200000042
为k时刻
Figure GDA0003572034200000043
的水平位置向量
Figure GDA0003572034200000044
和
Figure GDA0003572034200000045
之间的1×τ阶协方差矩阵；
3.3)在k时刻时，计算重要性函数
Figure GDA0003572034200000046
根据高斯和项的重要性函数p(xk|zz0:k)得到抽样样本点集
Figure GDA0003572034200000047
的权重
Figure GDA0003572034200000048
3.4)计算均值
Figure GDA0003572034200000049
方差
Figure GDA00035720342000000410
更新高斯和项权值
Figure GDA00035720342000000411
并进行高斯和项权值归一化
Figure GDA00035720342000000412
3.5)计算输出均值
Figure GDA00035720342000000413
计算输出方差
Figure GDA00035720342000000414
3.6)通过式(2)进行从时刻k到时刻k+1的状态转移，继续重复步骤3.1)-3.5)，直至航行结束，停止运算。
有益效果：本发明与现有技术相比，具有以下优点：
采用高斯过程-高斯和粒子滤波紧组合导航框架，可充分利用传感器信息，方法可移植性强，适用于非线性非高斯的实际系统，并且具有免重采样的优点，相较于传统的粒子滤波组合导航，组合导航精度更高，有利于推进基于地形辅助的水下载体组合导航系统的实际应用。
附图说明
图1为一种基于地形辅助的水下载体紧组合导航方法框图，
图2为水下载体真实航行轨迹和组合导航计算的航行轨迹仿真图，
图3为本发明方法的定位误差结果曲线图。
具体实施方式
根据下述实施例，可以更好的理解本发明。如图1所示，本发明的一种基于地形辅助的水下载体紧组合导航方法，具体步骤如下：
步骤1)根据水下载体的运动状态选取系统状态量，系统状态量具体为：
Figure GDA0003572034200000051
式中：ξ、η分别为水下载体所处位置的经度、纬度；
Figure GDA0003572034200000052
为水下载体距海平面的下潜深度；H、P、R分别为水下载体的航向角、俯仰角、横滚角；εx、εy、εz分别为陀螺仪在载体坐标系x轴、y轴、z轴的角速率零偏；[·]T表示矩阵转置；
步骤2)建立水下载体组合导航系统模型，并初始化组合导航系统；其中，水下载体组合导航系统模型为：
Figure GDA0003572034200000053
Figure GDA0003572034200000054
式中：xk+1为k+1时刻的状态，
Figure GDA0003572034200000055
为k时刻的状态估计值，ek为过程噪声，Δxk为从k时刻到k+1时刻得状态转移矩阵，且
Figure GDA0003572034200000056
式中，
Figure GDA0003572034200000057
分别为k时刻水下载体的航向角、俯仰角、横滚角估计值；
Figure GDA0003572034200000058
为从载体坐标系到导航坐标系变换的姿态矩阵；vk为k时刻的载体速度；Δt为高度值采样间隔；
Figure GDA0003572034200000059
分别为水下载体在k时刻沿载体坐标系x轴、y轴、z轴三个方向的角速率计算值，且
Figure GDA00035720342000000510
其中，ωx,k、ωy,k、ωz,k分别为k时刻陀螺沿载体坐标系x轴、y轴、z轴三个方向的输出值；
Figure GDA00035720342000000511
为xk位置处的水深值，且
Figure GDA00035720342000000512
h(·)为水下地形模型；
Figure GDA00035720342000000513
为k时刻压力传感器测的的水下载体距水平面的下潜深度；prek为k时刻便携式测深仪测得的水下载体距离海底的高度值；ηk为量测噪声；zzk为k时刻的观测量；
步骤3)初始化G个高斯和项
Figure GDA0003572034200000061
Figure GDA0003572034200000062
为k时刻第i个高斯和项权值，
Figure GDA0003572034200000063
为xk服从均值为
Figure GDA0003572034200000064
方差为
Figure GDA0003572034200000065
的高斯分布，其中，k＝0时，
Figure GDA0003572034200000066
和
Figure GDA0003572034200000067
根据先验分布得到，
Figure GDA0003572034200000068
在k时刻时，每个高斯和项中抽样M个粒子，第i个高斯和项中的第j个粒子记为粒子
Figure GDA0003572034200000069
以粒子
Figure GDA00035720342000000610
水平位置
Figure GDA00035720342000000611
为中心，选取水下地形数据库中
Figure GDA00035720342000000612
中τ个节点，以τ个节点的水平位置向量
Figure GDA00035720342000000613
及对应的地形数据
Figure GDA00035720342000000614
作为粒子
Figure GDA00035720342000000615
处地形模型的训练数据；搭建高斯过程-高斯和粒子滤波框架进行水下载体紧组合导航；
进一步，搭建高斯过程-高斯和粒子滤波框架并进行水下载体紧组合导航，具体步骤为：
3.1)当k时刻时，建立基于高斯过程的水下地形模型：选取协方差函数为
Figure GDA00035720342000000616
式中，pou和pov为训练样本水平位置向量的任意元素；kin(·)是协方差函数；σh是地形数据标准差；σv是样本噪声标准差；lhori是地形模型水平尺度；lverti是地形模型垂直尺度；Θ＝{σh,σv,lhori,lverti}是协方差函数的超参数；当u＝v时，δuv＝1；当u≠v时，δuv＝0；
训练样本的条件概率对数似然函数为：
Figure GDA00035720342000000617
式中，K(po,po)＝{kin(pou,pov)|u,v＝1,2,...,τ}为τ×τ阶协方差矩阵；Iτ为τ维单位矩阵；p(·)为概率；
超参数估计值为：
Figure GDA00035720342000000618
3.2)在k时刻时，粒子
Figure GDA0003572034200000071
的水平位置向量
Figure GDA0003572034200000072
对应的水深值可计算得
Figure GDA0003572034200000073
式中，
Figure GDA0003572034200000074
为k时刻
Figure GDA0003572034200000075
的水平位置向量
Figure GDA0003572034200000076
和
Figure GDA0003572034200000077
之间的1×τ阶协方差矩阵；
3.3)在k时刻时，计算重要性函数
Figure GDA0003572034200000078
根据高斯和项的重要性函数p(xk|zz0:k)得到抽样样本点集
Figure GDA0003572034200000079
的权重
Figure GDA00035720342000000710
3.4)计算均值
Figure GDA00035720342000000711
方差
Figure GDA00035720342000000712
更新高斯和项权值
Figure GDA00035720342000000713
并进行高斯和项权值归一化
Figure GDA00035720342000000714
3.5)计算输出均值
Figure GDA00035720342000000715
计算输出方差
Figure GDA00035720342000000716
3.6)通过式(2)进行从时刻k到时刻k+1的状态转移，继续重复步骤3.1)-3.5)，直至航行结束，停止运算。
本发明的可行性通过如下仿真加以验证：
(1)陀螺仪随机常值漂移0.03°/h，角度随机游走0.01°/√h，加速度计随机常值偏置0.1mg，速度随机游走5μg/√Hz，初始水平位置误差100m，初始航向角误差0.5°；
(2)水下载体以4kn速度匀速航行，初始水平位置为(130.009°E,26.0035°N)，航行轨迹如图2所示；水下地形数据库范围：(130°E～130.027°E，26°N～26.011°N)，海图水深误差为20cm；便携式测深仪精度1cm，压力传感器精度为下潜深度的0.01％，水深测量误差±1m；
(3)高斯和粒子滤波器G＝3，M＝300；高斯过程超参数初始值Θ＝{3,0.01,1,1}
通过仿真，验证了本方法的可行性(如图2所示)，其导航精度较基于粒子滤波的组合导航有显著提升(如图3)。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种基于地形辅助的水下载体紧组合导航方法，其特征在于，该方法包含以下步骤：
步骤1)根据水下载体的运动状态选取系统状态量，系统状态量具体为：
Figure FDA0003668902860000011
式中：ξ、η分别为水下载体所处位置的经度、纬度；
Figure FDA0003668902860000018
为水下载体距海平面的下潜深度；H、P、R分别为水下载体的航向角、俯仰角、横滚角；εx、εy、εz分别为陀螺仪在载体坐标系x轴、y轴、z轴的角速率零偏；[·]T表示矩阵转置；
步骤2)建立水下载体组合导航系统模型，并初始化组合导航系统；其中，水下载体组合导航系统模型为：
Figure FDA0003668902860000012
Figure FDA0003668902860000013
式中：xk+1为k+1时刻的状态，
Figure FDA0003668902860000014
为k时刻的状态估计值，ek为过程噪声，Δxk为从k时刻到k+1时刻得状态转移矩阵，且
Figure FDA0003668902860000015
式中，
Figure FDA0003668902860000016
分别为k时刻水下载体的航向角、俯仰角、横滚角估计值；
Figure FDA0003668902860000017
为从载体坐标系到导航坐标系变换的姿态矩阵；vk为k时刻的载体速度；Δt为高度值采样间隔；
Figure FDA0003668902860000021
分别为水下载体在k时刻沿载体坐标系x轴、y轴、z轴三个方向的角速率计算值，且
Figure FDA0003668902860000022
其中，ωx,k、ωy,k、ωz,k分别为k时刻陀螺沿载体坐标系x轴、y轴、z轴三个方向的输出值；
Figure FDA0003668902860000023
为xk位置处的水深值，且
Figure FDA0003668902860000024
h(·)为水下地形模型；
Figure FDA0003668902860000025
为k时刻压力传感器测得的水下载体距水平面的下潜深度；prek为k时刻便携式测深仪测得的水下载体距离海底的高度值；ηk为量测噪声；zzk为k时刻的观测量；
步骤3)初始化G个高斯和项
Figure FDA0003668902860000026
为k时刻第i个高斯和项权值，
Figure FDA0003668902860000027
为xk服从均值为
Figure FDA0003668902860000028
方差为
Figure FDA0003668902860000029
的高斯分布，其中，k＝0时，
Figure FDA00036689028600000210
和
Figure FDA00036689028600000211
根据先验分布得到，
Figure FDA00036689028600000212
在k时刻时，每个高斯和项中抽样M个粒子，第i个高斯和项中的第j个粒子记为粒子
Figure FDA00036689028600000213
Figure FDA00036689028600000214
以粒子
Figure FDA00036689028600000215
水平位置
Figure FDA00036689028600000216
为中心，选取水下地形数据库中
Figure FDA00036689028600000217
中τ个节点，以τ个节点的水平位置向量
Figure FDA00036689028600000218
及对应的地形数据
Figure FDA00036689028600000219
作为粒子
Figure FDA00036689028600000220
处地形模型的训练数据，搭建高斯过程-高斯和粒子滤波框架进行水下载体紧组合导航。
2.根据权利要求1所述的一种基于地形辅助的水下载体紧组合导航方法，其特征在于步骤3)，所述搭建高斯过程-高斯和粒子滤波框架并进行水下载体紧组合导航，具体步骤为：
3.1)当k时刻时，建立基于高斯过程的水下地形模型：选取协方差函数为
Figure FDA00036689028600000221
式中，pou和pov为训练样本水平位置向量的任意元素；kin(·)是协方差函数；σh是地形数据标准差；σv是样本噪声标准差；lhori是地形模型水平尺度；lverti是地形模型垂直尺度；Θ＝{σh,σv,lhori,lverti}是协方差函数的超参数；当u＝v时，δuv＝1；当u≠v时，δuv＝0；
训练样本的条件概率对数似然函数为：
Figure FDA0003668902860000031
式中，
Figure FDA0003668902860000032
为粒子
Figure FDA0003668902860000033
的超参数；K(po,po)＝{kin(pou,pov)|u,v＝1,2,...,τ}为τ×τ阶协方差矩阵；Iτ为τ维单位矩阵；p(·)为概率；
超参数估计值为：
Figure FDA0003668902860000034
3.2)在k时刻时，粒子
Figure FDA0003668902860000035
的水平位置向量
Figure FDA0003668902860000036
对应的水深值可计算得
Figure FDA0003668902860000037
式中，
Figure FDA0003668902860000038
为k时刻
Figure FDA0003668902860000039
的水平位置向量
Figure FDA00036689028600000310
和
Figure FDA00036689028600000311
Figure FDA00036689028600000312
阶协方差矩阵；
3.3)在k时刻时，计算重要性函数
Figure FDA00036689028600000313
根据高斯和项的重要性函数p(xk|zz0:k)得到抽样样本点集
Figure FDA00036689028600000314
的权重
Figure FDA00036689028600000315
Figure FDA00036689028600000316
3.4)计算均值
Figure FDA00036689028600000317
方差
Figure FDA00036689028600000318
更新高斯和项权值
Figure FDA00036689028600000319
并进行高斯和项权值归一化
Figure FDA00036689028600000320
3.5)计算输出均值
Figure FDA0003668902860000041
计算输出方差
Figure FDA0003668902860000042
3.6)通过式(2)进行从时刻k到时刻k+1的状态转移，继续重复步骤2.1)-2.5)，直至航行结束，停止运算。
CN201910032320.8A 2019-01-14 2019-01-14 一种基于地形辅助的水下载体紧组合导航方法 Active CN109813316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910032320.8A CN109813316B (zh) 2019-01-14 2019-01-14 一种基于地形辅助的水下载体紧组合导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910032320.8A CN109813316B (zh) 2019-01-14 2019-01-14 一种基于地形辅助的水下载体紧组合导航方法

Publications (2)

Publication Number Publication Date
CN109813316A CN109813316A (zh) 2019-05-28
CN109813316B true CN109813316B (zh) 2022-07-29

Family

ID=66603741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910032320.8A Active CN109813316B (zh) 2019-01-14 2019-01-14 一种基于地形辅助的水下载体紧组合导航方法

Country Status (1)

Country Link
CN (1) CN109813316B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111220146B (zh) * 2019-12-10 2022-10-14 哈尔滨工程大学 一种基于高斯过程回归学习的水下地形匹配定位方法
CN111238483A (zh) * 2020-02-12 2020-06-05 上海海事大学 基于sir粒子滤波方法的低功耗地形辅助导航系统及方法
CN111458050B (zh) * 2020-04-15 2021-11-09 国家海洋技术中心 一种用于海气界面水边界层的温度剖面精细化测量传感器

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2959810B1 (fr) * 2010-05-05 2012-06-08 Thales Sa Procede de definition d'un systeme de navigation.
CN102818567A (zh) * 2012-08-08 2012-12-12 浙江大学 集合卡尔曼滤波－粒子滤波相结合的auv组合导航方法
CN105205313A (zh) * 2015-09-07 2015-12-30 深圳大学 模糊高斯和粒子滤波方法、装置及目标跟踪方法、装置
CN105424036A (zh) * 2015-11-09 2016-03-23 东南大学 一种低成本水下潜器地形辅助惯性组合导航定位方法
CN106017460A (zh) * 2016-05-20 2016-10-12 东南大学 一种地形辅助惯导紧组合的水下潜器导航定位方法
CN106683122A (zh) * 2016-12-16 2017-05-17 华南理工大学 一种基于高斯混合模型和变分贝叶斯的粒子滤波方法
CN107314768A (zh) * 2017-07-06 2017-11-03 上海海洋大学 水下地形匹配辅助惯性导航定位方法及其定位系统
WO2018119912A1 (zh) * 2016-12-29 2018-07-05 深圳大学 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2959810B1 (fr) * 2010-05-05 2012-06-08 Thales Sa Procede de definition d'un systeme de navigation.
CN102818567A (zh) * 2012-08-08 2012-12-12 浙江大学 集合卡尔曼滤波－粒子滤波相结合的auv组合导航方法
CN105205313A (zh) * 2015-09-07 2015-12-30 深圳大学 模糊高斯和粒子滤波方法、装置及目标跟踪方法、装置
CN105424036A (zh) * 2015-11-09 2016-03-23 东南大学 一种低成本水下潜器地形辅助惯性组合导航定位方法
CN106017460A (zh) * 2016-05-20 2016-10-12 东南大学 一种地形辅助惯导紧组合的水下潜器导航定位方法
CN106683122A (zh) * 2016-12-16 2017-05-17 华南理工大学 一种基于高斯混合模型和变分贝叶斯的粒子滤波方法
WO2018119912A1 (zh) * 2016-12-29 2018-07-05 深圳大学 基于并行模糊高斯和粒子滤波的目标跟踪方法及装置
CN107314768A (zh) * 2017-07-06 2017-11-03 上海海洋大学 水下地形匹配辅助惯性导航定位方法及其定位系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Stochastic stability of Gaussian filters for nonlinear integrated navigation system with intermittent measurements;Hongmei Chen等;《2016 IEEE Transportation Electrification Conference and Expo, Asia - Pacific (ITEC)》;20161231;第145-151页 *
基于高斯混合无迹粒子滤波的地形辅助导航算法;孙立国等;《中国惯性技术学报》;20110615(第03期);第298-301页 *

Also Published As

Publication number Publication date
CN109813316A (zh) 2019-05-28

Similar Documents

Publication Publication Date Title
CN109724599B (zh) 一种抗野值的鲁棒卡尔曼滤波sins/dvl组合导航方法
CN104075715B (zh) 一种结合地形和环境特征的水下导航定位方法
CN110514203B (zh) 一种基于isr-ukf的水下组合导航方法
CN109813316B (zh) 一种基于地形辅助的水下载体紧组合导航方法
CN101949703B (zh) 一种捷联惯性/卫星组合导航滤波方法
CN103471616B (zh) 一种动基座sins大方位失准角条件下初始对准方法
CN104655131B (zh) 基于istssrckf的惯性导航初始对准方法
CN109443379A (zh) 一种深海潜航器的sins/dvl水下抗晃动对准方法
CN109324330A (zh) 基于混合无导数扩展卡尔曼滤波的usbl/sins紧组合导航定位方法
CN107621264A (zh) 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法
CN104635251A (zh) 一种ins/gps组合定位定姿新方法
CN105424036A (zh) 一种低成本水下潜器地形辅助惯性组合导航定位方法
CN105180938A (zh) 一种基于粒子滤波的重力采样矢量匹配定位方法
CN108387236B (zh) 一种基于扩展卡尔曼滤波的偏振光slam方法
CN104374405A (zh) 一种基于自适应中心差分卡尔曼滤波的mems捷联惯导初始对准方法
CN110567455B (zh) 一种求积更新容积卡尔曼滤波的紧组合导航方法
CN107063245A (zh) 一种基于5阶ssrckf的sins/dvl组合导航滤波方法
CN106168485A (zh) 步行航迹数据推算方法及装置
CN104062672A (zh) 基于强跟踪自适应Kalman滤波的SINSGPS组合导航方法
CN106840211A (zh) 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法
CN107707220A (zh) 一种应用在gnss/ins中的改进型ckf方法
CN111722295A (zh) 一种水下捷联式重力测量数据处理方法
CN105737850B (zh) 基于粒子滤波的变尺度单方向重力采样矢量匹配定位方法
CN114061591A (zh) 一种基于滑动窗数据回溯的等值线匹配方法
CN112857398A (zh) 一种系泊状态下舰船的快速初始对准方法和装置

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