CN111473786A - 一种基于局部反馈的两层分布式多传感器组合导航滤波方法 - Google Patents
一种基于局部反馈的两层分布式多传感器组合导航滤波方法 Download PDFInfo
- Publication number
- CN111473786A CN111473786A CN202010346999.0A CN202010346999A CN111473786A CN 111473786 A CN111473786 A CN 111473786A CN 202010346999 A CN202010346999 A CN 202010346999A CN 111473786 A CN111473786 A CN 111473786A
- Authority
- CN
- China
- Prior art keywords
- navigation
- sub
- error
- local
- feedback
- 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.)
- Withdrawn
Links
Images
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Abstract
本发明公开了一种基于局部反馈的两层分布式多传感器组合导航滤波方法,涉及一种SST/Beidou/气压高度表/捷联惯性组合导航系统信息融合方法。该方法主要针对联邦滤波器的非最优性,采用捷联惯性导航系统(SINS)作为主导航系统,首先对北斗(Beidou)、捷联星光跟踪仪(SST)和气压高度表三种子导航传感器的工作特性进行了理论分析,建立导航坐标系下的惯性/Beidou、惯性/SST、惯性/高度表的组合导航系统滤波模型;然后,设计并完成了基于局部反馈的两层分布式多传感器组合导航系统滤波方法;最后经过该方法的最优估计,并对惯性系统进行信息校正。本发明导航精度高,并且以理论形式证明了在有、无的情况下最终的滤波精度是等效的,但在有反馈的情况下来自融合中心的反馈信息可明显提高子滤波器的滤波性能。
Description
技术领域
本发明涉及一种基于局部反馈的两层分布式多传感器组合导航滤波方法,属于多源组合导航技术融合领域,可用于航空飞行器导航参数的确定。
背景技术
在多传感器组合导航系统中,各子导航传感器通过性能互补及信息同享,能够在不同的复杂环境中为不同的平台提供准确、连续导航信息。而信息融合方案依然是多传感器组合导航系统的基本问题,目前可提供导航信息的有惯性导航系统(INS)、北斗导航定位系统(Beidou)、全球卫星导航系统(GNSS)、天文导航系统(CNS)、捷联星光跟踪仪(SST)、磁力计、大气数据等。
目前对多传感器组合导航系统的融合方法研究较多,如集中式、分布式、混合式;常用的联邦滤波融合算法是以分布式融合结构为基础的,但其结果不是最优的,从信息融合的结构来看,该算法属于两层分布式融合结构。毫无疑问在两级分布式融合算法中,反馈可以改善子滤波器的性能,但也增加了系统的复杂度,而有些子滤波的性能本身就优越(如Beidou/SINS、GPS/SINS)。
针对多传感器组合导航系统的两层分布式最优滤波算法的一般性,即对性能较差的子滤波器引入反馈信息以改善滤波性能、而对性能优良的子滤波器不引入反馈信息,这样即可保留算法的全局最优性、同时降低全反馈带来的较大计算负担,亟需一种更为有效的滤波方法。
发明内容
本发明的目的:克服现有多传感器组合导航系统常用滤波方法在全局精度、子滤波器性能、计算机计算负担等方面的综合性能不足的问题,提供了一种基于局部反馈的两层分布式多传感器组合导航滤波方法。
本发明为了实现上述目的,采用如下技术方案:
本发明基于一种基于局部反馈的两层分布式多传感器组合导航滤波方法,包括以下步骤:
(1)建立航空机载惯性导航系统导航误差状态的数学描述,惯性导航系统SINS的误差状态向量X取为:
向量X中的前九项与导航参数误差状态有关,它们分别是三维姿态误差、三维速度误差以及三维位置误差,向量X中的后九项与惯性仪表的误差状态量有关,下标E、N、U分别代表东向、北向、天向,εb、εr分别为陀螺随机常值漂移、一阶马尔柯夫过程漂移,▽r为加速度计的一阶马尔柯夫过程漂移,后九项的下标x、y、z为地理坐标系的三个坐标轴。
(2)根据所采用的子导航传感器,建立导航坐标系下子导航传感器观测量与被估计的步骤(1)所述的航空机载惯性导航系统导航误差状态向量中的纬度误差状态量、经度误差状态量、高度误差状态量、速度误差状态量以及姿态误差状态量之间的量测方程,包括Beidou/SINS量测方程、CNS/SINS量测方程、气压高度表/SINS量测方程。
(3)对M个局部节点(子滤波器)中有L(L≤M)个局部节点(子滤波器)接收反馈信息的条件下,根据步骤(1)和(2)的模型,建立接收反馈和不接收反馈信息条件下的各局部滤波器的估计模型。
(4)根据步骤(3)的各局部滤波器的估计结果,建立基于局部反馈的两层分布式多传感器组合导航滤波算法,进而输出全解最优估计值,并对航空机载惯性导航系统的导航误差进行校正。
(5)理论和实验均证明了在基于局部反馈的两层分布式多传感器组合导航系统中,来自融合中心的反馈信息可以明显改善子滤波器的滤波性能,但有无反馈信息其整个系统最终融合解是等价和最优的。
本发明与现有技术相比,克服了现有的多传感器组合导航常用滤波方法在精度、稳定性与计算负担等综合性能方面的不足,构建了一种基于局部反馈的两层分布式多传感器组合导航滤波算法,它具有如下优点:(1)克服了基于全反馈的两层分布式滤波方法带来的较大计算负担问题;(2)克服基于无反馈的两层分布式滤波方法带来的子滤波器滤波性能较差进而可能引起发散的问题;(3)克服联邦滤波非全局最优的问题;(4)本算法性能灵活,根据子传感器的性能选择是否引入反馈信息;(5)本发明引入的算法是对当前两层分布式滤波算法的一个概括,当无子滤波器引入反馈信息时,就得到了目前公开的基于无反馈的两层分布式最优滤波方法;当全部子滤波器引入反馈信息时,就得到了目前公开的基于全反馈的两层分布式最优滤波方法。
附图说明
图1为本发明的基于局部反馈的两层分布式多传感器组合导航滤波算法原理图;
图2为用于验证本发明算法的算例结构原理图(子滤波器1、2可选择有信息反馈,子滤波器3无信息反馈);
图3为仿真用的一条飞行轨迹;
图4为本发明针对图2的位置误差输出曲线;
图5为本发明针对图2的速度误差输出曲线;
图6为本发明针对图2的姿态误差输出曲线;
图7为本发明引入局部反馈前后的融合中心输出的平台角误差协方差对比曲线;
图8为本发明引入局部反馈前后的融合中心输出的速度误差协方差对比曲线;
图9为本发明引入局部反馈前后的融合中心输出的位置误差协方差对比曲线;
图10为本发明算例引入局部反馈前后子滤波器1的速度误差协方差对比曲线;
图11为本发明算例引入局部反馈前后子滤波器2的速度误差协方差对比曲线;
图12为本发明算例子滤波器3的速度误差协方差曲线;
具体实施方式
下面结合附图对本发明的技术方案进行详细说明:
如图1,本发明的原理是:建立地理坐标系下的系统状态方程与各子滤波器的量测方程(作为算例,如图2,包括Beidou/SINS、SST/SINS、高度表/SINS的量测方程),根据导航原始数据对各导航系统进行导航参数的数学计算,对各子滤波器进行信息处理,依据各子滤波器的滤波性能灵活选择相应的子滤波器对其进行信息反馈,各子滤波器的输出信息进入融合中心进行最优滤波,最后对惯导系统进行反馈校正。具体实施方法如下:
一、建立航空机载惯性导航系统导航误差状态的数学描述
选择的导航坐标系为东北天地理水平坐标系,并且选用的卡尔曼滤波器为线性的,系统的状态方程为惯性导航系统SINS的误差状态方程,经离散化后取状态向量X为:
向量X中的前九项与导航参数误差状态有关,它们分别是三维姿态误差、三维速度误差以及三维位置误差,向量X中的后九项与惯性仪表的误差状态量有关,下标E、N、U分别代表东向、北向、天向,εb、εr分别为陀螺随机常值漂移、一阶马尔柯夫过程漂移,▽r为加速度计的一阶马尔柯夫过程漂移,后九项的下标x、y、z为地理坐标系的三个坐标轴。
二、建立地理坐标系下各子滤波器的量测方程
1)Beidou/SINS量测方程
式(1)中,NN、NE、Nh、ME、MN、MU分别为北斗输出的北向、东向、天向的位置误差及北向、东向、天向的速度误差,均考虑为白噪声。
2)SST/SINS量测方程
式(3)中:Oγ、Oθ、Oψ为SST的姿态误差,均考虑为白噪声。因此姿态量测方程的观察矩阵为:
H2(t)=[A3×3 03×3 03×3 03×9] (4)
3)气压高度表/SINS量测方程
Z3(t)=[hI-ha]=δh+v3 (5)
其中:v3为气压高度表量测噪声。
三、建立接收反馈和不接收反馈信息的各子滤波器的估计模型
其中:
Pi,j(k+1|k)=Φ(k)Pm(k|k)ΦT(k)+G(k)Q(k)GT(k) (9)
其中i代表子导航传感器及子滤波器的序号;i≤L时,j=F,m=F代表接收反馈信息;当L+1≤i≤M时,j=f,m=f代表不接收反馈信息。当i≤L时有:
四、建立基于局部反馈的两层分布式多传感器组合导航最优滤波算法
有局部反馈时,即L≥1时,则最终融合结果可以表示为
式(12)中:
而当L=M时,即所有局部节点均接收反馈信息时,系统模型变为全反馈式,将式(16)、(17)中下标f变成F即可得到该情况下的最优融合结果。
五、图1中,当0≤L≤M时,系统的最终融合结果是等价和最优的
由式(8)、(9)代入式(15)得:
对于无反馈模式,将式(8)、(9)代入式(16)得:
由于Pf(0|0)=PF(0|0),因此,存在PF(k+1|k+1)≡Pf(k+1|k+1),从而有PF(k+1|k)≡Pf(k+1|k)。
根据式(8)~(10),可得:
其中(j=f,F),将公式(6)~(8)、(20)代入式(12),得:
由式(8)、(16)得:
对于不带反馈的两层分布融合算法,由式(20)、(17)得:
这就说明了两种情况下融合解是等价的。当传感器到融合节点是实时通信时,式(23)在极大似然意义下与最优集中估计是等价的,因而式(12)的具有反馈信息的融合解也是最优的。
同时,得出如下结论:在基于局部反馈的两层分布式多传感器组合导航系统中,来自融合中心的反馈信息可以明显改善子滤波器的滤波性能,但有无反馈信息其最终融合解是等价和最优的;而且无论有几个子滤波器接收反馈信息,即图1中0≤L≤M时,系统的最终融合结果是等价和最优的。
以图2为算例进行实验验证。图4~图6代表了经过无反馈两层分布滤波校正后的导航系统位置、速度、姿态误差曲线,而对相同的IMU及子导航系统传感器原始仿真数据,相应的经过局部反馈的两层分布滤波修正后的导航系统位置、速度、姿态误差曲线与图4~图6完全相同。图7~图9进一步列出了在两种情况下的各导航参数误差协方差仿真曲线,从图中可以发现:两者的滤波精度完全相同。
在图10~图11中仅仅列出了在有、无反馈的情况下子滤波器1、2输出的速度误差协方差仿真曲线,从图中可明显看出:来自融合中心的反馈信息可明显提高子滤波器的滤波精度。图12代表了子滤波器3在无反馈的情况下输出的速度误差协方差仿真曲线,其滤波精度较高。对于平台角误差、位置误差也类似的效果。
这说明,如果通信系统允许及计算机负担许可的前提下,在两层分布融合系统中,应尽量给观测精度较差的子导航传感器所在的子滤波器引入反馈机制。
Claims (5)
1.一种基于局部反馈的两层分布式多传感器组合导航滤波方法,其特征在于,包括如下步骤:
(1)建立航空机载惯性导航系统导航误差状态的数学描述,惯性导航系统SINS的误差状态向量X取为:
向量X中的前九项与导航参数误差状态有关,它们分别是三维姿态误差、三维速度误差以及三维位置误差,向量X中的后九项与惯性仪表的误差状态量有关,下标E、N、U分别代表东向、北向、天向,εb、εr分别为陀螺随机常值漂移、一阶马尔柯夫过程漂移,为加速度计的一阶马尔柯夫过程漂移,后九项的下标x、y、z为地理坐标系的三个坐标轴。
(2)根据所采用的子导航传感器,建立导航坐标系下子导航传感器观测量与被估计的步骤(1)所述的航空机载惯性导航系统导航误差状态向量中的纬度误差状态量、经度误差状态量、高度误差状态量、速度误差状态量以及姿态误差状态量之间的量测方程,包括Beidou/SINS量测方程、SST/SINS量测方程、气压高度表/SINS量测方程。
(3)对M个局部节点(子滤波器)中有L(L≤M)个局部节点(子滤波器)接收反馈信息的条件下,根据步骤(1)和(2)的模型,建立接收反馈和不接收反馈信息条件下的各局部滤波器的估计模型。
(4)根据步骤(3)的各局部滤波器的估计结果,建立基于局部反馈的两层分布式多传感器组合导航滤波算法,进而输出全解最优估计值,并对航空机载惯性导航系统的导航误差进行校正。
(5)根据步骤(3)、步骤(4)的结果,理论和实验证明了在基于局部反馈的两层分布式多传感器组合导航系统中,来自融合中心的反馈信息可以明显改善子滤波器的滤波性能,但有无反馈信息其整个系统最终融合解是等价和最优的。
2.根据权利要求1所述的基于局部反馈的两层分布式多传感器组合导航滤波方法,其特征在于,步骤(2)中所述的建立导航坐标系下子导航传感器观测量与被估计的步骤(1)所述的航空机载惯性导航系统导航误差状态向量中的纬度误差状态量、经度误差状态量、高度误差状态量、速度误差状态量以及姿态误差状态量之间的量测方程,具体为:
1)Beidou/SINS量测方程
式(1)中,NN、NE、Nh、ME、MN、MU分别为北斗输出的北向、东向、天向的位置误差及北向、东向、天向的速度误差,均考虑为白噪声。
2)SST/SINS量测方程
式(3)中:Oγ、Oθ、Oψ为SST的姿态误差,均考虑为白噪声。因此姿态量测方程的观察矩阵为:
H2(t)=[A3×3 03×3 03×3 03×9] (4)
3)气压高度表/SINS量测方程
Z3(t)=[hI-ha]=δh+v3 (5)
其中:v3为气压高度表量测噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010346999.0A CN111473786A (zh) | 2020-04-28 | 2020-04-28 | 一种基于局部反馈的两层分布式多传感器组合导航滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010346999.0A CN111473786A (zh) | 2020-04-28 | 2020-04-28 | 一种基于局部反馈的两层分布式多传感器组合导航滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111473786A true CN111473786A (zh) | 2020-07-31 |
Family
ID=71762910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010346999.0A Withdrawn CN111473786A (zh) | 2020-04-28 | 2020-04-28 | 一种基于局部反馈的两层分布式多传感器组合导航滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111473786A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112304309A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 一种基于心动阵列的高超飞行器组合导航信息解算方法 |
-
2020
- 2020-04-28 CN CN202010346999.0A patent/CN111473786A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112304309A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 一种基于心动阵列的高超飞行器组合导航信息解算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107525503B (zh) | 基于双天线gps和mimu组合的自适应级联卡尔曼滤波方法 | |
CN106767752B (zh) | 一种基于偏振信息的组合导航方法 | |
Bryne et al. | Nonlinear observers for integrated INS\/GNSS navigation: implementation aspects | |
CN102506868B (zh) | 基于联邦滤波的sins/smans/trns组合导航方法及系统 | |
CN104344837B (zh) | 一种基于速度观测的冗余惯导系统加速度计系统级标定方法 | |
Soken et al. | UKF-based reconfigurable attitude parameters estimation and magnetometer calibration | |
CN104698485B (zh) | 基于bd、gps及mems的组合导航系统及导航方法 | |
Ahn et al. | Fast alignment using rotation vector and adaptive Kalman filter | |
CN111947652A (zh) | 一种适用于月球着陆器的惯性/视觉/天文/激光测距组合导航方法 | |
CN112146655B (zh) | 一种BeiDou/SINS紧组合导航系统弹性模型设计方法 | |
CN101949703A (zh) | 一种捷联惯性/卫星组合导航滤波方法 | |
CN111982106A (zh) | 导航方法、装置、存储介质及电子装置 | |
CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
Gebre-Egziabher et al. | MAV attitude determination by vector matching | |
CN111156986B (zh) | 一种基于抗差自适应ukf的光谱红移自主组合导航方法 | |
CN110440830A (zh) | 动基座下车载捷联惯导系统自对准方法 | |
Xue et al. | In-motion alignment algorithm for vehicle carried SINS based on odometer aiding | |
CN111380518A (zh) | 一种引入径向速度的sins/usbl紧组合导航定位方法 | |
CN113295162A (zh) | 基于无人机状态信息的广义因子图融合导航方法 | |
CN111189442A (zh) | 基于cepf的无人机多源导航信息状态预测方法 | |
CN107576977A (zh) | 基于多源信息自适应融合的无人机导航系统及方法 | |
CN111722295A (zh) | 一种水下捷联式重力测量数据处理方法 | |
CN115356754A (zh) | 一种基于gnss和低轨卫星的组合导航定位方法 | |
CN105928519B (zh) | 基于ins惯性导航与gps导航以及磁力计的导航算法 | |
CN112525188B (zh) | 一种基于联邦滤波的组合导航方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200731 |