CN113048979A - 一种组合导航滤波方法 - Google Patents
一种组合导航滤波方法 Download PDFInfo
- Publication number
- CN113048979A CN113048979A CN202110249805.XA CN202110249805A CN113048979A CN 113048979 A CN113048979 A CN 113048979A CN 202110249805 A CN202110249805 A CN 202110249805A CN 113048979 A CN113048979 A CN 113048979A
- Authority
- CN
- China
- Prior art keywords
- matrix
- measurement
- combined
- state
- nonlinear
- 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.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 22
- 238000005562 fading Methods 0.000 claims abstract description 11
- 230000008033 biological extinction Effects 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Navigation (AREA)
Abstract
Description
技术领域
本发明主要涉及导航技术领域,具体涉及一种组合导航滤波方法。
背景技术
单一的导航技术都有各自的优缺点,单独使用一种导航技术难以满足用户与日俱增的导航需求。在此基础上,组合导航应运而生。在组合导航领域,滤波算法一直作为一个核心技术被国内外广大学者研究探索,其中强跟踪UKF(STUKF)算法提高了UKF(UnscentedKalman filter,无迹卡尔曼滤波)算法的滤波跟踪性能,提高了组合导航系统对于突变状态的实时跟踪能力,但现有的强跟踪UKF算法计算比较复杂,滤波稳定性较差,导致组合导航定位精度较低。
发明内容
本发明所要解决的技术问题是,针对现有技术的不足,提供一种组合导航滤波方法,提高组合导航系统在非线性环境下的滤波稳定性和鲁棒性。
本发明所提供的技术方案为:
一种组合导航滤波方法,包括以下步骤:
步骤1、针对非线性环境,建立建立组合导航模型,包括组合导航系统的状态方程及量测方程,其中状态函数和量测函数均为非线性函数;
步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波(估计);其中改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τk;再结合渐消因子τk更新增益矩阵Kk,状态向量的估计值和协方差矩阵Pk。
进一步地,所述步骤2中,渐消因子τk计算公式如下:
其中,Vk为输出残差序列Δk/k-1的协方差矩阵,输出残差序列其中zk为组合导航系统的量测向量,为量测向量的估计值;Φk/k-1和Hk分别为非线性状态函数和量测函数的雅克比矩阵,tr[]为矩阵的迹,Rk为量测噪声的正定方差矩阵;τ0,k为中间变量。
有益效果:
本发明运用改进的跟踪UKF算法对相对于现有的组合导航滤波算法,具有更强的非线性性;将渐消因子作用于预测协方差矩阵,提高了强跟踪滤波的稳定性,在高动态的复杂环境中,组合滤波表现优异;基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子,进一步提高了估计精度。
附图说明
图1为本发明一实施例提供的组合导航滤波方法的流程示意图
具体实施方式
以下结合附图和具体实施方式对本发明进行进一步具体说明。
本实施例提供一种组合导航滤波方法,包括以下步骤:
步骤1、针对非线性环境,建立如下组合导航模型,包括组合导航系统的状态方程及量测方程:
xk+1=f(xk,wk)
zk=h(xk,vk)
其中,xk和zk分别为组合导航系统的状态向量和量测向量;组合导航系统的状态向量由组合导航系统的误差数据构成,如位置误差、速度误差等;组合导航系统的量测向量由组合导航系统的量测数据构成,如位置量测值、速度量测值等;f()和h()分别为非线性状态函数和量测函数;wk和vk分别为系统噪声(状态过程噪声)和量测噪声;
步骤2、运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波,其中改进的强跟踪UKF算法基于输出残差序列的协方差矩阵、非线性状态函数和量测函数的雅克比矩阵计算渐消因子τk;再结合渐消因子τk更新增益矩阵Kk,状态向量的估计值和协方差矩阵Pk,变量中的下标k为时刻编号,完成一轮滤波过程。
进一步地,所述步骤2中,运用改进的强跟踪UKF算法对组合导航模型的参数进行滤波具体包括以下步骤:
(1)对状态向量x和协方差P进行初始化设置:
(2)对状态向量进行采样,获得k-1时刻的Sigma定性采样点(UT变换),以及各个采样点的一阶权值和二阶权值;
通过采样公式计算k-1时刻的Sigma定性采样点(UT变换),所述采样公式为:
其中,ξi,k-1为k-1时刻的第i个Sigma定性采样点,k=1,2,...,i=0,1,...2w,w为系统状态向量的维数;为k-1时刻的系统状态向量估计值;中间参数λ=α2(w+K)-w,其中K为比例参数,通常取为0或3-w;α为正值的比例缩放因子,用于调整Sigma定性采样点与的距离,α的取值范围为[0,1];
利用一阶权值计算公式和二阶权值计算公式对Sigma定性采样点进行一阶权值和二阶权值的计算,所述一阶权值计算公式为:
其中,Wi m为第i个Sigma定性采样点的一阶权值;
所述二阶权值计算公式为:
其中,Wi c为第i个Sigma定性采样点的二阶权值,β为非负权系数,高斯分布下β的最佳值为2。
(3)时间更新:对所述Sigma定性采样点、采样点预测均值、协方差进行更新;
根据第一更新公式对所述Sigma定性采样点进行更新,所述第一更新公式为:
γi,k/k-1=f(ξi,k-1)
其中,γi,k/k-1为更新后的采样点,f(ξi,k-1)为非线性变换函数;
根据更新后的Sigma定性采样点和第二更新公式更新状态量预测均值,所述第二更新公式为:
根据更新后的Sigma定性采样点和第三更新公式更新状态量预测协方差,所述第三更新公式为:
其中,Pk/k-1为状态量预测协方差,Qk-1为系统噪声的非负定方差矩阵;
zi,k/k-1=h(ξi,k-1)
其中,zk为量测向量,其元素为组合导航系统的量测值,如位置、速度的量测值;
(5)计算渐消因子τk
其中,Vk为输出残差序列的协方差矩阵,Φk/k-1和Hk分别为非线性状态函数和量测函数的雅克比矩阵,tr[]为矩阵的迹,Rk为量测噪声的正定方差矩阵;τ0,k为中间变量;
(6)利用渐消因子对量测数据的协方差进行更新,所述第四更新公式为:
其中,Pz,k为量测数据的协方差。
(8)令k=k+1,返回步骤(2),进行下一周期的滤波过程。
本发明运用改进的跟踪UKF算法对相对于现有的组合导航滤波算法,具有更强的非线性性;将渐消因子作用于预测协方差矩阵,提高了强跟踪滤波的稳定性,在高动态的复杂环境中,组合滤波表现优异,提高了估计精度;并且在一次状态估计过程中仅使用一次UT(无迹变换),有效地降低了强跟踪UKF的复杂度,计算相对简单,提高了组合导航计算的效率。
Claims (2)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110249805.XA CN113048979A (zh) | 2021-03-08 | 2021-03-08 | 一种组合导航滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110249805.XA CN113048979A (zh) | 2021-03-08 | 2021-03-08 | 一种组合导航滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113048979A true CN113048979A (zh) | 2021-06-29 |
Family
ID=76510635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110249805.XA Pending CN113048979A (zh) | 2021-03-08 | 2021-03-08 | 一种组合导航滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113048979A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116774263A (zh) * | 2023-06-12 | 2023-09-19 | 同济大学 | 面向组合导航系统的导航定位方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109000642A (zh) * | 2018-05-25 | 2018-12-14 | 哈尔滨工程大学 | 一种改进的强跟踪容积卡尔曼滤波组合导航方法 |
-
2021
- 2021-03-08 CN CN202110249805.XA patent/CN113048979A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109000642A (zh) * | 2018-05-25 | 2018-12-14 | 哈尔滨工程大学 | 一种改进的强跟踪容积卡尔曼滤波组合导航方法 |
Non-Patent Citations (3)
Title |
---|
周朋进等: "改进的STUKF及其在多传感器信息融合中的应用", 《测绘科学技术学报》, vol. 35, no. 4, 31 August 2018 (2018-08-31), pages 357 - 358 * |
彭继慎等: "基于非线性STUKF滤波器和ESN算法的耦合预测模型", 《传感技术学报》, vol. 30, no. 7, 31 July 2017 (2017-07-31), pages 1031 - 1032 * |
杨文革;李兆铭;楼鑫;: "编队卫星自主相对导航简化强跟踪UKF滤波算法", 科学技术与工程, no. 31, 8 November 2016 (2016-11-08) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116774263A (zh) * | 2023-06-12 | 2023-09-19 | 同济大学 | 面向组合导航系统的导航定位方法及装置 |
CN116774263B (zh) * | 2023-06-12 | 2024-04-05 | 同济大学 | 面向组合导航系统的导航定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985093B (zh) | 一种带噪声估计器的自适应无迹卡尔曼滤波状态估计方法 | |
CN108037361B (zh) | 一种基于滑动窗dft的高精度谐波参数估计方法 | |
CN107590317B (zh) | 一种计及模型参数不确定性的发电机动态估计方法 | |
CN103927436A (zh) | 一种自适应高阶容积卡尔曼滤波方法 | |
CN110289989B (zh) | 一种基于容积卡尔曼滤波算法的分布式状态估计方法 | |
CN110209148B (zh) | 一种基于描述系统观测器的网络化系统的故障估计方法 | |
CN112418051A (zh) | 一种用于非线性动态系统非高斯噪声下的状态估计方法 | |
CN112697215B (zh) | 一种用于超声波水表数据滤波的卡尔曼滤波参数调试方法 | |
CN114235072B (zh) | 一种基于过零检测的科氏流量计相位差计算方法 | |
CN113048979A (zh) | 一种组合导航滤波方法 | |
CN116595897A (zh) | 一种基于消息传递的非线性动态系统状态估计方法和装置 | |
CN111444474A (zh) | 一种基于乘性噪声相关自适应ckf的目标跟踪方法 | |
CN114139109A (zh) | 一种目标跟踪方法、系统、设备、介质及数据处理终端 | |
CN109582915B (zh) | 应用于纯方位跟踪的改进非线性可观测度自适应滤波方法 | |
CN113111505A (zh) | 基于非线性Hammerstein系统的变遗忘因子递推最小二乘方法及系统 | |
Abbas et al. | State-space realization of LPV input-output models: practical methods for the user | |
CN110912535A (zh) | 一种新型无先导卡尔曼滤波方法 | |
CN116667815A (zh) | 一种基于最大熵高斯和的非高斯乘性噪声系统的滤波方法 | |
CN115498980A (zh) | 一种基于M估计的递归最小p阶自适应滤波定位方法 | |
CN113850425B (zh) | 基于改进的广义极大似然估计的配电网状态估计方法 | |
van der Houwen et al. | Parallelism across the steps in iterated Runge-Kutta methods for stiff initial value problems | |
CN115883408B (zh) | 一种基于补偿的多速率复杂网络状态估计方法 | |
CN114744941B (zh) | 一种永磁同步电机永磁体退磁在线监测方法及系统 | |
Zhang et al. | Linear active disturbance rejection control for propeller-driving system based on model information compensation | |
CN115241970A (zh) | 基于改进两阶段鲁棒优化的电力系统状态估计方法 |
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 |