CN116045970A - 一种基于外部条件约束的多平台信息协同导航增强方法 - Google Patents
一种基于外部条件约束的多平台信息协同导航增强方法 Download PDFInfo
- Publication number
- CN116045970A CN116045970A CN202310203746.1A CN202310203746A CN116045970A CN 116045970 A CN116045970 A CN 116045970A CN 202310203746 A CN202310203746 A CN 202310203746A CN 116045970 A CN116045970 A CN 116045970A
- Authority
- CN
- China
- Prior art keywords
- navigation
- navigation unit
- platform
- constraint
- platform information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000007 visual effect Effects 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 239000005436 troposphere Substances 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000005562 fading Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 239000000243 solution Substances 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 230000007774 longterm Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 108010074506 Transfer Factor Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000011218 segmentation 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
- G01C21/005—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
- G01C21/10—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
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于外部条件约束的多平台信息协同导航增强方法，包括以下步骤：将海面上长期观测得到的气象状况等，作为外部环境参数，输入到自适应导航单元选择模块中；自适应导航单元模块包括惯性、视觉、卫星、辅助导航单元，接收到外部环境参数后，对导航单元进行校正，并输出采用外部约束校正后的组合导航单元参数；基于外部环境约束参数和内部组合导航参数建立混合评估模型，利用混合评估模型计算各导航单元的自适应权重；采用增量式因子图架构，根据多平台组合导航因子的权重，在线选择最佳因子参与融合；利用卡尔曼滤波，通过多平台信息协同对惯性导航进行增强，实现基于外部条件约束的多平台信息协同导航增强。
Description
技术领域
本发明涉及组合导航领域，更具体地说，涉及一种基于外部条件约束的多平台信息协同导航增强方法。
背景技术
多源融合导航已成为学术界和工业界关注的焦点和研究热点，用于保证导航定位的高精度、强鲁棒和可靠性，具有广泛的应用前景。系统综合利用惯性导航系统(InertialNavigation System,INS)和全球卫星导航系统(Global Navigation Satellite System,GNSS)接收机、里程计、相机等辅助传感器，实现多源异构导航信息融合和实时精准定位。目前一般通过加权融合方法、联邦卡尔曼滤波方法、交互式多模型融合等算法对多传感器信息进行融合。
海面无人机通常采用多源融合导航来提高导航精准度。但海上无人机导航受诸多外部复杂环境因素影响。由于海洋地理与气象环境复杂，在陆地先进的无线通信技术不能完全满足海上无线通信系统要求，综合考虑海上无线通信环境影响因素，通过建模海上无线通信信道衰落特征模型，对于海上无线通信系统研究具有重要意义。
由于海面外界环境因素较多，晴雨条件、海风风强、海浪摆动等对多源组合导航中的各种导航方法存在不同程度的影响，使得到达接收端的多径信道随着海况发生变化，导致导航情况难以估计。需要建立一种基于海面复杂环境因素的多平台信息协同导航系统模型。
发明内容
现有的无人机导航方案大多只考虑正常环境下的导航校正，而对海上复杂环境的干扰考虑不足，导致导航结果出现较大误差。针对上述技术问题，本发明提出了一种基于外部条件约束的多平台信息协同导航增强方法，其基于无人机和舰船平台。本发明的方案采用环境约束修正与组合导航修正相结合的方法来进行导航增强，构建以惯导系统为核心的惯性/视觉/卫星/气象组合导航模型。其中，组合导航初始内部参数是使用无人机平台和舰船平台共同得到的，复杂环境条件约束是由无人机平台和舰船平台测量得到的。相比起现有方案，本发明的方案对海面复杂环境和多种导航平台进行建模，可以提高复杂环境下的导航精确程度。
为达到上述目的，本发明采用如下技术方案：
一种基于外部条件约束的多平台信息协同导航增强方法，包括如下步骤：
步骤1、以海上舰船平台为地面监控部分，所述地面监控部分由主控站、监测站、注入站以及通信和辅助系统组成，无人机携带惯性导航单元、视觉导航单元、卫星导航单元、辅助导航单元，具体步骤如下：
步骤（1-1）海上舰船平台以恒定速度航行，通过监测站进行晴雨状况、对流层参数、海风状况、洋流状况的数据采样，获得海面环境数据；
步骤（1-2）无人机对环境参数进行补充监测，获得海面环境数据，将海面环境数据发送至主控站；
步骤（1-3）无人机将其惯性、视觉、卫星、气象导航单元的内部参数测量值发送至舰主控站；
步骤2、基于步骤（1-1）与步骤（1-2）构建的海面环境数据，构建外部条件约束综合参数模型；
步骤3、基于步骤（1-1）中的海上舰船平台的视觉导航单元、卫星导航单元、气象导航单元，步骤（1-3）中的无人机的惯性、视觉、卫星、气象导航单元，步骤2构建的外部条件约束综合参数模型，组合各导航单元形成组合导航系统，构建组合导航系统的外部约束校准模型；
步骤4、根据基于因子图的多平台信息协同导航增强方法，基于线性时变系统的可观测度分析，采用增量因子图架构，计算组合导航系统的各导航单元子滤波器的权重因子；基于组合导航系统中视觉、卫星、气象导航单元的权重因子，在线选择最佳因子进行融合，自动调节各导航单元的信息权重，从而实现基于外部条件约束的多平台信息协同导航增强方法；
步骤5、构建以惯导传感器为核心的组合导航模型，基于卡尔曼滤波，确定多平台信息协同导航增强系统的状态方程和量测方程；根据卡尔曼滤波算法的时间更新方程、状态更新方程，随着外界环境的变化，在线调整估计误差协方差矩阵以及卡尔曼滤波增益。
进一步地，所述步骤2的外部条件约束综合参数模型包括：基于晴、雾、降雨、降雪的不同气象环境，构建海上气象环境参数模型；基于对流层电离参数，构建基于水平梯度模型的对流层环境参数模型；基于海上舰船平台和无人机平台风力变换，构建海面无人机风场参数模型；基于海浪运动导致反射路径阴影衰落波动效应，构建洋流状况环境参数模型。
进一步地，所述步骤3的计算步骤如下：
引入海上气象环境、对流层环境、海面无人机风场、洋流状态环境参数模型对视觉、卫星、气象导航单元的影响，构建视觉、卫星、气象导航校正模型，并构建外部条件对视觉、卫星、气象导航单元的综合约束参数校准矩阵。
进一步地，所述步骤4的具体步骤为：
步骤（4.1） 基于线性时变系统的可观测度分析，计算各导航单元子滤波器状态变量可观测度；
步骤（4.2） 基于步骤（4.1）计算得出的每个导航单元子滤波器状态变量的可观测度，根据信息守恒原则并通过归一化处理，计算出每个子滤波器中的各状态变量的信息分配权重；
步骤（4.3）基于最大后验概率计算多平台信息协同导航增强变量的最优系统状态估计；
步骤（4.4）采用增量平滑的因子图融合算法，对于第一次检测，定义先验因子，构建可信度先验因子结点；
步骤（4.5）考虑可信度权值对接入的多源组合导航因子的影响，定义传感器与惯性导航单元组合时的因子结点；
步骤（4.6）利用两相邻时刻变量结点之间的约束，定义k及k+1时刻间的二元状态转移因子；
步骤（4.7）假设为高斯噪声模型，代价函数定义为平方马氏距离；基于步骤（4.4）中可信度先验因子结点，基于步骤（4.5）中传感器与惯性导航单元组合时的因子结点，基于步骤（4.6）中k及k+1时刻间的二元状态转移因子结点，计算多平台信息协同导航增强变量的最优估计；
通过高斯牛顿法求解非线性最小二乘问题，经过QR分解使用增量平滑，将最优解更新迭代直到收敛。
进一步地，采用海上舰船平台中的晴雨参数测量装置，对流层参数观测装置，风场参数测量装置，洋流参数测量装置的测量数据用于协同增强多平台组合导航，提高组合导航精度结果。
进一步地，所述步骤1中的视觉导航单元使用基于可见光双目相机的视觉导航方法。
本发明与现有技术相比所具有的有益效果：
本发明提出了一套基于无人机和舰船平台的的基于外部条件约束的多平台信息协同导航增强方法。本发明的方案采用环境约束修正与组合导航修正相结合的方法来进行导航增强，构建以惯导系统为核心的惯性/视觉/卫星/气象组合导航模型。其中，组合导航初始内部参数是由无人机平台和舰船平台提供得到的，复杂环境条件约束是由舰船平台测量得到的。相比起现有方案，本发明的方案对海面复杂环境和多种导航平台进行建模，可以提高复杂环境下的导航精确程度。
附图说明
图1为基于外部条件约束的多平台信息协同导航增强方法的阶段流程图。
图2为构建基于外部条件约束的多平台信息协同导航增强方法的算法框架示意图。
图3为海上无人机和舰船平台发射接收信号示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明提出一种基于外部条件约束的多平台信息协同导航增强方法，其基于无人机和舰船平台，如图1所示，包括如下阶段：通过无人机和舰船平台的传感器接收外界环境参数；构建外部环境约束综合参数模型；计算组合导航各单元分配权重；自适应选择导航单元；实现多平台信息协同导航增强。
本发明引入海面多维复杂环境对导航单元的影响，构建外部条件约束综合参数模型；基于外部条件约束综合参数模型和系统内部参数构建每个组合导航系统的外部约束校准模型；利用混合评估模型计算各导航单元的分配权重；采用增量式因子图架构，根据多源组合导航因子的权重，在线选择最佳因子参与融合；利用卡尔曼滤波，通过多源因子融合得到的结果对惯性导航进行增强。
如图2和图3所示，本发明的基于外部条件约束的多平台信息协同导航增强方法，具体包括如下步骤：
第一步：以海上舰船平台为地面监控部分，由主控站、监测站、注入站以及通信和辅助系统组成，无人机携带惯性导航单元、视觉导航单元、卫星导航单元、辅助导航单元，具体步骤如下：
1.1 海上舰船平台以恒定速度航行，通过监测站进行气象状况、对流层参数、海风状况、洋流状况的数据采样；
1.2 无人机对气象状况、对流层参数、海风状况、洋流状况进行补充监测，将数据发送至舰船平台主控站；
1.3 无人机将惯性、视觉、卫星、气象导航系统内部参数测量值
,
,
, 
发送至舰船平台主控站；
第二步：基于步骤1.1与1.2构建的海面复杂环境数据集，构建外部条件约束综合参数模型
，具体步骤如下：
2.1 由于晴、雾、降雨、降雪气象环境下的通信信道路径损耗因子具有不同的衰落特征，构建海上气象环境参数模型
如下：
其中，
为海上气象环境损耗模型，d为直射路径长度，
为不同海上气象环境的衰落系数函数，i为天气类型标识，i=0，1，2，3，4，分别代表当前天气为晴、雾、雨、雪和雨雪雾混合气象环境；
其中，
为晴天衰落系数，
为日照循环周期，
是相位平移值，U为雾密度，
为雾衰落系数，
为降雨强度，
为降雨衰落系数，
为抖动幅度，
为降雪强度，
为降雪衰落系数；
2.2 构建考虑水平梯度模型的对流层环境参数模型
如下：
其中，
为卫星高度角，
为对流层天顶干延迟，由Divas模型计算；
为对流层天顶湿延迟，
与
分别为干湿延迟投影函数，由GMF投影函数计算，
为梯度投影函数，由
推导，
为方位角，
和
分别为水平梯度北方向和东方向的分量；
对流层天顶干延迟
的计算模型为
，式中，
为地面大气压，
为测站纬度，
为测站高程；
2.3 建立海面无人机风场的参数模型
如下：
其中，
为无人机距精致海面的高度；
为参准高度；
为平均时距；
为参准时距；
为高度
处、时距
内平均风速；
为参准高度
、参准时间
内平均风速；
为风场校准变换矩阵；
2.4 由于海浪运动导致反射路径阴影衰落波动效应，构建洋流状况的环境参数模型
如下：
其中，
为海浪高度均方根，
为海浪阴影衰落指数，
为衰落周期，
为镜面反射路径损耗系数；
第三步：基于步骤1.1中的海上舰船平台视觉、卫星、气象导航系统内部参数测量值
,
, 
，无人机平台测量组合导航系统内部参数，步骤2构建的外部环境约束综合参数模型
，构建每个组合导航系统的外部约束校准模型：
其中，
,
,
为基于外部约束的视觉/卫星/气象导航模型，
为外部条件约束参数校准矩阵，具体计算步骤如下：
3.1 引入晴、雾、雨、雪和雨雪雾混合气象环境对视觉导航单元的影响，针对无人机相机单元，构建无人机相机标定校正模型
；
3.2 引入晴雾雨雪状况、对流层参数、海风状况、洋流状况对卫星导航单元的影响，针对卫星导航系统，构建卫星导航校正模型
；
3.3 引入晴雾雨雪状况、海风状况、洋流状况对气象辅助导航单元的影响，针对气象辅助导航系统，构建气象导航校正模型
；
3.4 引入气象晴雨状况、对流层参数、海风状况、洋流状况混合海上环境参数的混和影响因子，构建外部环境综合对视觉/卫星/气象导航系统的综合影响模型；
第四步：根据基于因子图的多平台信息协同导航增强方法，基于线性时变系统的可观测度分析，采用增量因子图架构，计算各组合导航系统子滤波器的权重因子：
其中，
,
,
分别为组合导航中视觉导航、卫星导航、气象导航的权重因子；
为自适应信息分配因子，
；
基于组合导航系统中视觉/卫星/气象导航单元的权重因子，在线选择最佳因子进行融合，自动调节各组合导航单元的信息权重，从而实现基于外部条件约束的多平台信息协同导航增强方法，具体步骤为：
4.1 基于线性时变系统的可观测度分析，计算各组合导航子滤波器状态变量可观测度：
其中，
为系统第i个状态变量在k时刻的可观测度，
为系统的第i个状态变量，
为系统的第i个状态变量的观测值，
为方差计算函数；
基于步骤4.1计算得出的每个组合导航子滤波器状态变量的可观测度，根据信息守恒原则并通过归一化处理，计算出第
个子滤波器中的第i个状态变量的信息分配权重：
4.2 采用分段处理策略，设置信息分配权重的阈值，动态调整多源融合过程中随机接入的多源组合导航因子的可信度自调节函数
；
其中，
为可信度权值；
4.3 最优系统状态估计
基于最大后验概率准则得到：
其中，
为后验概率，
为全局函数因式分解后的局部函数，
为多平台信息协同导航增强变量的最优估计，argmax(f(x))为使得 f(x)取得最大值所对应的变量点x(或x的集合)，
为正比于局部函数
的逐项累乘；
4.4 采用增量平滑的因子图融合算法，对于第一次检测，定义先验因子
；构建可信度先验因子结点
：
其中，可信度权值
，
为可信度初始值，
为可信度权值服从的高斯分布协方差矩阵，
为可信度权值及其初始值的误差函数，
为x的2-范数；
4.5 考虑可信度权值
对接入的多源组合导航因子的影响。定义
为传感器Sm与惯性导航单元组合时的因子结点：
其中，
为多平台信息协同导航增强变量因子和测量信息的误差函数；观测变量
满足零均值的高斯分布，表示为
；
4.6 利用两相邻时刻变量结点之间的约束，定义k及k+1时刻间的二元状态转移因子：
其中，
为两相邻时刻变量
和
的偏移，
为偏移协方差，
为两相邻时刻变量
和
的偏移，
为两时刻偏移的误差函数；
4.7 对于可信度先验因子结点/传感器Sm与惯导组合时的因子结点/k及k+1时刻间的二元状态转移因子结点，假设为高斯噪声模型，则代价函数定义为：
其中，
为平方马氏距离，
表示协方差矩阵；
基于4.4中可信度先验因子结点
，基于4.5中传感器Sm与惯导组合时的因子结点
，基于4.6中k及k+1时刻间的二元状态转移因子结点
，多平台信息协同导航增强变量的最优估计为：
通过高斯牛顿法求解非线性最小二乘问题，经过QR分解使用增量平滑，将最优解更新迭代直到收敛。
第五步：构建以惯导传感器为核心的组合导航模型，确定多平台信息协同导航增强系统的状态方程和量测方程；
5.1 多平台信息协同导航增强系统的状态方程为：
其中，状态变量
，
、
、
、
、
分别为位置、速度、姿态、陀螺仪漂移和加速度计零偏的误差；
为系统过程噪声；
为过程噪声分布矩阵；
为k时刻至k+1时刻的系统状态转移矩阵，下标k表示k时刻；
5.2 多平台信息协同导航增强系统的量测方程为；
其中，
为测量矢量，
为量测矩阵，
为测量噪声矢量，
；
5.3 卡尔曼滤波算法的时间更新方程、状态更新方程如下：
其中，
是系统过程噪声方差矩阵；
是系统观测噪声矩阵；
为误差估计的先验协方差矩阵；
为误差估计的后验协方差矩阵；
是
的最优估计，
是卡尔曼滤波增益；
随着外界环境的变化，在线调整估计误差协方差矩阵
以及卡尔曼滤波增益
。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (6)
1.一种基于外部条件约束的多平台信息协同导航增强方法，其特征在于，包括如下步骤：
步骤1、以海上舰船平台为地面监控部分，所述地面监控部分由主控站、监测站、注入站以及通信和辅助系统组成，无人机携带惯性导航单元、视觉导航单元、卫星导航单元、辅助导航单元，具体步骤如下：
步骤（1-1）海上舰船平台以恒定速度航行，通过监测站进行晴雨状况、对流层参数、海风状况、洋流状况的数据采样，获得海面环境数据；
步骤（1-2）无人机对环境参数进行补充监测，获得海面环境数据，将海面环境数据发送至主控站；
步骤（1-3）无人机将其惯性、视觉、卫星、气象导航单元的内部参数测量值发送至舰主控站；
步骤2、基于步骤（1-1）与步骤（1-2）构建的海面环境数据，构建外部条件约束综合参数模型；
步骤3、基于步骤（1-1）中的海上舰船平台的视觉导航单元、卫星导航单元、气象导航单元，步骤（1-3）中的无人机的惯性、视觉、卫星、气象导航单元，步骤2构建的外部条件约束综合参数模型，组合各导航单元形成组合导航系统，构建组合导航系统的外部约束校准模型；
步骤4、根据基于因子图的多平台信息协同导航增强方法，基于线性时变系统的可观测度分析，采用增量因子图架构，计算组合导航系统的各导航单元子滤波器的权重因子；基于组合导航系统中视觉、卫星、气象导航单元的权重因子，在线选择最佳因子进行融合，自动调节各导航单元的信息权重，从而实现基于外部条件约束的多平台信息协同导航增强方法；
步骤5、构建以惯导传感器为核心的组合导航模型，基于卡尔曼滤波，确定多平台信息协同导航增强系统的状态方程和量测方程；根据卡尔曼滤波算法的时间更新方程、状态更新方程，随着外界环境的变化，在线调整估计误差协方差矩阵以及卡尔曼滤波增益。
2.根据权利要求1所述的一种基于外部条件约束的多平台信息协同导航增强方法，其特征在于，所述步骤2的外部条件约束综合参数模型包括：基于晴、雾、降雨、降雪的不同气象环境，构建海上气象环境参数模型；基于对流层电离参数，构建基于水平梯度模型的对流层环境参数模型；基于海上舰船平台和无人机平台风力变换，构建海面无人机风场参数模型；基于海浪运动导致反射路径阴影衰落波动效应，构建洋流状况环境参数模型。
3.根据权利要求2所述的一种基于外部条件约束的多平台信息协同导航增强方法，其特征在于，所述步骤3的计算步骤如下：
引入海上气象环境、对流层环境、海面无人机风场、洋流状态环境参数模型对视觉、卫星、气象导航单元的影响，构建视觉、卫星、气象导航校正模型，并构建外部条件对视觉、卫星、气象导航单元的综合约束参数校准矩阵。
4.根据权利要求3所述的一种基于外部条件约束的多平台信息协同导航增强方法，其特征在于，所述步骤4的具体步骤为：
步骤（4.1） 基于线性时变系统的可观测度分析，计算各导航单元子滤波器状态变量可观测度；
步骤（4.2） 基于步骤（4.1）计算得出的每个导航单元子滤波器状态变量的可观测度，根据信息守恒原则并通过归一化处理，计算出每个子滤波器中的各状态变量的信息分配权重；
步骤（4.3）基于最大后验概率计算多平台信息协同导航增强变量的最优系统状态估计；
步骤（4.4）采用增量平滑的因子图融合算法，对于第一次检测，定义先验因子，构建可信度先验因子结点；
步骤（4.5）考虑可信度权值对接入的多源组合导航因子的影响，定义传感器与惯性导航单元组合时的因子结点；
步骤（4.6）利用两相邻时刻变量结点之间的约束，定义k及k+1时刻间的二元状态转移因子；
步骤（4.7）假设为高斯噪声模型，代价函数定义为平方马氏距离；基于步骤（4.4）中可信度先验因子结点，基于步骤（4.5）中传感器与惯性导航单元组合时的因子结点，基于步骤（4.6）中k及k+1时刻间的二元状态转移因子结点，计算多平台信息协同导航增强变量的最优估计；
通过高斯牛顿法求解非线性最小二乘问题，经过QR分解使用增量平滑，将最优解更新迭代直到收敛。
5.根据权利要求1所述的一种基于外部条件约束的多平台信息协同导航增强方法，其特征在于，采用海上舰船平台中的晴雨参数测量装置，对流层参数观测装置，风场参数测量装置，洋流参数测量装置的测量数据用于协同增强多平台组合导航，提高组合导航精度结果。
6.根据权利要求5所述的一种基于外部条件约束的多平台信息协同导航增强方法，其特征在于，所述步骤1中的视觉导航单元使用基于可见光双目相机的视觉导航方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203746.1A CN116045970B (zh) | 2023-03-06 | 2023-03-06 | 一种基于外部条件约束的多平台信息协同导航增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203746.1A CN116045970B (zh) | 2023-03-06 | 2023-03-06 | 一种基于外部条件约束的多平台信息协同导航增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116045970A true CN116045970A (zh) | 2023-05-02 |
| CN116045970B CN116045970B (zh) | 2023-06-16 |
Family
ID=86133276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310203746.1A Active CN116045970B (zh) | 2023-03-06 | 2023-03-06 | 一种基于外部条件约束的多平台信息协同导航增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116045970B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117346794A (zh) * | 2023-12-05 | 2024-01-05 | 山东省科学院海洋仪器仪表研究所 | 一种用于浒苔跟踪的无人船组合导航系统及导航方法 |
| CN117387443A (zh) * | 2023-12-13 | 2024-01-12 | 贵州航天凯山石油仪器有限公司 | 一种基于惯性测量模块的导弹分离姿态测试装置及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106197408A (zh) * | 2016-06-23 | 2016-12-07 | 南京航空航天大学 | 一种基于因子图的多源导航信息融合方法 |
| CN111780755A (zh) * | 2020-06-30 | 2020-10-16 | 南京理工大学 | 一种基于因子图和可观测度分析的多源融合导航方法 |
| US10809388B1 (en) * | 2019-05-01 | 2020-10-20 | Swift Navigation, Inc. | Systems and methods for high-integrity satellite positioning |
| US20210156692A1 (en) * | 2019-11-27 | 2021-05-27 | Earth Weather, Inc. | Route navigation system for ships, and a program thereof |
| CN112987066A (zh) * | 2021-05-10 | 2021-06-18 | 上海迈利船舶科技有限公司 | 基于多系统多源定位数据融合的海上目标定位方法 |
| CN113984061A (zh) * | 2021-10-25 | 2022-01-28 | 哈尔滨工程大学 | 一种基于因子图优化的uuv多海域综合导航系统设计方法 |
-
2023
- 2023-03-06 CN CN202310203746.1A patent/CN116045970B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106197408A (zh) * | 2016-06-23 | 2016-12-07 | 南京航空航天大学 | 一种基于因子图的多源导航信息融合方法 |
| US10809388B1 (en) * | 2019-05-01 | 2020-10-20 | Swift Navigation, Inc. | Systems and methods for high-integrity satellite positioning |
| US20210156692A1 (en) * | 2019-11-27 | 2021-05-27 | Earth Weather, Inc. | Route navigation system for ships, and a program thereof |
| CN111780755A (zh) * | 2020-06-30 | 2020-10-16 | 南京理工大学 | 一种基于因子图和可观测度分析的多源融合导航方法 |
| CN112987066A (zh) * | 2021-05-10 | 2021-06-18 | 上海迈利船舶科技有限公司 | 基于多系统多源定位数据融合的海上目标定位方法 |
| CN113984061A (zh) * | 2021-10-25 | 2022-01-28 | 哈尔滨工程大学 | 一种基于因子图优化的uuv多海域综合导航系统设计方法 |
Non-Patent Citations (4)
| Title |
|---|
| LU LI ET AL.: ""A Comprehensive Experiment to Enhance Multidisciplinary Engineering Ability via UAVs Visual Navigation"", 《2020 IEEE FRONTIERS IN EDUCATION CONFERENCE (FIE)》, pages 1 - 5 * |
| YONGQIANG HAN ET,AL.: ""A Multi - platform Cooperative Localization Method Based on Dead Reckoning and Particle Filtering"", 《PROCEEDINGS OF THE 38TH CHINESE CONTROL CONFERENCE》, pages 4037 - 4041 * |
| 方文轩等: ""卫星/ 惯性/ 视觉组合导航多源融合技术现状及发展"", 《无线电工程》, vol. 52, no. 10, pages 1813 - 1820 * |
| 李津等: ""基于调零天线的无人机抗导航干扰方法"", 《现代电子技术》, vol. 46, no. 5, pages 25 - 28 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117346794A (zh) * | 2023-12-05 | 2024-01-05 | 山东省科学院海洋仪器仪表研究所 | 一种用于浒苔跟踪的无人船组合导航系统及导航方法 |
| CN117346794B (zh) * | 2023-12-05 | 2024-02-23 | 山东省科学院海洋仪器仪表研究所 | 一种用于浒苔跟踪的无人船组合导航系统及导航方法 |
| CN117387443A (zh) * | 2023-12-13 | 2024-01-12 | 贵州航天凯山石油仪器有限公司 | 一种基于惯性测量模块的导弹分离姿态测试装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116045970B (zh) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116045970B (zh) | 一种基于外部条件约束的多平台信息协同导航增强方法 | |
| CN111780755A (zh) | 一种基于因子图和可观测度分析的多源融合导航方法 | |
| CN112697138B (zh) | 一种基于因子图优化的仿生偏振同步定位与构图的方法 | |
| CN107289932B (zh) | 基于mems传感器和vlc定位融合的单卡尔曼滤波导航装置和方法 | |
| CN113031031B (zh) | 一种城市峡谷内基于gnss信号精确分类的加权定位方法 | |
| CN114019552A (zh) | 一种基于贝叶斯多传感器误差约束的定位置信度优化方法 | |
| CN113686299B (zh) | 一种海上动态目标定位与移速预测方法 | |
| CN115616643B (zh) | 一种城市区域建模辅助的定位方法 | |
| CN113253233A (zh) | 基于全天空流星雷达信号的分析处理方法、系统 | |
| CN116519913A (zh) | 基于星载和地基平台融合的gnss-r数据土壤水分监测方法 | |
| CN111366151A (zh) | 一种极地范围船舶导航的信息融合方法 | |
| CN113534194A (zh) | 联合gnss与测风激光雷达的对流层温湿廓线反演方法 | |
| CN113359167A (zh) | 一种通过惯性测量参数将gps与激光雷达融合定位的方法 | |
| CN104463841A (zh) | 衰减系数自适应的滤波方法及滤波系统 | |
| CN115014321B (zh) | 一种基于自适应鲁棒滤波的仿生偏振多源融合定向方法 | |
| CN114459474B (zh) | 一种基于因子图的惯性/偏振/雷达/光流紧组合导航的方法 | |
| CN115855272A (zh) | 一种生成近实时逐小时全天候地表温度的方法 | |
| CN113721188A (zh) | 拒止环境下的多无人机自身定位与目标定位方法 | |
| CN115235475B (zh) | 一种基于mcc的ekf-slam后端导航路径优化方法 | |
| Wu et al. | The ionospheric exploration based on TJU# 01 meteorological microsatellite mission: Initial results | |
| CN117592381B (zh) | 一种大气波导参数反演模型训练方法、装置、设备及介质 | |
| CN117433564B (zh) | 一种基于太阳敏感器辅助的偏振传感器误差在线标定方法 | |
| KR102696484B1 (ko) | 해상풍속 라디오미터의 개선된 교정 계수를 통한 해상풍속 산출 및 정확도 평가 시스템 및 그 방법 | |
| CN117348011B (zh) | 一种快速校正sar径向流速反演海表流场的方法 | |
| CN118427286B (zh) | 基于跨介质航行器的地理信息处理方法及相关产品 |
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 |