[發(fā)明專(zhuān)利]用于WSN/INS高精度實(shí)時(shí)組合導(dǎo)航的H無(wú)窮信息融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110359094.8
• 申請(qǐng)日: 2011-11-14
• 公開(kāi)（公告）號(hào): CN102494685A
• 公開(kāi)（公告）日: 2012-06-13
• 發(fā)明（設(shè)計(jì)）人: 陳熙源;李慶華;徐元
• 申請(qǐng)（專(zhuān)利權(quán)）人: 東南大學(xué)
• 主分類(lèi)號(hào): G01C21/20
• 分類(lèi)號(hào): G01C21/20
• 代理公司: 南京經(jīng)緯專(zhuān)利商標(biāo)代理有限公司 32200
• 代理人: 許方

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于WSN/INS高精度實(shí)時(shí)組合導(dǎo)航的H∞信息融合方法，屬于多傳感器數(shù)據(jù)融合領(lǐng)域。

背景技術(shù)

對(duì)未知節(jié)點(diǎn)精確位置信息的需求推動(dòng)了精確定位技術(shù)的發(fā)展，這種趨勢(shì)在未來(lái)很長(zhǎng)一段時(shí)間里仍將保持不變。近年來(lái)，無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(Wireless?Sensors?Network，WSN)以其低成本、低功耗和低系統(tǒng)復(fù)雜度的特點(diǎn)在短距離定位領(lǐng)域表現(xiàn)出很大的潛力。WSN為在無(wú)GPS信號(hào)地區(qū)，即所謂的“盲區(qū)”時(shí)，如室內(nèi)、高層建筑密集的市區(qū)、礦井、隧道等環(huán)境下未知節(jié)點(diǎn)定位提供了可能，但由于WSN采用的通信技術(shù)通常為短距離無(wú)線(xiàn)通信技術(shù)(如ZigBee、WIFI等)，因此若想完成長(zhǎng)距離的目標(biāo)跟蹤定位，需要大量的網(wǎng)絡(luò)節(jié)點(diǎn)共同完成，這給WSN的實(shí)際網(wǎng)絡(luò)拓?fù)鋵?shí)現(xiàn)帶來(lái)了一定困難，同時(shí)也與WSN低成本、低功耗的特點(diǎn)不相符

微慣性導(dǎo)航系統(tǒng)(MEMS?inertial?navigation?system，MINS)具有全自主、運(yùn)動(dòng)信息全面、短時(shí)、高精度的優(yōu)點(diǎn)，雖然可以實(shí)現(xiàn)自主導(dǎo)航，但誤差隨時(shí)間積累，長(zhǎng)航時(shí)運(yùn)行條件下將導(dǎo)致導(dǎo)航精度嚴(yán)重下降。為了克服在無(wú)GPS導(dǎo)航信號(hào)的密閉環(huán)境下單獨(dú)使用MINS長(zhǎng)航時(shí)運(yùn)行時(shí)導(dǎo)航精度嚴(yán)重下降的問(wèn)題，本發(fā)明提出將WSN和INS進(jìn)行組合的高精度實(shí)時(shí)組合導(dǎo)航系統(tǒng)。利用基于WSN的無(wú)線(xiàn)定位技術(shù)測(cè)量未知節(jié)點(diǎn)的相對(duì)導(dǎo)航信息，將相對(duì)導(dǎo)航信息與MINS上得到的絕對(duì)導(dǎo)航信息通過(guò)濾波器進(jìn)行數(shù)據(jù)融合，得到理想的導(dǎo)航信息，充分利用了未知節(jié)點(diǎn)的環(huán)境信息，實(shí)現(xiàn)了相對(duì)導(dǎo)航信息與絕對(duì)導(dǎo)航信息的融合，得到一種比上述任何單一導(dǎo)航方法精度更高的導(dǎo)航信息。

在處理組合導(dǎo)航數(shù)據(jù)融合的問(wèn)題時(shí)，最常用的方法是使用濾波器。最著名的方法是卡爾曼濾波器(Kalman?Filte，KF)，然而由于KF是面向線(xiàn)性系統(tǒng)設(shè)計(jì)的，因此僅對(duì)線(xiàn)性定常系統(tǒng)有很好的濾波效果。為了能夠?qū)崿F(xiàn)非線(xiàn)性系統(tǒng)的濾波問(wèn)題，許多學(xué)者通過(guò)雅克比矩陣將非線(xiàn)性的系統(tǒng)轉(zhuǎn)化為線(xiàn)性系統(tǒng)進(jìn)行濾波，從而產(chǎn)生了擴(kuò)展卡爾曼濾波器(Extended?Kalman?Filter，EKF)。EKF對(duì)非線(xiàn)性系統(tǒng)有很好的濾波效果，是目前實(shí)際生產(chǎn)中應(yīng)用較為廣泛的一種濾波方法。但是由于KF、EKF在濾波過(guò)程中假設(shè)系統(tǒng)的狀態(tài)噪聲和觀測(cè)噪聲均為標(biāo)準(zhǔn)白噪聲，所以并不完全符合實(shí)際應(yīng)用中的情況。另外由于設(shè)備的硬件問(wèn)題，導(dǎo)致每一時(shí)刻數(shù)據(jù)的采集周期有小幅不確定的情形，數(shù)據(jù)獲取并不能按理想情況進(jìn)行，而現(xiàn)有的KF、EKF并沒(méi)有考慮這種情況。

發(fā)明內(nèi)容

為了解決上述問(wèn)題，本發(fā)明提供了一種用于WSN/INS高精度實(shí)時(shí)組合導(dǎo)航的H∞信息融合方法，將INS(慣性導(dǎo)航系統(tǒng))、WSN(無(wú)線(xiàn)傳感器網(wǎng)絡(luò))采集到的未知節(jié)點(diǎn)的信息進(jìn)行集成，在相對(duì)坐標(biāo)系中采用H∞濾波方法。該方法以每個(gè)時(shí)刻未知節(jié)點(diǎn)的在兩個(gè)方向上的位置誤差和速度誤差作為狀態(tài)向量，以每一時(shí)刻根據(jù)兩種系統(tǒng)采集得到的數(shù)據(jù)計(jì)算出的位置誤差和速度誤差作為觀測(cè)向量輸出，由狀態(tài)向量和觀測(cè)向量輸出重新構(gòu)建一個(gè)漸近穩(wěn)定的系統(tǒng)，即H∞濾波器。通過(guò)H∞濾波器來(lái)預(yù)估每一時(shí)刻最優(yōu)的狀態(tài)向量。這種方法克服傳統(tǒng)濾波方法(如KF、EKF)對(duì)系統(tǒng)的噪聲有特定要求的問(wèn)題，更適合實(shí)際應(yīng)用中的多傳感器數(shù)據(jù)融合。與此同時(shí)，在構(gòu)建H∞濾波器的系統(tǒng)方程中加入了對(duì)數(shù)據(jù)采集周期的不確定度描述，更加逼近實(shí)際中采用周期由于硬件原因?qū)е旅恳粫r(shí)刻的采集周期有小幅不確定的情形。這種濾波器得到的狀態(tài)預(yù)估比傳統(tǒng)的濾波方法精度更高，濾波器的魯棒性更強(qiáng)。

本發(fā)明為解決其技術(shù)問(wèn)題采用如下技術(shù)方案：

1、在有WSN信號(hào)的培訓(xùn)區(qū)域內(nèi)，利用采用超聲波與ZigBee/WIFI等短距離通信技術(shù)相組合的無(wú)線(xiàn)定位技術(shù)測(cè)量的相對(duì)導(dǎo)航信息，與MINS上得到的絕對(duì)導(dǎo)航信息通過(guò)擴(kuò)展卡爾曼濾波器/H∞濾波器進(jìn)行數(shù)據(jù)融合，得到的導(dǎo)航信息，比上述任何單一導(dǎo)航方法得到的信息精度更高。

2、MINS利用在培訓(xùn)區(qū)域訓(xùn)練的誤差模型對(duì)測(cè)量的絕對(duì)導(dǎo)航信息進(jìn)行誤差補(bǔ)償，得到最優(yōu)的導(dǎo)航信息，避免了因WSN導(dǎo)航無(wú)法工作導(dǎo)致導(dǎo)航誤差快速下降、無(wú)法保證導(dǎo)航精度的問(wèn)題。

3、數(shù)據(jù)融合采用的濾波器的系統(tǒng)(如式1所示)以每個(gè)時(shí)刻未知節(jié)點(diǎn)的在兩個(gè)方向上的位置誤差(e_x，e_y)和速度(e_vx，e_vy)誤差作為狀態(tài)向量。將同一時(shí)刻INS和WSN測(cè)量得到的位置和速度信息的差值作為系統(tǒng)的觀測(cè)量。