[發明專利]基于無跡卡爾曼濾波的GPS/INS組合導航方法

無效

• 申請號: 201310383044.2
• 申請日: 2013-08-29
• 公開（公告）號: CN103439731A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 劉崇華;楊波;張弓;舒衛平;姜竹青;黃承愷;王宇鵬;門愛東
• 申請（專利權）人: 北京空間飛行器總體設計部;北京郵電大學
• 主分類號: G01S19/49
• 分類號: G01S19/49;G01S19/52
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 王利文

技術領域

本發明屬于持續數據保護技術領域，尤其是一種基于無跡卡爾曼濾波的GPS/INS組合導航方法。

背景技術

GPS（GlobalPositioningSystem,全球定位系統）是基于衛星的導航系統，其能夠提供精確的位置與速度信息，因此在各類導航設備得到廣泛應用。INS（InertialNavigationSystem,慣性導航系統）是一個獨立系統，能夠高速地提供加速度和線性角速率，然而隨著時間推移它的精確度大幅降低，位置及速率信息的錯誤率升高。在實際應用中，需要對上述兩種數據進行融合，卡爾曼濾波（KalmanFilter,KF)是GPS/INS數據融合中最常用的算法。KF在時域遞歸適用于多變量隨機過程的估計，但是，由于KF基于最小均方誤差（MinimumMean?SquareError,MMSE)規則，是一種在線性系統性能最佳的濾波器，因此實踐時存在一些限制條件。非線性系統中，標準估計算法——擴展卡爾曼濾波（ExtendedKalmanFilter,EKF）可以對系統進行線性化，廣泛應用在非線性問題中。然而，EKF在線性化過程中由于近似計算產生很大誤差，并可能在估值過程中產生發散，因此需要尋求一種更好的濾波方法實現GPS/INS數據融合。

當GPS停機且只有INS可用時，必須要建立一個良好的訓練模型以預測位置信息。人工神經網絡（ArtificialNeuralNetwork,ANN）是由神經元組成的大規模并行分布式處理器，它可以把輸入值映射到輸出值來處理高度復雜的非線性隨機模型的問題。采用人工神經網絡方法，存在遺傳能力差、訓練時間長、精度低、穩定性差等問題。

發明內容

本發明的目的在于克服現有技術的不足，提供一種設計合理、精度高且穩定性強的基于無跡卡爾曼濾波的GPS/INS組合導航方法。

本發明解決其技術問題是采取以下技術方案實現的：

一種基于無跡卡爾曼濾波的GPS/INS組合導航方法，包括以下步驟：

步驟1、將INS數據和相應的GPS數據組合在一起，采用無跡卡爾曼濾波方法建立GPS/INS組合導航模型并得到GPS在線時的最優值；

步驟2、將INS數據作為訓練數據與GPS在線時的最優值作為訓練目標結合在一起建立SVM回歸模型，該SVM回歸模型用于預測GPS離線時的導航數據。

而且，所述GPS/INS組合導航模型選取組合導航的誤差為系統狀態，將姿態、速度、位置、陀螺儀和加速度的誤差組成狀態向量，該狀態向量為：

X=[φ_E,φ_N,φ_U,δV_E,δV_N,δV_U,δλ,δL,δh，??????(1)

ε_bx,ε_by,ε_bc,ε_rx,ε_ry,ε_rz,λ_x,λ_y,λ_z]

上式中的E、N、U分別代表ENU框架中的東、北和天；φ為平臺的誤差角；δV為速度誤差；δλ，δL和δh分別為經度、緯度和高度值；ε為陀螺儀漂移量；λ為加速度計零偏；

定義狀態空間方程如下：

X·=F(t)X(t)+G(t)W(t)---(2)]]>

Z(t)=H(t)X(t)+V(t)??????????(3)