[發明專利]一種多模型水下航行器組合導航濾波方法

有效

• 申請號: 201410030165.3
• 申請日: 2014-01-22
• 公開（公告）號: CN103776453A
• 公開（公告）日: 2014-05-07
• 發明（設計）人: 程向紅;王磊;冉昌艷;陳紅梅;周玲;朱倚嫻
• 申請（專利權）人: 東南大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 江蘇永衡昭輝律師事務所 32250
• 代理人: 王斌

技術領域

本發明涉及利用一種多模型水下航行器組合導航濾波方法，實現對水下航行器的自主導航，屬于多傳感器信息融合技術領域。該專利內容同樣適用于慣性組合導航、目標跟蹤與識別、圖像處理、模式識別等其他多傳感器信息融合及多源數據處理應用領域。

背景技術

水下航行器由于水下環境復雜、工作時間長，可靠性和定位精度要求高，單一的導航方法很難滿足要求，一般采用兩種或兩種以上非相似導航方法的組合，在以往的組合導航濾波器設計中，通常假設其中的各項參數保持不變，但由于存在洋流干擾、海水溫度和鹽度等環境變化以及載體機動等情況，系統的模型會隨時間發生變化。這導致使用傳統的Kalman、EKF濾波估計精度會下降甚至出現發散，難以實現系統高精度導航跟蹤定位功能。基于混合系統的多模型估計是一種強有力的自適應估計方法，尤其適用于結構或參數易發生變化的系統，它的主要思想是在對象和擾動的數學模型不完全確定或者模型變化而不確定的情況下，設計多個模型來逼近系統復雜的時變或非線性過程，從而使在建模條件下分析得到的系統性能保持或接近最優。多模型估計中，當前計算模式隨著模型的Markov鏈轉移，由先驗的Markov轉移概率和量測信息共同確定模型轉移概率，求得的模型轉移概率與估計結果在下一時刻的估計過程中進行輸入交互，進而對下一時刻的狀態估計產生影響。實際應用表明，當系統模式發生變化時，由于濾波系統的慣性使得多模型估計算法對于實際系統模式切換的辨識有一定的滯后，模型轉移概率通過先驗知識確定，并沒有利用當前時刻量測中的信息，由先驗信息選定的濾波參數是模式切換與模式未切換情況下的折中。本發明是針對上述情況，解決傳統多模型算法由于人為先驗知識不足造成的系統模式切換滯后以及估計精度降低等問題，提高水下航行器組合導航算法估計性能。

發明內容

本發明提出了一種多模型水下航行器組合導航濾波方法，該方法的主要思路是在多模型濾波框架下，有機的把貝葉斯網絡和多模型濾波算法結合起來，降低多模型算法中真實模式識別對算法中先驗知識的依賴性，解決多模型算法中模型轉換存在滯后、模型概率易發生跳變等問題，提高復雜環境下組合導航系統的濾波精度，增強水下航行器自主導航定位性能。

本發明提供了一種多模型水下航行器組合導航濾波方法，包括下列步驟：

(1)建立SINS/DVL/TAN/MCP組合導航系統的狀態方程、觀測方程及噪聲模型；

(2)根據步驟(1)獲取的系統方程和噪聲模型，建立由n個模型構成的模型集；

(3)根據步驟(2)所獲取的模型集，構建交互式多模型濾波結構，采用n個并行的模型Kalman濾波器進行濾波，獲取模型子濾波器的狀態估計、協方差陣以及殘差和殘差協方差陣；

(4)根據步驟(1)所述組合導航系統，選擇特征變量建立貝葉斯網絡，通過貝葉斯網絡參數對模型切換概率進行修正；

(5)根據步驟(3)得到模型子濾波狀態估計協方差陣P_i(k)和步驟(4)得到的模式切換概率μ_i(k)，進行概率加權融合得到系統狀態估計和協方差陣P(k)。

(6)返回步驟(3)，從第(3)步重復以上步驟。

(7)完成組合導航的數據處理與解算工作。

優選的，步驟(3)所述模型子濾波器的狀態估計、協方差陣以及殘差和殘差協方差陣獲取方法如下：

3.1)模型轉移概率預測：將k-1時刻的模型轉移概率μ_j(k-1)和Markov轉移概率π_ji進行交互，得到k時刻預測的模型轉移概率下標i，j分別表示第i，j個模型。

3.2)重新初始化：根據k-1時刻模型子濾波器的狀態估計k-1時刻模型子濾波器的協方差陣估計P_j(k-1)，預測的模型轉移概率計算模型子濾波器的狀態與協方差陣P_oi(k-1)。