[發明專利]自適應擴展卡爾曼濾波噪聲模型建立方法

有效

• 申請號: 201810527432.6
• 申請日: 2018-05-29
• 公開（公告）號: CN108759846B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 劉昊;沈曄星;黃成
• 申請（專利權）人: 東南大學
• 主分類號: G01C21/26
• 分類號: G01C21/26;G06N3/04;G06N3/08
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 范晴;丁浩秋

本發明公開了一種自適應擴展卡爾曼濾波噪聲模型建立方法，包括：采集傳感器數據，記錄每次擴展卡爾曼濾波計算中觀測值與預測值之間的差值與濾波計算后姿態中航向角的變化值，并計算觀測值與預測值之間的差值與濾波計算后姿態中航向角的變化值之間的相關系數；根據觀測值與預測值之間的差值與濾波計算后姿態中航向角的變化值之間的相關系數建立觀測噪聲模型；將噪聲模型所需的參數作為神經網絡的輸入，將目標值作為神經網絡對應的輸出，進行神經網絡模型訓練，得到觀測噪聲模型的最優參數。提取外界環境影響與傳感器數據之間的關系，并通過神經網絡尋找最優模型參數，使外界環境對行走航跡推算的影響達到最小。

技術領域

本發明涉及自適應擴展卡爾曼濾波技術領域，具體地涉及一種行走航跡推算的自適應擴展卡爾曼濾波噪聲模型建立方法。

背景技術

行走航跡推算是導航系統的重要組成部分之一，在沒有衛星信號或者信號弱的區域，如室內、叢林等區域可借助慣性導航準確的定位行人相對位置。現有的行走航跡推算算法通常使用加速度計、陀螺儀與磁力計等傳感器進行姿態判定從而完成航跡推算，在姿態判定的過程中，擴展卡爾曼濾波算法是傳感器數據融合判定姿態的關鍵所在，主要過程是使用陀螺儀數據進行姿態預測，再使用加速度與磁力計數據以一固定的置信度對預測姿態進行一定的修正。因此姿態判定的準確性直接影響了航跡推算的精確度。現有用于傳感器姿態判定的擴展卡爾曼濾波算法通常使用固定的觀測噪聲，這一點在實際復雜多變的外界環境中是不合理的，給某個傳感器以固定的觀測噪聲在某些環境中可以完美使用，但是在傳感器數據受到外界較大影響的情況下，會極大地影響航跡推算精度。

發明內容

為了解決上述存在的技術問題，本發明的目的是提出一種自適應擴展卡爾曼濾波噪聲模型建立方法，提取外界環境影響與傳感器數據之間的關系，并通過神經網絡尋找最優模型參數，使外界環境對行走航跡推算的影響達到最小。

本發明的技術方案是：

一種自適應擴展卡爾曼濾波噪聲模型建立方法，包括以下步驟：

S01：采集傳感器數據，記錄每次擴展卡爾曼濾波計算中觀測值與預測值之間的差值與濾波計算后姿態中航向角的變化值，并計算觀測值與預測值之間的差值與濾波計算后姿態中航向角的變化值之間的相關系數；

S02：根據觀測值與預測值之間的差值與濾波計算后姿態中航向角的變化值之間的相關系數建立觀測噪聲模型；

S03：將噪聲模型所需的參數作為神經網絡的輸入，將目標值作為神經網絡對應的輸出，進行神經網絡模型訓練，得到觀測噪聲模型的最優參數。

優選的技術方案中，所述觀測噪聲模型為：

STDEV_mag＝k×e+b

其中e為觀測值與預測值之間的差值，k、b為參數。

優選的技術方案中，所述神經網絡模型包括2層，第一層為Log-Sigmoid層，包含了s¹個神經元，第二層為線性層。

優選的技術方案中，所述步驟S03中目標值為期望，公式為：

t＝k₁×STD_θ+k₂×e_θ

其中STD_θ為前進方向的標準差，e_θ為來回路徑的偏差夾角，k₁與k₂為軌跡方向一致性與方向準確性的權重。

與現有技術相比，本發明的優點是：

1、本發明通過傳感器數據之間的相關性動態的調整觀測數據置信度，減少外界環境導致的干擾數據對姿態判定的影響，從而提高行走航跡推算的準確性，達到最好的跟蹤定位效果。