[發(fā)明專利]一種全自動(dòng)重力測(cè)試儀高精度動(dòng)態(tài)數(shù)據(jù)處理方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811553674.9
• 申請(qǐng)日: 2018-12-19
• 公開（公告）號(hào): CN109471192B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 金瑩;陳家俊
• 申請(qǐng)（專利權(quán)）人: 湖南航天機(jī)電設(shè)備與特種材料研究所
• 主分類號(hào): G01V7/06
• 分類號(hào): G01V7/06
• 代理公司: 長(zhǎng)沙正奇專利事務(wù)所有限責(zé)任公司 43113
• 代理人: 郭立中;李美麗

本發(fā)明公開了一種全自動(dòng)重力測(cè)試儀高精度動(dòng)態(tài)數(shù)據(jù)處理方法，包括步驟：A.獲得重力測(cè)量?jī)x的輸出信號(hào)y(k)＝s(k)+v(k)；B.設(shè)根據(jù)時(shí)間序列分析方法建立的重力測(cè)試儀隨機(jī)誤差p階AR模型為將系統(tǒng)方程表示為：y(k)＝H(k)·x(k)+v(k)；C.建立狀態(tài)一步預(yù)測(cè)方程、一步預(yù)測(cè)均方誤差、誤差序列、估計(jì)量測(cè)噪聲、濾波增益、狀態(tài)估計(jì)、估計(jì)均方誤差。本發(fā)明在僅僅采用三軸加速度計(jì)的基礎(chǔ)上，能夠?qū)崟r(shí)、高精度地對(duì)重力測(cè)試儀的輸出數(shù)據(jù)進(jìn)行動(dòng)態(tài)濾波，在保證精度的同時(shí)，使得濾波后的數(shù)據(jù)更加逼近真實(shí)重力情況，適用于靜態(tài)、車載或海洋動(dòng)態(tài)條件。

技術(shù)領(lǐng)域

本發(fā)明屬于慣性技術(shù)領(lǐng)域，特別涉及一種全自動(dòng)重力測(cè)試儀高精度動(dòng)態(tài)數(shù)據(jù)處理方法。

背景技術(shù)

在航空重力測(cè)量中，通常需要采用卡爾曼濾波來對(duì)比力測(cè)量誤差進(jìn)行估計(jì)。針對(duì)航空重力測(cè)量只需要進(jìn)行事后處理的特點(diǎn),提出了兩種新方法來提高比力測(cè)量的精度：一是最優(yōu)卡爾曼濾波平滑算法,該算法的估計(jì)值是前向/反向卡爾曼濾波器的估計(jì)值的最優(yōu)組合。二是迭代算法,由于在濾波模型中通常不對(duì)重力異常進(jìn)行建模,而模型誤差的存在會(huì)降低濾波精度，迭代算法的基本思想是將重力異常估計(jì)值代入新的導(dǎo)航解算,以此降低重力異常對(duì)濾波估計(jì)精度的影響。仿真分析表明，現(xiàn)有方法雖然在一定程度上能有效提高比力測(cè)量的精度,但其濾波估計(jì)是有偏的,因此還需要采用網(wǎng)格平差等方法來消除系統(tǒng)誤差。

在海洋重力測(cè)量理論與方法中，通過時(shí)間序列分析方法建立隨機(jī)誤差模型逼近真實(shí)情況的實(shí)時(shí)卡爾曼濾波技術(shù)，但其具有以下缺點(diǎn)：1、需要穩(wěn)定平臺(tái)。2、需要陀螺提供姿態(tài)信息。3、海洋波動(dòng)有一定規(guī)律可以設(shè)定模型，但是車載怠速等情況更為復(fù)雜，僅靠模型逼近并不準(zhǔn)確。4、沒有關(guān)聯(lián)平滑及濾波后剩余的動(dòng)態(tài)干擾加速度，模型缺失了部分真實(shí)有效信息。

發(fā)明內(nèi)容

本發(fā)明的目的在于，針對(duì)上述現(xiàn)有技術(shù)的不足，提供一種全自動(dòng)重力測(cè)試儀高精度動(dòng)態(tài)數(shù)據(jù)處理方法，在僅僅采用三軸加速度計(jì)的基礎(chǔ)上，能夠?qū)崟r(shí)、高精度地對(duì)重力測(cè)試儀的輸出數(shù)據(jù)進(jìn)行動(dòng)態(tài)濾波，在保證精度的同時(shí)，使得濾波后的數(shù)據(jù)更加逼近真實(shí)重力情況，適用于靜態(tài)、車載或海洋動(dòng)態(tài)條件。

為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是：

一種全自動(dòng)重力測(cè)試儀高精度動(dòng)態(tài)數(shù)據(jù)處理方法，其特點(diǎn)是包括以下步驟：

步驟A.獲得重力測(cè)量?jī)x的輸出信號(hào)y(k)＝s(k)+v(k)，其中，s(k)為重力異常特征信號(hào)，k為采樣時(shí)刻且k＝1,2,…,N，v(k)為k時(shí)刻測(cè)量噪聲；N為采樣點(diǎn)的數(shù)目；

步驟B.設(shè)根據(jù)時(shí)間序列分析方法建立的重力測(cè)試儀隨機(jī)誤差p階AR模型為

其中，{e(k)}為干擾噪聲序列，v(k)⊥e(k)；

將系統(tǒng)方程表示為：

y(k)＝H(k)·x(k)+v(k)，

其中，x(k+1)為k+1時(shí)刻系統(tǒng)待估計(jì)的狀態(tài)變量；y(k)為k時(shí)刻重力測(cè)試儀的觀測(cè)值；為k時(shí)刻到k+1時(shí)刻系統(tǒng)狀態(tài)一步轉(zhuǎn)移矩陣；w(k)為k時(shí)刻系統(tǒng)噪聲向量；Γ(k+1,k)為系統(tǒng)噪聲矩陣；H(k)為k時(shí)刻系統(tǒng)量測(cè)轉(zhuǎn)移矩陣；

步驟C.建立狀態(tài)一步預(yù)測(cè)方程：

一步預(yù)測(cè)均方誤差：

誤差序列：v(k)＝y(tǒng)(k)-H(k)·x(k/k-1)，

估計(jì)量測(cè)噪聲：

R(k)＝R(k-1)+(v(k)·v^T(k)-H(k)·P(k/k-1)·H^T(k))，