基于鲁棒点群滤波的惯性/重力匹配组合方法

摘要

本发明属于惯性导航技术领域，涉及惯性/重力组合方法，公开了一种基于鲁棒点群滤波的惯性/重力匹配组合方法。本发明通过对安装在载体上的惯导系统以及重力测量系统的输出结果进行处理，得到匹配后的位置等导航信息，主要包括以下步骤：首先建立两级滤波模型；其次对重力测量系统的结果以及惯导指示位置的重力图读图结果进行提取；再次，将上一步得到的结果代入一级滤波模型进行处理；最后，将上一步得到的结果代入二级滤波模型进行计算，实现惯导信息的修正和滤波更新。本发明可以在载体机动的条件下实时得到匹配结果，具有计算效率高、精度高、导航信息提供全面、鲁棒性强等优点。

说明书

技术领域：

本发明属于惯性导航技术领域，涉及惯性/重力组合方法，特别涉及一种基于鲁棒点群滤波的惯性/重力匹配组合方法。

背景技术：

惯性导航系统具有高精度、全天候、完全自主的优点，被广泛用于航空、航天、舰船及地面车辆导航。为了无源地修正惯性导航系统的误差累积，可以充分利用地球重力场丰富的特征信息，在重力基准图预先已制作完备的区域，利用匹配技术，以重力场的空间变化特征作为参照，获取定位信息，从而无源地修正惯性导航系统的误差累积，这是一种提高导航精度的有效手段，同时保持系统的静默，保证载体的安全。匹配技术的核心就是匹配方法，匹配方法直接决定了在已有硬件的条件下匹配的最终效果，因此是研究的重点。常用的重力匹配方法由惯性/地形匹配方法发展而来，主要发展方向为批量数据相关匹配方法和滤波匹配方法。

批量数据相关匹配方法主要包括地形轮廓匹配方法(Terrain ContourMatching， TERCOM)方法、ICCP方法、相关求取极值的重力匹配方法以及基于Sandia的辅助方法。这些方法都有各有各的优劣：比如TERCOM方法可靠性高，对初始位置的精度要求低，ICCP方法同样对初始点的匹配精度没有很高的要求，且允许匹配过程中载体进行机动航行。但是这两种方法都需要存储一定的数据，尤其是TERCOM方法，这造成了匹配时间过长，无法进行实时匹配；相关极值方法通过重力匹配约束条件对匹配点进行了选择，剔除大量干扰。但是位置误差较大时迭代次数会增加，从而影响匹配性能；基于sandia的方法经过地形匹配和地磁匹配的验证，具有实时性，而且可以支持载体在特征明显的区域进行机动航行。但是该方法的前提是航行路线上的基准需要进行线性化处理，而且初始误差不能太大。

以上方法都是一维匹配方法，除此之外还有二维匹配方法，如相位相关匹配方法、基于互信息的匹配方法以及基于二维对齐度的匹配方法。这些方法稳定性都很强，且可靠性较强。但是计算复杂，匹配时间相对较长，且对载体航行的状态有一定要求，这就限制了其作为惯性重力匹配方法的发展。

一维方法中除了批量数据相关匹配方法外，还有滤波匹配方法。常用的方法有扩展卡尔曼滤波方法。其原理很直接，就是在惯导方程中加入了载体真实位置的重力异常值与惯导指示位置重力异常值差值作为新的观测量，带入方程中进行滤波估计。与批量数据相关匹配方法相比，滤波匹配方法匹配精度更高，匹配效果更好，除此之外还能给出除位置信息外的估计方差，从而为滤波器提供更加丰富的信息，改善估计效果。

由于扩展卡尔曼滤波器原理上是对非线性系统线性化，且对噪声假定为高斯分布的白噪声，但是实际应用中通过重力信息进行匹配得到的位置信息对背景图精度以及重力测量系统稳定性提出了很高的要求，因此容易出现误匹配，产生厚尾噪声，对匹配方法的抗噪能力带来了一定挑战。设计一种实时性好，可靠性强且鲁棒性好的匹配方法，对提升惯性/重力匹配组合系统的精度和可靠性，从而实现无源导航具有重要意义。

发明内容：

本发明针对目前常用的惯性/重力匹配组合方法存在实时性差，精度低，鲁棒性差，且难以提供除位置外的其他信息的问题，提出了一种基于鲁棒点群滤波的惯性/重力匹配组合方法。主要的技术方案如下：

基于鲁棒点群滤波的惯性/重力匹配组合方法，包括以下步骤：

步骤S1：考虑水面载体水平方向运动，建立惯性/重力匹配的两级滤波的模型，其中一级滤波关注位置信息，二级滤波输出完整信息，两级滤波模型按照如下方式建立：

一级滤波模型构建：

将k时刻系统的位置表示为x

二级滤波模型构建：

选取地理坐标系下的惯导系统误差方程作为二级滤波状态方程：

步骤S2：使载体在预存有重力图的区域内航行，得到重力测量系统的测量结果以及惯导测量结果；进行数据预处理，对惯性测量单元进行惯导解算，对重力测量系统进行数据提取和处理；如图2所示，一方面以惯导指示位置为参考，通过预存的重力图提取重力异常数据；另一方面通过重力测量系统得到实测重力异常数据；

步骤S3：将匹配数据和惯导数据代入一级点群滤波进行预处理；将惯导解算值作为状态量，重力测量的结果作为观测量，进行点群滤波的预测和更新，通过点群粒子进行匹配，得到载体的位置估计，具体步骤如下：

用Z

在点群滤波中用离散网格点对状态δx

分别得到点群滤波的状态预测与量测更新方程后，得到考虑厚尾噪声影响的载体位置的均值和方差如下：

步骤S4：将步骤S3中得到的位置估计

所述步骤S4包括以下步骤：

步骤S41：对于简化的模型

步骤S42：通过对

步骤S43：通过使得

步骤S44：通过扩展及矩阵求逆等原理进行转化，得到

其中：

其中B(p)

将惯导信息和一级滤波得到的均值和方差带入鲁棒卡尔曼滤波以得到载体的运动状态估计；根据载体的运动学模型对载体的位置、速度和姿态进行全方位估计。

与现有技术相比，本发明所具有的有益效果为：

在本发明提供了一种惯性/重力匹配信息融合方法，针对卫星拒止但有先验重力背景图的条件下，分别进行惯性/重力匹配得到位置估计以及二次融合滤波，更新了惯导位置并得到完整的导航信息。与传统方法相比，本方法计算精度和计算效率更高，且具有一定的抗噪声能力。

附图说明：

图1为本发明所述一级滤波原理图；

图2为本发明所述二级滤波原理图；

图3为本发明所述基于鲁棒点群滤波的惯性/重力匹配组合方法方案图；

图4为本发明所述基于鲁棒点群滤波的惯性/重力匹配组合方法流程图。

具体实施方式：

下面将通过实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

基于鲁棒点群滤波的惯性/重力匹配组合方法，包括以下步骤：

步骤S1：考虑水面载体水平方向运动，建立惯性/重力匹配的两级滤波的模型，其中一级滤波关注位置信息，二级滤波输出完整信息，两级滤波模型按照如下方式建立：

一级滤波模型构建：

将k时刻系统的位置表示为x

二级滤波模型构建：

选取地理坐标系下的惯导系统误差方程作为二级滤波状态方程：

步骤S2：使载体在预存有重力图的区域内航行，得到重力测量系统的测量结果以及惯导测量结果；进行数据预处理，对惯性测量单元进行惯导解算，对重力测量系统进行数据提取和处理；如图2所示，一方面以惯导指示位置为参考，通过预存的重力图提取重力异常数据；另一方面通过重力测量系统得到实测重力异常数据；

步骤S3：将匹配数据和惯导数据代入一级点群滤波进行预处理；将惯导解算值作为状态量，重力测量的结果作为观测量，进行点群滤波的预测和更新，通过点群粒子进行匹配，得到载体的位置估计，具体步骤如下：

用Z

在点群滤波中用离散网格点对状态δx

分别得到点群滤波的状态预测与量测更新方程后，得到考虑厚尾噪声影响的载体位置的均值和方差如下：

步骤S4：将步骤S3中得到的位置估计

所述步骤S4包括以下步骤：

步骤S41：对于简化的模型

步骤S42：通过对

步骤S43：通过使得

步骤S44：通过扩展及矩阵求逆等原理进行转化，得到

其中：

其中B(p)

将惯导信息和一级滤波得到的均值和方差带入鲁棒卡尔曼滤波以得到载体的运动状态估计；根据载体的运动学模型对载体的位置、速度和姿态进行全方位估计。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。