1.一种基于秩滤波的农业机器人组合导航信息融合方法，其特征在于，包括如下步骤：步骤1，根据农业机器人所处环境，将土地平整度和卫星信号强度分级，设定土地平整度因子 和卫星信号强度因子ξ， 1≤ξ≤ξmax，ξ∈Z，Z为整数集， ξmax分别表示最大的土地不平整级别和最大的卫星信号衰落级别；

步骤2，由惯性导航系统INS和全球卫星导航系统GNSS所测量的数据，测量各级别土地平整度和卫星信号衰落情形所对应的量测噪声ν，将量测噪声ν及其协方差矩阵R作为可变参数建立组合导航系统模型集合M，设模型个数为r， 各模型之间跳变的Markov转移概率为πji，下标i，j分别表示第i个模型和第j个模型；

步骤3，由k-1时刻的模型概率 与先验的Markov转移概率πji进行交互，计算混合概率k≥1；

步骤4，对于第j个模型，j＝1,2,…，r，利用k-1时刻的状态估计 和协方差阵计算k时刻的状态初值 与协方差阵初值步骤5，在组合导航系统获得新的量测zk之后，利用状态初值 与协方差阵初值采用秩滤波算法进行滤波，得到k时刻的状态估计 和协方差阵步骤6，利用混合概率 残差估值 和残差协方差 计算当前时刻的匹配模型对应的残差估值 残差协方差 似然函数 和模型概率步骤7，利用各个模型滤波器k时刻的状态估计 协方差阵 和模型概率 计算导航参数的全局估计 及其估计误差的协方差阵Pk|k；

步骤8，返回步3，重复步骤3至步骤7，直至接收到停止导航控制指令。

2.根据权利要求1所述方法，其特征在于，步骤3中，通过如下公式计算混合概率

3.根据权利要求2所述方法，其特征在于，步骤4中，通过如下公式计算k时刻的状态初值 与协方差阵初值

4.根据权利要求3所述方法，其特征在于，步骤5包括如下步骤：步骤5-1，利用k-1时刻的状态估计 一维标准分布概率pβ对应的分位点 和第β层采样点的修正系数rβ，通过秩采样机制求取采样点集

其中，n为状态向量x的维数，ρ为采样点层数，α，β分别表示第α个采样点和第β层采样点，l取值为[1,n]中的整数， 表示矩阵 平方根的第l列；

步骤5-2，将采样点集 进行非线性传播，得到非线性变换后点集

其中，f(·)为状态方程非线性函数，ω为过程噪声向量；

步骤5-3，进一步预测k时刻的状态估计 和协方差阵

其中，为第α个采样点对应的协方差修正系数，取值为1，Q为过程噪声方差矩阵，τ为协方差权重系数，通过如下公式计算：

步骤5-4，通过秩采样机制求取采样点集

步骤5-5，将采样点集 引入观测方程并进行非线性传播，得到预测的量测点集

其中，h(·)为观测方程非线性函数，νj为模型j对应的量测噪声向量；

步骤5-6，通过预测的量测点集 计算量测估计

步骤5-7，通过如下公式计算新息协方差矩阵 和互协方差阵

其中Rj为模型j对应的量测噪声方差矩阵；

步骤5-8，由新息协方差矩阵 和互协方差阵 计算增益

k时刻组合导航系统的量测值zk到来之后，通过如下公式计算k时刻的状态估计 和协方差阵

5.根据权利要求4所述方法，其特征在于，步骤6中，通过如下方法计算当前时刻匹配模型对应的残差估值 残差协方差 似然函数 和模型概率

其中E[·]表示数学期望。

6.根据权利要求5所述方法，其特征在于，步骤7中，通过如下公式计算导航参数的全局估计 及其估计误差的协方差阵Pk|k：

7.根据权利要求6所述的方法，其特征在于，步骤5-1和步骤5-4中，采用中位秩计算第β层采样点对应的一维标准分布概率pβ，计算表达式为pβ＝(β－0.3)/(2ρ+1.4)。