欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202210796815X
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法,其特征在于,

采用第一子滤波器观测GPS导航输出的速度、位置与SINS导航输出的速度、位置的差值,根据主滤波器分配的当前时刻全局状态估计值、全局预测协方差矩阵进行下一时刻的状态估计;

采用第二子滤波器观测AOA定位的位置与SINS导航输出的位置的差值,根据主滤波器分配的当前时刻全局状态估计值、全局预测协方差矩阵进行下一时刻的状态估计;

采用主滤波器对经卡方故障检测与处理后的第一子滤波器输出的状态估计值、预测协方差矩阵以及第二子滤波器输出的状态估计值、预测协方差矩阵进行融合,并将故障子滤波器的一阶状态预测值与当前时刻的全局状态估计值、全局预测协方差矩阵融合后分配给两个子滤波器,Pe=akP1,k|k-1+(1-ak)Pg,其中,Xe、Pe为当前时刻的全局状态估计值全局预测协方差矩阵Pg融入故障子滤波器一阶状态预测值后的修正值,P1,k|k-1为故障子滤波器的一步预测误差方差阵,为故障子滤波器的一阶状态预测值,ak为第k步预测卡尔曼滤波增益矩阵的自适应系数,λk为卡方故障检测值,Td为卡方故障检测阈值。

2.根据权利要求1所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法,其特征在于,所述主滤波器对经卡方故障检测与处理后的第一子滤波器输出的状态估计值、预测协方差矩阵进行融合的表达式为:其中,Qg为过程噪声协方差矩阵,Pi、Qi分别为第i个子滤波器的预测协方差矩阵和过程噪声协方差矩阵,为第i个子滤波器的状态估计值,N=2。

3.根据权利要求2所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法,其特征在于,所述将故障子滤波器的一阶状态预测值与当前时刻的全局状态估计值、全局预测协方差矩阵分配给两个子滤波器的表达式为:其中,βi为第i个子滤波器的信息分配系数。

4.根据权利要求1至3中任意一项所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法,其特征在于,对子滤波器子输出的状态估计值、预测协方差矩阵进行卡方故障检测的方法为结合卡方检测判定结果以及对新息序列进行滑窗平均的结果判断故障与否:当卡方检测判定结果为有故障且对新息序列进行滑窗平均的结果为有故障时,判断子滤波器故障;

当卡方检测判定结果为无故障且对新息序列进行滑窗平均的结果有故障时,判断子滤波器无故障;

当卡方检测判定结果为有故障且对新息序列进行滑窗平均的结果为无故障时,判断子滤波器无故障;

当卡方检测判定结果为无故障且对新息序列进行滑窗平均的结果为无故障时,判断子滤波器无故障。

5.根据权利要求4所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法,其特征在于,主滤波器预测当前时刻全局状态估计值的卡尔曼滤波增益矩阵根据卡方故障检测判定结果进行更新,其中,Kk为第k步预测的卡尔曼增益矩阵,Pk|k-1为根据当上一时刻协方差阵的最优估计结果预测的当前测量时刻协方差阵,Hk为第k步预测的量测矩阵,Rk为第k步预测的测量噪声矩阵的协方差矩阵。

6.根据权利要求4所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法,其特征在于,所述卡方检测判定结果为有故障的判据为λk>Td,卡方检测判定结果为无故障的判据为λk<Td;所述对新息序列进行滑窗平均的结果为有故障的判据为AOCk大于Cmax或者AOCk小于Cmin,对新息序列进行滑窗平均的结果为无故障的判据为AOCk小于Cmax且大于Cmin,Cmax、Cmin为滑窗平均值的上下限,AOCk表示6维理论残差协方差矩阵Ak与估计残差协方差cr之间的关系,Tr(Cr)表示对估计残差协方差cr进行求迹运算,Tr(Ak(1:3,1:3))表示对6维理论残差协方差矩阵Ak中的速度协方差对角阵进行求迹运算。