[发明专利]一种导航信息动态粗精控制去野值算法

说明书

技术领域

本发明属于导航领域，具体涉及一种导航信息动态粗精控制去野值算法。

背景技术

工程实践表明，即使是高精度的测量设备，由于多种偶然因素的综合影响或作用，量测数据集合中往往包含1～2％甚至 10～20％的数据严重偏离目标真值，工程数据处理领域称这部分异常数据为野值。

导航信息中的野值不仅会造成定位信息的错误，更大的影响体现在定位信息的应用层面上，可以不夸张的讲“差之毫厘，谬之千里”。由于野值会对导航系统产生很大的影响，因此定位信息在实际应用前，必须消除掉野值干扰的影响。

导航信息不同于其它信号，对野值处理的要求：

(1)由于工作载体的运动状态变化较剧烈，所以对剔除后数据的填充有比较高的要求；

(2)数据的动态处理要求高，既要算法简单，又要有好的效果；

(3)野值的识别与其它工作要求一致，尽量快的发现野值，减少误识的机率。

常用野值数据识别方法及局限性：

(1)3σ准则法；直接对量测值采用3σ准则进行判断，这种方法需要知道量测值的真值或相对真值和量测值方差σ。然而对于组合导航系统来说，量测值的真值就是导航参数的真实值，是无法获得的。

(2)外推拟合法；该方法先是选择某一小段不存在野值的数据作为合理基点，利用最小二乘或时间多项式外推等方法估计出下一时刻的量测值，将量测估计值与实测值进行比较，超出门限即为野值。但该方法依赖于基点的个数，基点选取的多，估计值较准确，计算量大；基点选取少，估计模型可能与实际模型不符，出现误判。而且该方法适用于处理较平稳的数据，当状态变化较大时，只能采用大的阈值，则可能会拉偏合理数据。

(3)新息判别法；对于采用卡尔曼滤波进行数据融合的导航系统，采用新息进行野值的判别。

新息ε_k＝Z_k-H_kX_k/k-1，若为无野值，否则为野值，式中r为系数，表示一步预测的方差，R_k表示量测值的方差阵。该方法简单、漏检和误判率低，是目前通常采用的一种方法，但当R_k也需要预测时，判别成了先验信息的判断，与实际信息存在比较大的差异。

基于新息方差的野值判别：

在平稳的情况下，新息的方差将是正态表现，野值的变化造成新息的方差将出现跳变，而且即使在载体运动较剧烈的情况下，新息的变化也是一个逐步的、缓慢变化的过程，若出现野值，新息的方差也将出现足迹跳变。正是基于此，论文考虑利用新息方差来进行野值的去除。

根据理论分析，新息方差的变化类似于控制系统的阶跃响应，即开始时，由于数据量太小的缘故，致使新息方差呈逐渐上升的趋势，但随着数据量的增加，这个值趋于稳定，这一点上与概率理论中的大数定律是一致的，这里分成两种情况进行讨论。

(1)静态的情况；数据基本稳定在某一固定值，新息的变化是随机的，也是较平稳的，野值的出现，将迫使新息方差跃变，而后由于数据量的原因而趋于平衡，所以在数据量一定的情况下，利用新息方差进行野值的判断是可行的。

(2)动态的情况；数据处于一种逐步变化的情况，但若变化是一致的，这与静态时的处理也是一致的。若变化是一种较强的变化，首先，新息的产生就存在一定的问题，一般我们都采用模型进行下一步的预测，可是这种方法往往不能很好的处理较大的机动状态，原因在于模型的建立是一种系统的观点，而机动状态却是一种局部表现，不可能将这两方面都处理好，只能在某种平衡的状态寻求最优。

从导航载体来看，任何的载体在机动工作时，不可能进行非常大的变化，应该是一个变化的过程，反映到新息方差上也是逐步变化，所以设计利用新息方差的增量作为判断野值的尺度。

我们采用进行判断，γ是置信的程度，可以根据实际需要进行选择和调节，是i个新息的方差的平方，即若数据是不受野值干扰的，其变化即使存在变化，但也应该是在一定限度以内、或缓变的；若受到野值的干扰，即出现了剧变数据，选择γ作为一种对变化的容忍程度，来进行相应的数据处理，是符合实际情况的。

常用的野值数据剔除方法：

(1)零元素填充法；当按照某种方法判断出信息中的野值后，将与其相关的部分参数用零值替换，这样就可以完全消除此野值对其后的工作产生的影响。这种方法一般都根据实际需要进行与其它方法的组合，因为有时填充零值的行为与产生野值的效果是一样的。

(2)平均元素法；发现野值后，采用利用前面的信息的平均来进行野值的替换：