[发明专利]车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法

说明书

本发明公开车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法。该方法在当组合导航系统状态估计误差参数与量测噪声参数未知或时变时，在进行状态估计的同时，根据量测输出与状态信息实时地对量测噪声方差阵与状态噪声方差阵进行更新。利用指数渐消记忆加权平均方法，渐消陈旧量测噪声与系统噪声的影响，同时针对噪声方差阵可能失去正定性的问题，引入序贯滤波的方法对其矩阵中对角线上的每个元素的大小进行限制。本发明计算量小，鲁棒性好，相比传统卡尔曼滤波，能获得车辆更高精度的位置信息、速度信息与姿态信息。

技术领域

本发明属于智能交通车辆导航领域，具体涉及一种车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法。

背景技术

目前，GPS/INS组合导航已经获得了广泛的应用，尤其在军事领域，但组成INS(惯性导航系统)的惯导级惯性传感器普遍比较昂贵，限制了其在民间的应用。随着MEMS(微机电系统)技术的不断进步，低成本的组合导航系统逐步开始在民用领域开始应用。广泛应用于组合导航的卡尔曼滤波，只有在随机动态模型与结构参数与噪声参数准确已知的条件下，才能获得状态的最优估计。而在实际应用中，环境的变化与影响，会导致噪声参数是时变的，致使传统卡尔曼滤波器的精度降低，严重时还会引起滤波发散。

大量的研究表明，在低成本组合导航的实际使用当中，MINS中的传感器会受到周围环境的温度、电磁以及车辆振动的影响，GPS接收机会受到建筑物、云层以及电磁的干扰，导致系统噪声与量测噪声都发生变化。而低精度的MEMS传感器由于精度较低，误差较多，很难进行准确的误差建模。自适应滤波会在滤波过程中，利用实时的测量信息与状态估计，对量测噪声与系统噪声进行实时的更新与纠正，保证滤波的有效性，防止滤波发散。申请号201410129008.8，发明名称“机载惯性/卫星组合导航系统的自适应滤波方法与滤波器”公开了一种利用数据采样窗口，结合历史数据计算量测噪声与系统噪声的方法。但是可以看出，虽然此方法对两种噪声都进行了计算与更新，但此方法计算量偏大，需要存储一定的历史数据，并且没有保证系统噪声矩阵与量测噪声矩阵的正定性，有可能会出现矩阵失去正定性导致滤波发散的严重情况。

发明内容

本发明的目的在克服已有组合导航方案的不足，提出一种车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法。该方法不仅可以明显改善由于噪声统计信息不准确或发散导致传统卡尔曼滤波发散的情况，同时降低传统自适应滤波的计算量，保证噪声矩阵的正定性，有效提高组合导航的精度与鲁棒性。

本发明的目的至少通过如下技术方案之一实现。

车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法，包括以下步骤：

步骤一：建立组合导航系统的状态方程与量测方程

x_k＝Φ_k/k-1x_k-1+w_k-1

z_k＝H_kx_k+v_k

x_k为状态矩阵，z_k为测量矩阵，Φ_k/k-1为状态转移矩阵，H_k为量测转移矩阵；w_k-1为系统高斯白噪声，Q_k-1为系统噪声方差；v_k测量高斯白噪声，量测噪声方差为R_k；