[发明专利]基于残差补偿多速率CKF的惯性/天文组合导航方法

说明书

本发明提供了一种基于残差补偿多速率CKF的惯性/天文组合导航方法，首先建立组合导航系统的状态和量测方程，记录系统状态量；利用基于SRN的图像去模糊方法对“拖尾”星图进行解模糊处理；将去模糊之后的姿态信息作为基于残差补偿的容积卡尔曼滤波的观测量的一部分，和记录的系统状态量共同输入到滤波器中进行滤波估计；通过残差补偿校正星敏感器的输出延迟，实现数据同步；在基于残差补偿的多速率容积卡尔曼滤波器中引入长短时记忆神经网络估计器作为滤波器子模块，实现惯性传感器和星敏感器的同频输出；并基于完成补偿的数据和模型，实现惯性/天文组合导航姿态的最优估计。本发明可有效提高导航定位的自主性，进而提高导航精度。

技术领域

本发明涉及惯性导航技术和深度学习领域，涉及一种基于残差补偿多速率CKF的惯性/天文组合导航方法。

背景技术

星敏感器作为天文导航系统(CelestialNavigation System，CNS)中主要使用的传感器，具有体积小、测量精度高，且测量误差不随时间积累的优点，但瞬时输出频率低，且输出具有一定延迟。惯性导航系统(InertialNavigation System,INS)具有全天自主、短时精度高等特点。但其长航时条件下，测量误差会随时间发散，导航精度大大下降，无法满足用户对系统定位精度的要求。INS/CNS组合导航系统能克服二者单独工作的缺点，提高导航系统的精度和可靠性，为载体提供实时的姿态、速度和位置信息。

然而，在高速弹载的飞行过程中，星敏感器和惯导组合的方式仍具有以下几个问题：1)由于飞行器的摇摆和星敏感器的相对运动，使得拍摄星图具有“拖尾”现象，造成质心提取困难，影响姿态解算精度。2)由于星敏感器输出姿态结果需要经过光学成像、质心提取、坐标转换等运算过程，因此具有一定的输出延迟，造成组合天文导航和惯导输出数据不同步。3)INS/CNS组合导航系统多采用卡尔曼滤波，且通常以星敏感器的输出周期作为滤波器更新周期，但对于组合导航系统内部而言，惯性导航系统的输出频率比星敏感器高出很多，所以会导致滤波系统更新周期较长，最终姿态估计精度下降。因此，在弹载飞行环境下，提高INS/CNS组合导航系统性能具有重要的意义。

发明内容

本发明面向高速弹载飞行器导航定位技术需求，为解决星敏感器输出信号迟滞和输出频率低的问题，提高INS/CNS组合导航中姿态测量精度，提出了一种基于残差补偿多速率容积卡尔曼滤波(Cubature kalman filter,CKF)的惯性/天文组合导航方法，可用于高动态环境下高速弹载飞行器组合导航等场合，有效提高导航定位的自主性，进而提高导航精度。本发明方法将传统导航方法和深度学习机制结合，引入两类深度学习网络分别用于星图去模糊的姿态解算和提高星敏感器的输出频率。本发明设计的方案可用于高速弹载飞行器或弹道发射等高精度复杂环境下的长航时导航定位。

为了达到上述目的，本发明提供如下技术方案：

基于残差补偿多速率CKF滤波惯性/天文组合导航方法，包括如下步骤：

(1)初始化INS/CNS组合导航系统，建立组合导航系统的状态和量测方程，实时记录星敏感器的星图、姿态信息和惯性传感器的解算输出；

(2)利用基于多尺度回归网络(Scale-Recurrent Network,SRN)图像去模糊方法对“拖尾”星图进行解模糊处理；在SRN中，从基于序列的模糊图像中获取一系列不同尺度先验特征作为网络的输入，并且将相应的参考图像块作为训练的标签；并且将相应的参考图像块作为训练的标签对模糊图像尺度分解，构造不同尺度下的编码和解码器网络，实现对模糊星图的去模糊操作；

(3)将步骤(2)去模糊之后的姿态信息作为基于残差补偿的容积卡尔曼滤波的观测量的一部分，步骤(1)中INS位置、速度、姿态以及加速度计和陀螺仪的常值漂移作为系统状态量，共同输入到滤波器中进行滤波估计；通过残差补偿校正星敏感器的输出延迟，实现数据同步；