[发明专利]一种基于快速ISS集员滤波的MIMU/GPS组合导航方法

说明书

本发明公开了一种基于快速ISS集员滤波的MIMU/GPS组合导航方法，以输入状态稳定的集员滤波算法为基础，通过寻求次优定界椭球解决方案，对参数的优化目标进行松弛，避免非线性方程的求解，降低算法复杂度，同时保证较高的估计精度，并进一步的证明了快速算法的输入状态稳定性。将快速算法用于MIMU/GPS组合导航试验，结果表明，本发明提出的导航方法有效的提高了系统的导航精度，同时保证了使用的实时性。

技术领域

本发明属于导航技术领域，具体涉及一种基于快速ISS集员滤波的MIMU/GPS组合导航方法。

背景技术

惯性导航系统具有隐蔽性、自主性、宽频性以及信息全面等优势，在军用和民用领域均得到了广泛的应用。其缺点为导航误差随时间累积，特别是对于微型惯性测量单元(Miniature Inertial Measurement Unit，MIMU)这种精度相对较低的惯性系统而言，有必要通过组合导航的方式对导航误差进行校正。其中，应用最多的为MIMU/GPS组合导航。

组合导航需要高性能的导航滤波技术的支撑。目前，导航滤波通常采用概率化滤波方法来解决。这类方法解决了很多应用中的问题，但是，这些概率化方法对噪声的分布都有严格的要求，并要求其统计特性已知，导致这类方法存在一定的缺陷。为解决该问题，近年来，另一类滤波方法，集员估计方法正逐渐受到重视。该类方法只要求噪声未知但有界(Unknown But Bounded,UBB)，由于在实际系统中噪声的边界信息较之概率化假设来说更容易获取，可克服概率化滤波方法在应用中存在的局限性；此外，可以将不确定性包含于集合中进行运算，然后得到状态可行集以及边界的确定性描述。这使得该方法比传统估计方法更具鲁棒性，而且可以非常方便地与需要状态边界信息的控制方法(如鲁棒控制和最优控制等)进行结合，从而可用于后继的航迹规划和制导控制任务之中，以保证载体的高稳定性和高可靠性。

根据集合形状的不同，集员滤波算法可以分为椭球算法、基于区间分析的集员估计算法以及全对称多胞形、超平形体等算法。其中，由于椭球算法具有计算过程相对简单，可递推实现，对数据的处理比较灵活，较强的自适应性，估计结果可以被显式表达并且其边界光滑可导等优点，使其成为一种比较重要的集员滤波算法。椭球集员滤波算法最早由Schweppe提出，他给出了时间更新和量测更新过程中状态可行集的外包椭球族。而后，该类算法得到了迅速的发展，并被应用于并将其应用于室内移动机器人多传感器融合定位、多机器人观测信息融合、移动目标主动持续定位，车辆绝对定位等方面。

但是目前对椭球集员滤波算法本身的稳定性的研究不多，而稳定性对于算法在系统中的应用至关重要。Becis-Aubry提出了一种输入状态稳定(Input-State-Stable,ISS)集员估计算法，虽然该算法在估计精度、稳定性、选择性更新等方面具有优势，但由于在参数优化过程需要求解复杂的非线性方程，因此该算法的计算量较大，在组合导航这种实时性要求高的场合中应用受限。

发明内容

针对上述存在的问题，本发明提供一种基于快速ISS集员滤波的MIMU/GPS组合导航方法，通过寻求次优定界椭球解决方案，降低算法复杂度，同时保证算法的稳定性和较高的估计精度，并将其用于MIMU/GPS组合导航。

为了实现上述目的，本发明目所采用的技术解决方案为：

一种基于快速ISS集员滤波的MIMU/GPS组合导航方法，其特征在于，包括以下步骤：

步骤1：获取GPS卫星系统的位置、速度数据以及MIMU采集的陀螺仪和加速度数据，并利用MIMU采集的数据解算位置、速度、姿态信息；

步骤2：建立MIMU/GPS组合导航系统的离散化状态方程和量测方程：