[发明专利]基于无人机状态信息的广义因子图融合导航方法

权利要求书

1.基于无人机状态信息的广义因子图融合导航方法，其特征在于，所述导航方法包括以下内容

步骤一，根据无人机的任务需求、所处环境以及导航传感器设计导航系统，通过在线神经网络学习的方式基于物理导航传感器的状态与量测信息构建虚拟传感器，确定无人机机载导航传感器的工作性能，在相关物理传感器故障时引入系统补充导航状态量测量；

步骤二，获得机载各导航系统得到传感器量测信息，分成位置、速度和姿态三个因子图进行信息融合，将无人机组合状态变量定义为因子图的变量节点，机载各导航传感器测量值定义为因子节点，构建基于位置因子图、速度因子图、姿态因子图的多源导航信息融合算法；

步骤三，基于位置因子图与速度因子图滤波估计的位置、速度信息，引入到广义姿态因子图滤波器中，对姿态因子图滤波的结果进行修正。

2.根据权利要求1所述的基于无人机状态信息的广义因子图融合导航方法，其特征在于，所述步骤二包括以下具体流程：

步骤2a，定义无人机的导航系统状态变量为因子图的变量节点，定义惯性测量单元、虚拟传感器及其他各类机载传感器获取的载体量测信息为因子图的因子节点，构建基于因子图的多源导航信息融合系统；

步骤2b，在因子图多源导航信息融合框架下，选取多源导航信息融合的约束规则，建立惯性测量单元及其他各类机载导航传感器、虚拟传感器的因子节点表达式，通过分析因子图融合准则，通过各类传感器的因子节点表达式建立联合概率分布函数，并在联合概率分布取最大时取得状态变量的估计，经过实时滤波估计和修正，完成多源导航信息的有效融合；

所述导航系统状态变量X如下：

上式中，为平台误差角，δv_E,δv_N,δv_U为东北天方向的速度误差，δL,δλ,δh为纬度、经度、高度位置误差；

所述因子图的惯性导航变量因子节点如下：

上式中，f_b、ω_b分别为惯性测量单元得到的比力和角速度；

所述因子图中除惯导外的其他导航系统、虚拟导航系统因子节点统一定为公式如下：

上式中，代表其他辅助导航系统的量测值，h^Sensor是其他辅助导航系统的量测方程，n^Sensor是其他辅助导航系统的量测噪声；

无人机导航系统估计的状态量就是量测Z(t)发生条件下X(t)发生的最大概率，因此我们求取联合分布概率函数的最大后验概率估计值，即为最有可能出现的状态量：

其中h_i(X_i)为观测方程，z_i为真实量测量，∑_i为协方差矩阵；

对非线性观测方程h_i(X_i)进行一阶泰勒展开来实现线性化，得到状态更新向量：

其中H_i是观测雅克比矩阵，Δ^*为估计的状态更新向量，Δ_i为i时刻的状态更新向量；求取状态更新向量后计算得出基于因子图的无人机的速度、位置、姿态融合信息。