[发明专利]一种人工物理优化粒子滤波的重力梯度辅助定位方法

说明书

(一)技术领域

本发明涉及的是一种测量方法，尤其涉及的是一种人工物理优化粒子滤波的重力梯度辅助定位方法。

(二)背景技术

由于具有完全自主、隐蔽性好、可连续提供位置、速度和姿态参数的特点，惯性导航系统一直是水下航行器的基本导航系统。但众所周知，由于惯性器件的固有原因，惯性导航系统的定位误差随时间积累，长期精度难于保证。现代战争对导航定位精度提出的更高要求，推动了各种惯性基组合导航方法的不断出现和发展，如地形辅助导航、地磁辅助导航等与惯性导航系统相结合，以克服纯惯性导航系统的不足，有效降低对惯性导航系统的要求。重力梯度辅助定位方法符合重力场测量技术的发展趋势，充分利用重力梯度辅助定位的潜在精度和无源特性为作战平台提供高精度定位参数，对提高载体隐蔽性和长期自主航行能力有重要意义。

由于粒子滤波适用于非线性系统的状态估计问题，因此被应用于目标跟踪、导航定位等非线性非高斯问题的最优状态估计。但基本粒子滤波算法本身存在的缺陷引发滤波结果出现发散现象，并且粒子退化现象在重力梯度辅助定位中体现得比较明显，不能保证系统的稳定性。粒子滤波缺乏生成新粒子的能力，当所剩粒子不能代表真实的后验概率密度时，粒子滤波算法将会失败。因此，对粒子加速退化的问题进行改进，才能促使粒子滤波在重力梯度辅助定位中得到较好的应用。

粒子退化的相关研究方案一直是该领域研究探讨的热门问题，典型的改进粒子滤波有辅助粒子滤波、无迹粒子滤波、正则粒子滤波等。近年来，有学者提出将群智能方法与粒子滤波相融合，由于群智能方法改进粒子滤波的核心在于改善重采样，优化粒子分布。因此这类方法的效果和可实现性取决于所用的优化算法本身。由于某些群智能算法通常存在搜索能力差、早收敛等问题，因此直接将其引入粒子滤波不但达不到预期效果，还可能导致算法变得更复杂。针对如上问题，本发明专利提出一种将人工物理优化方法引入粒子滤波来改善粒子退化和样本贫化问题的滤波算法，并将该算法应用于重力梯度辅助定位中。

(三)发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种人工物理优化粒子滤波的重力梯度辅助定位方法。

本发明的技术解决方案为：一种人工物理优化粒子滤波的重力梯度辅助定位方法，其特征在于粒子滤波完成一步预测后，人工物理优化粒子滤波算法将得到的候选粒子集视为人工物理解空间中的个体，通过优化生成新的建议分布，再对新的粒子集进行权值归一化和重采样。该算法中虚拟力决定了粒子移动轨迹，为使粒子向高似然区域聚集，规定所有粒子受到权值最大粒子的引力，使系统具有更好的稳定性，有利于系统位置误差逐渐趋于零。其具体步骤如下：

(1)通过GPS确定载体的初始位置参数，将它们装订至导航计算机中；

(2)捷联惯导系统进行预热准备，采集光纤陀螺仪和石英加速度计输出的数据并对数据进行处理；

(3)人工物理优化粒子滤波算法的实现；

1)初始化

从后验概率密度分布中采样，权重置为1/N。同时设置感知半径r_s，引力和斥力的阈值D_th，虚拟力系数K_a1、K_a2，迭代次数等参数，感知矩阵c、虚拟力矩阵F和当前迭代次数置零。

2)预测

从采样的重要性密度函数中采样新粒子集并计算粒子权值。

3)优化粒子分布

a)计算粒子s_i与s_j之间的欧氏距离d(s_i，s_j)，i，j＝1，2，...N