[发明专利]一种基于分散式增广信息滤波的多艇协同导航方法

说明书

技术领域

本发明涉及一种基于分散式增广信息滤波的多艇协同导航方法，尤其涉及一种利用分布式递增Cholesky修正算法的分散式增广信息滤波协同导航算法。

背景技术

协同导航是指一种运动平台之间观测或者间接相对观测，通过一定的信息交换实现平台间导航资源共享，从而获得比各平台独立导航更优性能的导航方式。当前，这种导航技术已经被成功用于人工操作和自主的运载系统，逐步成为一个研究热点，可被应用到环境监测、行星探测、水下开发和寻找搜救任务等等。同样这种基于协同导航的技术可以被用于无人战机(UAV)和自主水下潜器(AUV)等等的定位。而多艇的协同导航系统，是利用观测信息结合无人艇动力学方程，利用最优估计方法估计无人艇的位置航向角等导航信息。也就是说多艇的协同导航系统可分为三部分，一是无人艇状态方程，二是量测量的选择，三是滤波(估计)方法的设计。

无人艇动力学方程包括基于直角坐标系的多艇状态方程和观测方程，根据协同导航的特点，选取单艇位置信息和艇间距离差为量测量，可将观测方程分为单艇量测方程和艇间量测方程。这些方程都是非线性，需要利用泰勒展开式，将非线性方程线性化。

基于多艇协同导航问题的线性状态空间模型，目前先进的最优估计方法是增广信息滤波方法，这种方法采用信息参数的形式进行状态添加和观测更新，滤波状态的信息矩阵是稀疏矩阵，滤波所涉及的计算复杂度较小，使状态添加和观测更新具有局部性，但是这种滤波方法在状态恢复是全局运算，涉及一个稠密矩阵的求逆计算，该矩阵维数等于全体艇状态向量的维数之和，计算十分复杂。

发明内容

本发明解决的技术问题是：鉴于增广信息滤波方法中状态恢复稠密矩阵的求逆计算过于复杂问题，提出了一种利用分布式递增Cholesky修正算法的分散式增广信息滤波协同导航算法，分析多艇协同导航的系统特征，建立了协同导航的状态空间模型，包括单个艇的状态方程和观测方程以及艇之间的观测方程。为了解决在滤波过程中的计算复杂性问题，本发明采用增广信息滤波求解协同导航问题，利用分布式递增Cholesky修正算法，在状态恢复中将信息矩阵进行分解，即Y＝LL^T，其中L为下三角矩阵，是稀疏矩阵。利用稀疏矩阵的特点，大大降低了计算量。

本发明的技术方案为：

一种基于分散式增广信息滤波的多艇协同导航方法，包括以下步骤：

步骤(1)建立基于直角坐标系的单艇运动学方程；

步骤(2)建立以单艇位置信息为量测量的单艇量测方程和以艇间距离为量测量的艇间量测方程；

步骤(3)根据步骤(1)和步骤(2)，建立多艇协同导航的状态空间模型，协同导航系统的状态向量由N条艇的局部状态向量组成，利用泰勒展开式，将方程线性化；

步骤(4)添加新时刻的状态向量，结合信息参数算法过程，得信息参数和信息矩阵；

步骤(5)用新的观测向量更新信息参数，得新的信息参数和信息矩阵；

步骤(6)从更新后的信息参数和信息矩阵中提取只与新时刻相关的信息量，利用求逆公式，通过分布式递增Cholesky修正算法简化计算，求得新时刻N条艇状态向量估计值其中表示第i(i＝1，2…N)条艇在新时刻的状态向量估计值，由第i条艇的经度纬度和航向角

所述的协同导航方法，所述步骤(4)中的信息矩阵Y_a定义为，

k-1时刻  k时刻  k+1时刻

其中，Y_m，n表示为m时刻的状态向量估计值和n时刻的状态向量估计值的协信息参数。

所述的协同导航算法，所述步骤(6)中利用分布式递增Cholesky修正方法，将信息参数转化为矩参数，完成对状态向量的恢复，状态恢复的具体步骤是：

利用分布式递增Cholesky修正算法，对信息矩阵Y_a进行矩阵分解，即

Y_a＝LL^T

其中，L称为信息矩阵Y_a的Cholesky因子；

通过求解Lf＝y_a

得f＝L^-1y_a，其中y_a为系统的信息参数，f称为Cholesky的前向向量；