[发明专利]一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法

权利要求书

1.一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法，其特征在于：将高动态系统中的硬件传感器采样周期波动作为系统随机不确定度考虑，根据其波动范围和趋势建立滤波模型集，该滤波模型集包括一个以上UKF滤波器模型和模糊推理系统；所述UKF滤波器模型之间并行执行，通过贝叶斯定理计算每个UKF滤波器模型与当前高动态系统状态匹配的概率，实时更新每个UKF滤波模型与当前高动态系统的匹配概率，并将更新后的匹配概率作为模糊推理系统的输入，通过模糊推理系统得到UKF滤波器模型概率的自适应估计概率，最后基于该自适应估计概率融合多个UKF滤波器模型输出的状态估计得到高动态系统状态变量最终的均值及协方差估计；

所述UKF滤波器模型的建立方法如下：

步骤A，根据惯导系统的转移矩阵、系统状态变量、噪声驱动矩阵、系统噪声矢量以及白噪声建立系统状态方程；

所述步骤A中的系统状态方程为：

X·INSX·GPS=FINS00FGPSX+GINS00GGPSWINSWGPS]]>

其中，X为系统的状态向量，F_INS为惯导系统的转移矩阵，F_N为9维基本导航参数系统阵，F_S和F_M分别为F_M＝[0_6×15]，为姿态矩阵；为噪声驱动矩阵，W_INS＝[ω_ε ω_Δ 0_1×9]^T为惯导系统噪声矢量，ω_ε和ω_Δ分别为陀螺仪和加速度计的随机误差；W_GPS＝[ω_b ω_f]^T，ω_b、ω_f为时钟偏置和时钟漂移过程对应的白噪声，C为光速；

步骤B，根据可见卫星数目、频率误差、相位误差以及接收机位置和速度建立UKF滤波器模型的系统量测方程；

所述步骤B中的UKF滤波器模型的系统量测方程建立方法如下，记Z(k)＝{η_I+dI,η_Q+dQ}_j为UKF观测向量，其中η_I、η_Q为GPS测量的I、Q成分中的噪声成分，dI和dQ为惯导系统中由于惯性器件误差引起的I、Q预测误差，j为接收机跟踪的信号通道数，观测矩阵H可以表示为：

H=h(I)x1h(I)y1h(I)z1h(I)x·1h(I)y·1h(I)z·101×910...........................h(I)xsh(I)ysh(I)zsh(I)x·sh(I)y·sh(I)z·s01×910h(Q)x1h(Q)y1h(Q)z1h(Q)x·1h(Q)y·1h(Q)z·101×901...........................h(Q)xsh(Q)ysh(Q)zsh(Q)x·sh(Q)y·sh(Q)z·s01×9012s×17,]]>

其中，s为可见卫星数目,以计算x轴向的速度和位置与I、Q的关系为例，得到：

h(I)xi=12[∂E(I)∂θe∂θe∂x+∂E(I)∂ωe∂ωe∂x];h(I)x·i=12[∂E(I)∂θe∂θe∂x·+∂E(I)∂ωe∂ωe∂x·];]]>

h(Q)xi=12[∂E(Q)∂θe∂θe∂x+∂E(Q)∂ωe∂ωe∂x];h(Q)x·i=12[∂E(Q)∂θe∂θe∂x·+∂E(Q)∂ωe∂ωe∂x·];]]>

计算同相支路信号期望E(I)对相位误差θ_e和频率误差ω_e的偏微分方程得到：

∂E(I)∂θe=A2ωe[cos(ωe(k+1)T+θe)-cos(ωekT+θe)];]]>

∂E(I)∂ωe=-A2ωe2[sin(ωe(k+1)T+θe)-sin(ωekT+θe)]+A2ωe[(k+1)T·cos(ωe(k+1)T+θe)-kT·cos(θekT+θe)];]]>

同理，计算正交相支路信号期望E(Q)对相位误差θ_e和频率误差ω_e的偏微分方程得到:

∂E(Q)∂θe=-A2ωe[-sin(ωe(k+1)T+θe)+sin(ωekT+θe)];]]>

∂E(Q)∂ωe=A2ωe2[cos(ωe(k+1)T+θe)-cos(ωekT+θe)]+A2ωe[(k+1)T·sin(ωe(k+1)T+θe)-kT·sin(ωekT+θe)];]]>

其中，相位误差θ_e和频率误差ω_e对接收机位置误差(x_e,y_e,z_e)和速度误差的偏微分计算如下：

∂θe∂x=ωCxeRe;∂θe∂y=ωCyeRe;∂θe∂z=ωCzeRe;]]>

∂ωe∂x=∂ωe∂y=∂ωe∂z=0;]]>

∂θe∂x·=-ωCx·eTVe;∂θe∂y·=-ωCy·eTVe;∂θe∂z·=-ωCz·eTVe;]]> 2

∂ωe∂x·=-ωCx·eVe;∂ωe∂y·=-ωCy·eVe;∂ωe∂z·=-ωCz·eVe;]]>

其中，位置误差和速度误差分别为其测量值与估计值之差，θ_e和ω_e分别为鉴相器和鉴频器输出。