[发明专利]一种水下无源组合导航系统建模及信息融合方法

权利要求书

1.一种水下无源组合导航系统建模及信息融合方法，其特征在于具体包括如下步骤：

步骤1)将各子滤波器和主滤波器的初始估计协方差阵设置为组合导航系统初始信息的γ_i倍，i＝1,2,…,N,m；

步骤2)各子滤波器和主滤波器独立完成时间更新过程，子滤波器分为线性子滤波器与非线性子滤波器，线性子滤波器通过卡尔曼滤波器进行状态变量的时间更新过程，非线性子滤波器通过非线性算法的状态更新过程获得状态；

步骤3)各子滤波器根据最新的量测信息完成量测更新过程，线性子滤波器通过卡尔曼滤波器进行量测更新，而非线性子滤波器通过高斯粒子非线性算法获得更新后的状态分布参数；

步骤4)得到各个子滤波器的局部估计值和主滤波器的估计值后，再进行最优数据融合；

步骤5)将获得的最优估计值，按照指定的信息分配模式设置各子滤波器和主滤波器滤波估计值以及协方差矩阵。

2.根据权利要求1所述的水下无源组合导航系统建模及信息融合方法，其特征在于，步骤1)中γ_i满足信息守恒原则，即β₁+…+β_N+β_m＝1，其中β_i表示表示信息分配系数。

3.根据权利要求1所述的水下无源组合导航系统建模及信息融合方法，其特征在于，步骤2)具体包括如下步骤：

步骤2-1)从重要密度函数P(x_k|z_0:k)采样得到粒子集M是总粒子数,z_0:k表示第k次观测值，x_k表示第k粒子；

步骤2-2)根据式(5)计算各个粒子的权值；

其中，Σ_k表示协方差为均值，为协方差，z_k为观测值，为状态值；

步骤2-3)根据式(6)将各粒子的权值归一化；

其中，分别表示权值的归一化。

步骤2-4)根据式(7)估计后验概率密度P(x_k|z_0:k)的μ_k和协方差Σ_k；

式中，M表示样本总数；

根据式(8)计算近似滤波概率分布；

P(x_k|z_0:k)≈N(x_k；μ_k,Σ_k) (8)

根据式(9)计算重要性密度函数

4.根据权利要求1所述的水下无源组合导航系统建模及信息融合方法，其特征在于，所述步骤4)中，按照式(1)、式(2)进行最优数据融合：

其中，P_g是全局变量状态协方差矩阵、为子滤波器状态变量状态协方差矩阵、是子滤波器状态、表示全局状态。

5.根据权利要求1所述的水下无源组合导航系统建模及信息融合方法，其特征在于，所述步骤5)中，按照式(3)、式(4)重新设置各个子滤波器和主滤波器的滤波估计值及其协方差矩阵，计算得到：

其中，Q_i综合协方差矩阵、Q_ii是第i子滤波器协方差矩阵、Q_m是主滤波器协方差矩阵、Q是系统协方差矩阵。

6.根据权利要求1所述的水下无源组合导航系统建模及信息融合方法，其特征在于，所述步骤2)中，非线性子滤波器，采用改进高斯粒子滤波器。