[发明专利]基于KF/FIR和LS-SVM融合的INS/UWB组合导航算法及系统

说明书

本发明公开了基于KF/FIR和LS‑SVM融合的INS/UWB组合导航算法及系统，当UWB信号可用时，KF/FIR滤波器正常工作，为组合导航系统提供导航信息的最优预估。与此同时，LS‑SVM算法处于培训模式，将INS解算的位置信息与KF/FIR滤波器给出的INS位置误差的最优预估分别作为LS‑SVM算法的输入和培训目标，力求通过培训构造INS位置与位置误差的映射关系。一旦UWB信号不可用，LS‑SVM算法替代不能工作的KF/FIR滤波器，利用构建的映射关系对INS位置误差进行预估。本发明的提出，克服了传统KF/FIR滤波器在UWB失锁状态下不能正常工作的缺陷，实现了对导航信息的无缝预估。

技术领域

本发明涉及复杂环境下组合定位技术领域，尤其涉及基于KF/FIR和LS-SVM融合的INS/UWB组合导航算法及系统。

背景技术

近年来，行人导航(Pedestrian Navigation,PN)作为导航技术应用的新兴领域，正越来越受到各国学者的重视，并逐渐成为该领域的研究热点。然而在隧道、大型仓库、地下停车场等室内环境下，外界无线电信号微弱、电磁干扰强烈等因素都会对目标行人导航信息获取的准确性、实时性及鲁棒性有很大影响。如何将室内环境下获取的有限信息进行有效的融合以消除室内复杂环境影响，保证行人导航精度的持续稳定，具有重要的科学理论意义和实际应用价值。

在现有的定位方式中，全球卫星导航系统(Global Navigation SatelliteSystem,GNSS)是最为常用的一种方式。虽然GNSS能够通过精度持续稳定的位置信息，但是其易受电磁干扰、遮挡等外界环境影响的缺点限制了其应用范围，特别是在室内、地下巷道等一些密闭的、环境复杂的场景，GNSS信号被严重遮挡，无法进行有效的工作。近年来，UWB(Ultra Wideband)以其在复杂环境下定位精度高的特点在短距离局部定位领域表现出很大的潜力。学者们提出将基于UWB的目标跟踪应用于GNSS失效环境下的行人导航。这种方式虽然能够实现室内定位，但是由于室内环境复杂多变，UWB信号十分容易受到干扰而导致定位精度下降甚至失锁；与此同时，由于UWB采用的通信技术通常为短距离无线通信技术，因此若想完成大范围的室内目标跟踪定位，需要大量的网络节点共同完成，这必将引入网络组织结构优化设计、多节点多簇网络协同通信等一系列问题。因此现阶段基于UWB的目标跟踪在室内导航领域仍旧面临很多挑战。

在导航模型方面，目前在室内行人组合导航领域应用较多的为松组合导航模型。该模型具有容易实现的优点，但是需要指出的是，该模型的实现需要参与组合导航的多种技术能够独立的完成导航定位。例如，需要UWB设备能够提供行人的导航信息，这就要求目标行人所处的环境必须能够获取至少3个参考节点信息，这大大的降低了组合导航模型的应用范围，与此同时，参与导航的子技术独立完成定位，也引入了新的误差，不利于组合导航技术精度的提高。为了克服这一问题，学者们提出将紧组合模型应用于室内行人导航领域，紧组合模型直接将参与组合导航的子技术的原始传感器数据应用于最后的导航信息的解算，减少了子技术自行解算引入新误差的风险，提高了组合导航的精度，但是需要指出的是，现有紧组合导航模型均使用集中式模式，这一方式系统容错能力差，并不利于日益精确复杂的组合导航模型。

发明内容

本发明的目的就是为了解决上述难题，提供了一种基于KF/FIR和LS-SVM融合的INS/UWB组合导航算法及系统。当UWB信号可用时，KF/FIR滤波器正常工作，为组合导航系统提供导航信息的最优预估。与此同时，LS-SVM算法处于培训模式，将INS解算的位置信息与KF/FIR滤波器给出的INS位置误差的最优预估分别作为LS-SVM算法的输入和培训目标，力求通过培训构造INS位置与位置误差的映射关系。一旦UWB信号不可用，LS-SVM算法替代不能工作的KF/FIR滤波器，利用构建的映射关系对INS位置误差进行预估。本发明的提出，克服了传统KF/FIR滤波器在UWB失锁状态下不能正常工作的缺陷，实现了对导航信息的无缝预估。

为实现上述目的，本发明的具体方案如下：