[发明专利]一种适用于高动态非平稳系统的自适应卡尔曼滤波方法

权利要求书

1.一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，其特征在于：包括以下步骤：

S1：建立接收机高动态状态模型；

S2：对接收机建立高动态观测模型；

S3：对非平稳噪声进行自适应估计；

S4：钟差闭环反馈校正；

S5：得出卡尔曼滤波最优估计。

2.根据权利要求1所述的一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，其特征在于：所述步骤S1包括以下子步骤：

S11：对高动态载体的运动学模型为：

其中x(t)、和分别为载体的位置、速度、加速度和加加速度，α为载体机动时间倒数，为载体当前加速度均值，ω(t)为噪声；

将运动学模型在ECEF坐标系中表示为向量形式：

X_s＝(x,x_v,x_a,y,y_v,y_a,z,z_v,z_a)^T

其中x,y,z表示三个方向上的位置，x_v,y_v,z_v表示三个方向上的速度，z,z_v,z_a表示接收机三个方向上的加速度；

系统状态模型为：

其中

W_s(t)＝[0 0 ω_x 0 0 ω_y 0 0 ω_z]^T；

S12：对接收机钟差和钟漂建模为为：

其中τ,分别为接收机的钟差和钟漂，W_T(t)为噪声向量，

3.根据权利要求1所述的一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，其特征在于：所述步骤S2包括以下子步骤：

S21：对接收机可见卫星的伪距ρ_i观测量建模为：

其中x_si,y_si,z_si分别代表对应卫星的坐标位置，τ,分别为接收机的钟差和钟漂；

S22：对接收机伪距率观测量建模为：

4.根据权利要求1所述的一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，其特征在于：所述步骤S3包括以下子步骤：

S31：采用修正瑞利概率密度表示当前加速度，当前加速度为正时，概率密度为：

其中a_max＞0为已知用户加速度正上限，a为用户的瞬时加速度，μ＞0为一常数。a的均值和方差分别为：

当前加速度为负时，概率密度为：

其中a_max＞0为已知用户加速度正上限，a为用户的瞬时加速度，μ＞0为一常数。a的均值和方差分别为：

自适应计算过程噪声方程矩阵

其离散化表达式为：

其中：

其中：α_x,α_y,α_z分别为三个方向的加速度时间常数的倒数。为接收机用户加速度方差。

采用当前统计模型，由预测的加速度状态值计算得到加速度方差：

5.根据权利要求1所述的一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，其特征在于：所述卡尔曼滤波最优估计包括载体的位置、速度、加速度、钟差和钟漂。