[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

说明书

本发明公开了一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，包括步骤：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。用自适应卡尔曼滤波算法对高动态、非平稳噪声场景中对载体的位置、速度、加速度、钟差和钟漂进行最优估计。

技术领域

本发明涉及钟差闭环校正的自适应卡尔曼滤波定位解算算法领域，尤其涉及一种适用于高动态非平稳系统的自适应卡尔曼滤波方法。

背景技术

定位解算是卫星导航(GNSS)中核心模块之一，该模块根据基带观测量和星历数据求解出用户的速度、位置、接收机钟差和钟漂等信息，其性能指标直接反映接收机的整体性能水平，是RNSS接收机重要组成部分。由于载体在高动态运动时使接收机环路跟踪难度变大、观测量噪声加大且其统计特性具有时变性，传统的卡尔曼滤波算法在这种高动态、非平稳噪声场景中存在误差增大甚至发散的缺点。

发明内容

本发明的目的在于克服现有技术的缺点，提供一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，用自适应卡尔曼滤波算法对高动态、非平稳噪声场景中对载体的位置、速度、加速度、钟差和钟漂进行最优估计。

本发明的目的是通过以下技术方案来实现的：一种适用于高动态非平稳系统的自适应卡尔曼滤波方法，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。

进一步的，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，

进一步的，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：