[发明专利]一种水面无人艇导航系统和导航方法

说明书

本发明提出一种基于自适应数据共享因子联合滤波器的水面无人艇导航系统，包括：主导航和第一数量个子导航，全局滤波器，以及与每个所述子导航分别对应的局部滤波器，其中，每个所述子导航分别与相对应的所述局部滤波器相连，所述主导航与每个所述局部滤波器分别相连，所述主导航与所述全局滤波器相连。本发明提供的基于自适应数据共享因子联合滤波器的水面无人艇导航系统和导航方法，可以识别出精度最低的导航子系统，并且避免使用这一子系统的导航信息数据；同时，将精度更高的导航子系统作为参考源来修正整体导航系统的误差，可以大幅度降低传统导航系统的导航精误差。

技术领域

本发明具体涉及一种基于自适应数据共享因子联合卡尔曼滤波器的水面无人艇导航系统和导航方法。

背景技术

对水面无人艇(以下称USV)来说，常见的导航系统会集成微机电惯导系统(MEMS-INS)、全球卫星定位系统(GPS)和多普勒测速仪(DVL)三种传感器。其中MEMS-INS可以提供连续导航解决方案，但是由于加速度计和陀螺仪的漂移，其可靠性会随着时间的推移而降低。所以在USV导航系统中，GPS和DVL被用作参考系统，用于矫正MEMS-INS的误差。但是这仍然不能消除整个导航系统的误差，误差的来源是由于恶劣的天气和DVL噪声的影响，而这会影响整个导航系统的效率。当GPS的信号质量甚至中断时，通常会将多普勒测速仪DVL与微机电惯导系统(MEMS-INS)集成在一起以修正其误差。而INS/DVL集成方法的效率受到多个参数的影响，例如DVL本身的相关噪声以及INS和DVL之间的变换矩阵。实际上，存在与DVL测量相关的噪声，这是无法被法检测或消除的，从而降低了INS/DVL集成导航系统的效率。如何避免由于单个子导航的精度下降而对整体导航系统精度产生的不利影响是亟待解决的问题。

当前常用的逼近常数的数据共享因子联合卡尔曼滤波器(Data Sharing FactorCombined Filter,DSFCF)方法由两个与主滤波器相联的局部滤波器组成。每个局部滤波器都与GPS或DVL等子导航之一连接，以处理其位置信息。该方法的重要参数是常量DSF，它是每个局部过滤器的“贡献”，并且在两个局部滤波器之间平分该参数(例如，对于两个本地滤波器，DSF值等于0.5)。其缺点是常数DSF实际上不能根据精确的导航误差来调整其值，这最终会影响整个USV导航系统的效率。

发明内容

本发明是为了解决上述问题而进行的，提供了一种基于自适应数据共享因子联合卡尔曼滤波器的水面无人艇导航系统，不仅稳定可靠，还可以大幅度降低传统导航系统的导航精误差。

为实现上述目的，本发明提出一种基于自适应数据共享因子联合卡尔曼滤波器的水面无人艇导航系统，具有这样的特征，包括：主导航和第一数量个子导航，全局滤波器，以及与每个所述子导航分别对应的局部滤波器，其中，每个所述子导航分别与相对应的所述局部滤波器相连，所述主导航与每个所述局部滤波器分别相连，所述主导航与所述全局滤波器相连。

另外，本发明提供的基于自适应数据共享因子联合卡尔曼滤波器的水面无人艇导航系统，还具有这样的特征，包括：作为所述主导航的微机电惯导系统，作为所述子导航的全球卫星定位系统和多普勒测速仪，所述全局滤波器，以及与所述全球卫星定位系统和所述多普勒测速仪分别对应的第一局部滤波器和第二局部滤波器，其中，所述全球卫星定位系统和所述多普勒测速仪分别与所述第一局部滤波器和所述第二局部滤波器相连，所述微机电惯导系统与所述全局滤波器相连，

所述微机电惯导系统与所述第一局部滤波器和所述第二局部滤波器分别相连。

另外，本发明还提供了一种运行上述基于自适应数据共享因子联合滤波器的水面无人艇导航系统的导航方法，具有这样的特征，包括以下步骤：

自适应参数获取：根据各所述局部滤波器以及第一预设规则、第二预设规则、第三预设规则、第四预设规则分别得到各所述子导航的自适应数据共享因子联合滤波器值；