[发明专利]一种无人机多源信息融合导航方法

说明书

本发明公开了一种无人机多源信息融合导航方法，通过建立组合导航模型、初始化模型，采集量测量并进行多源信息融合，利用组合导航模型输出无人机组合导航系统的位置、速度和姿态角信息，在信息融合过程中，采用Consider容积卡尔曼滤波与粒子滤波算法结合的Consider容积粒子滤波算法，将量测偏差的方差引入到滤波过程用以修正增益矩阵，进而提升状态估计的精度。本发明公开的无人机多源信息融合导航方法，能够消除无人机组合导航系统中多源信息融合量测偏差，降低了无人机组合系统中量测偏差带来的干扰影响，有效地提高了无人机导航系统精度。

技术领域

本发明涉及一种无人机多源信息融合导航方法，尤其涉及一种基于Consider容积粒子滤波的无人机多源信息融合导航方法，属于无人机导航领域。

背景技术

无人机具备能垂直起降、可定点悬停和机动能力强等优点，大量运用在民用和军事等领域，但是，伴随着无人机使用范围的增加，其面临的问题也愈来愈多，尤其无人机导航系统的精度和可靠性，制约了无人机的进一步发展。

无人机导航系统能够使无人机获取飞行的速度、位置、姿态等导航信息，由于惯性导航系统(Inertial Navigation System，INS)具备较强的自主性、良好的隐蔽性、非常全面的输出信息和较宽的频带等优势，因此，目前主流的无人机组合导航系统大都选用INS作为主导航系统，并引入北斗、气压高度计、磁传感器、光流传感器辅助导航方式来建立组合导航系统。

组合导航系统是通过融合INS的输出信息和辅助导航方式的量测信息来校正INS的累积误差。但是，无人机组合导航系统中的多源信息融合仍然面临着传感器量测偏差问题，如：陀螺仪和加速度计的偏置误差、漂移等；北斗卫星导航系统的大气层电离层干扰、卫星星历误差、接收机钟差、多路径误差等；气压高度计的换算误差、温度误差等；磁传感器外部干扰磁场引起的软铁误差和硬铁误差等；光流传感器的漂移误差等。

传统的多源信息融合并未考虑上述传感器量测偏差问题，也未有较好的方法来降低量测偏差对系统状态估计的不利影响。

因此，亟待设计一种能有效减轻传感器量测偏差影响，以及提升导航精度和可靠性的无人机多源信息融合导航方法。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种无人机多源信息融合导航方法，包括以下步骤：

S1、建立组合导航模型；

S2、初始化模型；

S3、采集量测量并进行多源信息融合，利用组合导航模型输出无人机组合导航系统的位置、速度和姿态角信息。

具体地，在步骤S1中，所述组合导航模型用于描述无人机的状态，所述组合导航模型的输入为传感器的量测值，输出为无人机的位置、速度和姿态角信息，将此信息传递至无人机CPU处理器对无人机进行控制。

优选地，所述组合导航模型的建立包括如下子步骤：

S11、建立组合导航状态模型；

S12、建立组合导航量测模型；

在步骤S11中，所述状态模型用于描述无人机组合导航的状态，其可以通过下式表达：

其中，F(x)表示连续状态转移函数，w为具有零均值的高斯白噪声，x为状态向量，为状态向量的导数；