[发明专利]基于信息异常检测的改进Sage-Husa自适应融合滤波方法及多源信息融合设备

权利要求书

1.基于信息异常检测的改进Sage-Husa自适应融合滤波方法，其特征是：步骤一：获取传感器量测信息；惯性测量单元中的陀螺仪和加速度计输出相应的角速度和比力的量测信息，GPS输出相应的经纬度量测信息；

步骤二：建立GPS/INS组合导航系统模型，确定出由位置、速度、姿态以及偏差量构成的多维状态量，建立状态方程和量测方程；

步骤三：信息异常检测过程，根据预测残差向量构造检验统计量，判断是否有异常观测的存在；当系统无异常量测时，检验统计量不超过置信极限，采用标准卡尔曼滤波进行预测和校正，从而输出融合滤波结果；当系统有异常量测检测时，采用改进的Sage-Husa自适应滤波，将卡尔曼滤波增益置零，引入指数衰减自适应因子调整观测量测噪声；

步骤四：改进的Sage-Husa自适应滤波方法对组合导航系统进行滤波处理，在标准Kalman滤波的基础上对Q阵和R阵实时预测和修正，反馈调节滤波增益K的自适应调节过程，同时信息异常时滤波增益置零，还原为标准Kalman，从而实现抑制信息异常对滤波的影响；改进的Sage-Husa自适应滤波的算法流程如下：

初始化状态估计值和协方差，经

判断是否在置信空间内，若是，则进行标准卡尔曼滤波，若不是，

则进行抗差自适应滤波，过程为：

由

得出

且K(：，i)＝0，得出

P_k＝[I-K_kH_k]P_k，k-1

最后得出

2.根据权利要求1所述的基于信息异常检测的改进Sage-Husa自适应融合滤波方法，其特征是：步骤二中，所建立状态方程为：

式(1)中，X(k)为状态变量，F(k)为系统状态转移矩阵，G(k)为系统噪声转移矩阵；W(k)为系统噪声矢量，X(k)为状态变量，

选取状态变量X表示为：

式(2)中，[φ_E φ_N φ_U]为惯性平台东、北、天向的姿态失准角，单位为角分；[δV_E δV_N δV_U]为东、北、天向的速度误差，单位为米/秒；[δL δλ δh]表示纬度、经度、高度的误差，单位为米；[ε_x ε_y ε_z]为陀螺仪常值漂移误差，单位度/小时；为加速度计的漂移误差，单位为ug。