[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

说明书

本发明是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，1获取传感器量测信息、GPS经纬度信息；2建立GPS/INS组合导航系统模型，建立状态方程和量测方程；3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；4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。多源信息融合设备含有传感器、处理器、信息获取单元、数据传输接收单元。有益效果：添加了信息异常检测过程，提高了系统的导航精度和容错性。

技术领域

本发明属于导航定位技术领域，涉及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。

背景技术

多源信息融合，它是一种对采集到的各传感器输出的数据进行归纳、整合，采用某种规则组合出最优效果的技术。在智能交通系统的导航定位领域，多源信息融合最经典且高效易行的方法为卡尔曼滤波算法(Kalman Filtering，KF)。但该算法也存在一些局限性，Kalman滤波器的计算过程中会不断累积系统误差，导致误差协方差矩阵的正定性受到影响，从而造成滤波估计结果不准确，所以需要改进。

发明内容

本发明的目的是提出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。

本发明的技术方案：基于信息异常检测的改进Sage-Husa自适应融合滤波方法，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