[发明专利]一种基于贝叶斯估计的粒子滤波重力辅助惯导匹配方法

摘要

本发明提出一种基于贝叶斯估计的粒子滤波重力辅助惯导匹配方法，在解决非线性问题时，粒子滤波避免了线性化带来的误差，解决了传统点匹配算法桑迪亚算法在重力异常变化大的匹配区域易发散的缺点。本发明以惯导的位置信息为状态量以重力仪测量值为观测量，利用基于贝叶斯估计的粒子滤波，以随机养样本均值代替概率密度函数的条件均值，估计惯导系统的状态变量。

主权项

一种基于贝叶斯估计的粒子滤波重力辅助惯导匹配方法，其特征在于，包括如下步骤：步骤一、根据水下载体的运动规律，将运载体的经纬度信息作为状态变量，重力仪实时测量重力异常值为观测量，建立重力辅助惯导单点匹配模型:△x_k,k+1＝△x_k‑1,k+△U_k+e_k   (1)y_k＝h_k(x_k)+v_k   (2)式中,△x_k,k+1表示k时刻到k+1时刻输出的潜艇的经纬度差值，△U_k为惯导系统给出k时刻的偏移增量，e_k惯导系统的误差，y_k表示k时刻的重力仪测量的重力异常信息，h_k(x_k)表示在x_k处在重力基准图上读取的重力异常值，v_k表示重力异常测量误差和重力基准图误差；步骤二、序贯重要性采样：假设从后验概率密度p(x_kY_k)中抽出N个独立同分布的随机样本i＝1,…,N,则p(x_k|Y_k)被表示成这些随机样本求和形式，引入一个已知、容易采样的重要性概率密度函数q(x_k|Y_k),从中生成采样粒子，实现求和逼近后验概率密度函数p(x_k|Y_k),则后验概率密度表示为从重要性密度函数采样的随机样本点与每个样本所对应的权值乘积和的形式，粒子权值定义为重要性密度函数逼近后验概率函数的程度，从重要性概率密度采样中生成采样粒子，并随着测量值的依次到来递推求得相应的权值，进而得到状态估计；步骤三：重采样：根据步骤二得到的粒子权值，计算有效粒子数来衡量粒子权值的退化程度；步骤四、对惯性导航系统的状态x_k进行估计：根据现有的观测其中量Y_k，其中Y_k表示y₁,y₂,…,y_k，估计出重力辅助惯导定位系统的位置信息x_k；步骤五：按照步骤一中的△U_k更新p(x_k|x_k‑1)，再根据步骤三更新粒子权值，进行k+1时刻的惯导位置估计。