1.一种适用于量测噪声不确定的组合导航系统数据融合方法,其特征在于,包括以下步骤:S1:构造惯性/天文组合导航系统模型;
S2:通过CKF对多步量测量进行预测用以扩展量测序列,然后将经验模态分解法和滤波运算均值法相融合从扩展的量测序列中分解得到量测噪声序列;
S3:基于分解得到的量测噪声序列和指数衰减加权方法来估计量测噪声协方差,用以实时更新基于CKF数据融合过程的参数。
2.根据权利要求1所述的适用于量测噪声不确定的组合导航系统数据融合方法,其特征在于:所述S1包括以下步骤:S11:设置惯性/天文组合导航系统的状态向量为:T
x=[φx,φy,φz,δvx,δvy,δvz,Px,Py,Pz,εx,εy,εz,Δx,Δy,Δz,Θx,Θy,Θz]其中:φx,φy,φz表示姿态失准角;
δvx,δvy,δvz表示速度误差;
Px,Py,Pz表示位置误差;
εx,εy,εz表示陀螺常值漂移;
Δx,Δy,Δz表示加速度计常值偏置;
Θx,Θy,Θz表示天文导航系统的低频误差;
S12:根据惯性/天文组合导航系统的18维状态向量x建立系统的状态方程:xk=f(xk‑1)+wk‑1 (1)其中:f(·)表示非线性系统函数;
xk和xk‑1分别表示k时刻和k‑1时刻的状态向量;
wk‑1表示过程噪声,wk‑1的协方差Qk‑1为S13:将惯性导航系统输出的姿态角与天文导航系统输出的姿态角之差、惯性导航系统输出的位置矢量与天文导航系统输出的位置矢量之差、大气密度误差和折射量测误差引起的折射视高度误差、运动学约束作为量测信息,建立惯性/天文组合导航系统的量测方程:zk=h(xk)+vk (2)其中:zk表示惯性/天文组合导航系统k时刻的量测向量;
h(·)表示量测函数;
vk表示惯性/天文组合导航系统k时刻的量测噪声,vk的协方差Rk为:
3.根据权利要求2所述的适用于量测噪声不确定的组合导航系统数据融合方法,其特征在于:所述S2包括:S21:给定惯性/天文组合导航系统k‑1时刻的状态估计值xk‑1|k‑1和状态估计值的协方差矩阵Pk‑1|k‑1,通过式(3)和(4)计算容积点;
Sk‑1|k‑1=chol(Pk‑1|k‑1) (3)Xi,k‑1|k‑1=Sk‑1|k‑1ξi+xk‑1|k‑1,i=1,...,2n (4)其中:chol(·)表示Cholesky分解;
ei表示n×n维单位矩阵的第i列,n表示状态量的维数;
通过状态函数产生传递容积点
通过式(6)和(7)分别计算状态预测值xk|k‑1和状态预测值的协方差矩阵Pk|k‑1;
其中:ωi表示容积点的权值并且
基于预测的状态和协方差矩阵可得到更新后的容积点:Sk|k‑1=chol(Pk|k‑1) (8)通过量测方程对容积点进行传递,可得到:
Zi,k|k‑1=h(Xi,k|k‑1) (10)基于传递容积点,我们可以得到预测的量测量:将在k‑1时刻累积的量测序列表示为 zk‑1(t)表示在t时刻的量测量,N表示正整数;
当惯性/天文组合导航系统没有量测更新时,CKF仅处于状态量的预测状态,此时令xk|k=xk|k‑1;
因此,扩展的k时刻的量测量可表示为:zk‑1(k)=zk|k‑1,S22:通过执行所述S21中的上述过程L次,可得到L个量测量的扩展值:因此,在k‑1时刻扩展后的量测序列可表示为:S23:通过经验模态分解方法对扩展后的量测序列 进行自适应分解,得到M个模态分量:因为量测噪声具有高频的特性,因此,量测噪声主要分布在前两阶的模态分量 和中;
通过小波去噪方法将量测噪声从 和 中分离出,分离出的量测噪声序列可表示为vk‑1;
对量测噪声序列vk‑1的位置分布进行任意改变G次,得到G个新的量测噪声分布序列:然后通过式(12)求均值的方法得到重构的量测噪声序列:
4.根据权利要求3所述的适用于量测噪声不确定的组合导航系统数据融合方法,其特征在于:所述S3包括:根据重构的量测噪声序列 和指数衰减加权方法估计出k时刻量测噪声的协方差矩阵:其中: b的取值范围为[0.99,0.999];
根据传递容积点和估计出的量测噪声协方差矩阵计算出量测量的协方差矩阵以及状态量和量测量之间的互协方差矩阵:通过Pzz,k|k‑1和Pxz,k|k‑1计算卡尔曼滤波增益:通过式(17)和(18)对惯性/天文组合导航系统的状态量和协方差矩阵进行更新:xk|k=xk|k‑1+Kk(zk‑zk|k‑1) (17)根据得到的xk|k对惯性导航系统单独输出的导航信息进行校正,进而得到k时刻惯性/天文组合导航系统的融合数据;
令k=k+1,返回执行所述S1、所述S2及所述S3则惯性/天文组合导航系统进入下一次数据融合过程;
通过迭代执行所述S1、所述S2及所述S3直至惯性/天文组合导航系统停止工作,便可得到惯性/天文组合导航系统运行期间的导航融合数据。