1.一种基于假设约束的组合导航数据融合方法，其特征在于，所述方法包括：步骤1、基于假设约束构建用于量测噪声协方差估计的代价函数；

步骤2、根据构建的代价函数，估计出量测噪声的协方差；

步骤3、根据估计出的量测噪声的协方差，实时更新滤波参数，完成对组合导航数据的融合；

所述步骤1包括：

步骤11、给定一个组合导航系统的非线性系统模型为：；

；

其中， ，其表示在 时刻 维的状态量； ，其表示在 时刻 维的量测； 表示过程噪声； 表示量测噪声； 和 的协方差分别为 和 ；

表示状态方程； 表示量测方程；

采用容积卡尔曼滤波器初始化后验容积点误差阵 ，并根据 计算传播容积点 ：；

其中， 表示 的第 列元素； 表示 时刻的状态量估计值；

；

步骤12、根据步骤11给定的组合导航系统的非线性系统模型和传播容积点 ，确定状态量的先验状态估计值 及其协方差 ，分别表示为：；

；

其中， ；

通过状态量的先验状态估计值 及其协方差 ，计算量测的先验估计值及其协方差 ，分别表示为：；

；

其中， ， ；

步骤13、通过 计算新息序列，将由N个元素构成的新息序列表示为，其中 ；

基于假设约束构建用于量测噪声协方差估计的代价函数，其表示为：；

其中， 表示k‑j+1时刻的新息序列； ，其表示使 满足最小值时需满足约束条件 ； 表示 的均值；N表示正整数；S和C均表示阈值； 表示用于量测噪声协方差估计的子代价函数； 和 分别表示用于求解量测噪声协方差估计的子代价函数所构建的约束函数。

2.根据权利要求1所述的方法，其特征在于，所述步骤2包括：根据卡罗需‑库恩‑塔克条件，通过代价函数获得下式：；

；

其中， 表示用于量测噪声协方差估计的子代价函数； 和 分别表示用于求解量测噪声协方差估计的子代价函数所构建的约束函数； 、 、分别表示对 求微分； 表示量测噪声 的协方差； 和 表示卡罗需‑库恩‑塔克乘子；

若 ，则 整理为：

；

其中，表示点积运算； 表示单位矩阵； 表示定义； 表示迹运算；

结合 和 四种不同的取值：1） ；2） ， ；3） ， ；4）， ，并根据上式获得在 条件下，量测噪声协方差的估计值，其表示为：

；

当 时， 有两种取值：1） ；2） ，此时量测噪声协方差的估计值 ，其表示为：

；

将量测噪声协方差的估计值 整理为：。

3.根据权利要求1所述的方法，其特征在于，所述步骤3包括：步骤31、获取预测容积点误差阵 ，其表示为：；

对 进行乔列斯基分解，得到 ，其中 ， 表示乔列斯基分解运算， 表示过程噪声 的协方差； 表示状态量的协方差；根据量测噪声协方差的估计值 计算状态量预测值和量测预测值之间的互协方差 ，其表示为：；

其中， ； ， 表示状态方程， 表示量测方程， 表示传播容积点； 表示 时刻的状态量的先验状态估计值； 表示量测的先验估计值； 表示量测噪声协方差的估计值；

步骤32、计算卡尔曼增益 ，其表示为：；

其中， 为量测的先验估计值的协方差；

获得当前时刻的导航数据融合 ，并更新状态量误差协方差 ，其分别表示为：；

；

对 进行乔列斯基分解，得到 ，其中；其中 表示加权对角矩阵， 表示量测噪声协方差的估计值；

计算用于下一次导航数据融合的后验容积点误差阵 ，其表示为：；

循环执行步骤31，以进行更新导航数据融合。