基于自適應(yīng)卡爾曼濾波的導(dǎo)航信息融合方法

2012年03月21日10:00:49 本網(wǎng)站我要評(píng)論(2)字號(hào)：T | T | T

崔平遠(yuǎn)，侯友軒，裴�？�
北京工業(yè)大學(xué)電子信息與控制工程學(xué)院，北京

摘　　　要：針對(duì)組合導(dǎo)航系統(tǒng)在測(cè)量噪聲未知的情況下，常規(guī)自適應(yīng)卡爾曼濾波方法的實(shí)時(shí)性難以滿(mǎn)足的問(wèn)題，提出了一種實(shí)時(shí)的自適應(yīng)卡爾曼濾波方法。該方法通過(guò)一個(gè)簡(jiǎn)單的指數(shù)函數(shù)實(shí)時(shí)調(diào)節(jié)卡爾曼濾波模型中的測(cè)量噪聲協(xié)方差矩陣，將測(cè)量噪聲的理論協(xié)方差矩陣與實(shí)際協(xié)方差矩陣的差值作為指數(shù)函數(shù)的輸入，將函數(shù)的輸出值與上次測(cè)量噪聲的協(xié)方差矩陣之和送入卡爾曼濾波器中進(jìn)行模型遞推，使模型的測(cè)量噪聲逐漸逼近真實(shí)水平。組合導(dǎo)航系統(tǒng)信息融合時(shí)，將每一個(gè)傳感器的測(cè)量信息送入ＲＡＫＦ模型中進(jìn)行信息融合，較終得到組合導(dǎo)航系統(tǒng)的定位信息。從仿真結(jié)果可以看出該方法具有較強(qiáng)的自適應(yīng)性，不但實(shí)時(shí)性好，而且精度高，是一種簡(jiǎn)單實(shí)用的組合導(dǎo)航信息融合方法。

關(guān)　鍵　詞：組合導(dǎo)航；自適應(yīng)卡爾曼濾波；指數(shù)函數(shù)；信息融合

１　引　言
在實(shí)際的車(chē)輛導(dǎo)航系統(tǒng)中，由于道路環(huán)境的變化及各種瞬變的因素，干擾和測(cè)量噪聲都是隨機(jī)變化的，因此標(biāo)準(zhǔn)卡爾曼濾波算法的濾波精度會(huì)降低甚至發(fā)散，所以由實(shí)際情況出發(fā)，車(chē)輛導(dǎo)航定位方法中研究的重點(diǎn)是自適應(yīng)卡爾曼濾波方法［１］。目前較多采用的是模糊自適應(yīng)卡爾曼濾波方法。文獻(xiàn)［２］將模糊自適應(yīng)卡爾曼濾波方法和置信度加權(quán)方法與聯(lián)邦濾波融合方法相結(jié)合，應(yīng)用于組合導(dǎo)航系統(tǒng)。文獻(xiàn)［３］多傳感器數(shù)據(jù)融合的過(guò)程中，單個(gè)傳感器的濾波使用了模糊自適應(yīng)卡爾曼濾波，將所得到的結(jié)果送入模糊邏輯推理系統(tǒng)中，在多傳感器數(shù)據(jù)融合的過(guò)程中進(jìn)行相應(yīng)權(quán)值的分配。這些方法雖然在精度上達(dá)到了比較理想的效果，但是算法比較復(fù)雜，而且實(shí)時(shí)性不好，并且對(duì)系統(tǒng)硬件要求也比較高，這樣就大大限制了其使用范圍，所以針對(duì)以上問(wèn)題，本文提出了一種實(shí)時(shí)的自適應(yīng)卡爾曼濾波算法。與模糊自適應(yīng)卡爾曼濾波方法（ｆｕｚｚｙａｄａｐｔｉｖｅｋａｌｍａｎｆｉｌｔｅｒ）相比，該方法通過(guò)一個(gè)簡(jiǎn)單的指數(shù)函數(shù)代替復(fù)雜的模糊控制器，實(shí)時(shí)的檢測(cè)濾波器測(cè)量噪聲的統(tǒng)計(jì)特性的變化情況，跟蹤真實(shí)值。本方法不但實(shí)時(shí)性好，而且算法也比較簡(jiǎn)單，是目前應(yīng)用在車(chē)輛組合導(dǎo)航系統(tǒng)中一種更為實(shí)用的方法。

登錄網(wǎng)站后可下載文件