一种基于信息概率的融合定位方法技术

本发明专利技术提出一种基于信息概率的融合定位方法，该方法通过推导出两个概率密度函数融合之后新概率密度函数的参数解析式，之后通过递推方法推导出多个源融合的参数解析式，利用该融合后的参数解析式计算获取融合导航定位信息。本发明专利技术相对于传统基于卡尔曼滤波的融合定位方法，不仅能够减小融合定位的计算量、提高运算速度，而且对于融合导航源的扩展更加灵活，对于导航源的接入和断开都具有很强的鲁棒性。通过仿真结果可以看出，该方法可以提高融合后定位的精度，并且融合的源越多精度越高。此方法为融合导航定位算法设计提供了一种新的思路，能更加快速、实时地获取融合后的导航定位信息。

【技术实现步骤摘要】
一种基于信息概率的融合定位方法
本专利技术属于融合定位领域，具体涉及一种基于信息概率的融合定位方法。
技术介绍
从20世纪进入21世纪，卫星导航(GNSS)经历了从初出茅庐到发展壮大的过程，并从以卫星导航为主要应用主体演变为定位、导航、授时与移动通信和因特网等信息载体融合的新时期。由于GNSS信号容易受到干扰，很多国家和地区的研究机构已经开展了多项研究，以弥补GNSS的不足为目标，从而使各种环境中部队作战能力得到确切保障。由于各导航系统独立工作时，自身的定位特点会对导航定位精度带来一定的影响，目前常采用组合导航的方式克服各导航系统独立工作时的缺点，并可以使各种导航系统的优势充分发挥，从而使组合系统的导航性能明显提高。而其中所采用的融合算法起着至关重要的作用。生活中，为了使得汽车、飞机、舰船等导航终端载体的定位更加精确，往往给载体上安装了多种导航传感器，这些传感器的导航数据格式通常都不统一，需要采用融合算法对这些导航数据进行融合，从而得到一个更加精准的导航定位信息。传统融合算法大多是基于卡尔曼滤波(KalmanFiltering)及其改进算法发展而来的，通过系统输入输出观测数据从而对系统状态进行最优估计。文献“基于GPS/INS/磁力计多传感器融合的连续定位，传感技术学报，2020，vol.33，No.9，pp.1320-1326”，通过利用卡尔曼滤波对GPS和INS信号进行融合，利用磁力计对INS信号进行修正，由于基于卡尔曼滤波的融合方法可扩展能力弱，使得整体融合算法无法融合磁力计的信息；若融合超过两个导航源信息时，会造成卡尔曼滤波计算复杂、计算缓慢，无法保证导航信息的实时性。
技术实现思路
为了解决传统基于卡尔曼滤波的融合算法可扩展性差、计算复杂，在融合源过多的情况下无法保证实时性的问题，本专利技术提出了一种利用导航源信息的概率密度函数进行融合定位的新方法，该方法通过推导出两个概率密度函数融合之后新概率密度函数的参数解析式，之后通过递推方法推导出多个源融合的参数解析式，利用该融合后的参数解析式计算获取融合导航定位信息。本专利技术的技术方案为：所述一种基于信息概率的融合定位方法，包括以下步骤：步骤1：对于运载体上装载的n个导航源，建立各个导航源的定位信息的概率统计模型，并确定各导航源定位信息的概率密度函数；所述概率密度函数以高斯分布为基础；步骤2：运载体运行了一段时间t＝1,2,…,T，第i个导航源测量得到的该载体的运动轨迹序列为Xi＝{xi1,xi2,…,xiT}，i＝1,2,…,n；步骤3：利用步骤1所确定各导航源定位信息的概率密度函数，以及步骤2中各导航源测量得到的运载体的运动轨迹序列，通过以下公式计算两两导航源之间的融合乘积因子Sab其中，和为进行计算的两个导航源a和b的概率密度函数的方差，xa和xb为对应两个导航源a和b的导航定位测量值；若某个导航源与其它导航源两两之间的融合乘积因子中，有s个以上的融合乘积因子低于设定门限值，则认为该导航源在此次任务中出现较大偏差，在进行后续融合计算前将该导航源对应的数据剔除，不参与后续融合计算；步骤4：在对所有导航源经过步骤3处理后，利用公式计算得到第t时刻融合得到的运载体位置坐标Pt；其中m为经过步骤3处理后，进行融合的导航源个数，xit为第i个导航源在第t时刻测量得到的运载体位置信息。进一步的，步骤3中，s取值为2。进一步的，步骤1中，当导航源为定位精度已知的导航源时，根据该导航源的圆概率误差CEP，计算标准差RMS为RMS＝1.2*CEP，进一步得到对应的方差σ2＝1.44*CEP2。进一步的，步骤1中，当导航源为定位精度未知的导航源时，采用定点多次重复实验的方法获得定位的数据分布，并确定导航源的圆概率误差CEP，然后计算标准差RMS为RMS＝1.2*CEP，进一步得到对应的方差σ2＝1.44*CEP2。有益效果单个导航源的导航定位性能提升已经到了瓶颈，通过将多个导航源信息融合之后进行导航定位，能够有效提升整体导航定位精度；传统基于卡尔曼滤波的融合定位方法存在导航源个数扩展难度大、计算复杂的问题，严重制约了融合定位下导航源的扩展和实时性计算。本专利技术提出了一种基于信息概率的融合定位方法，相对于传统基于卡尔曼滤波的融合定位方法，不仅能够减小融合定位的计算量、提高运算速度，而且对于融合导航源的扩展更加灵活，对于导航源的接入和断开都具有很强的鲁棒性。通过仿真结果可以看出，该方法可以提高融合后定位的精度，并且融合的源越多精度越高。此方法为融合导航定位算法设计提供了一种新的思路，能更加快速、实时地获取融合后的导航定位信息。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1利用信息概率进行融合定位流程图；图2圆概率误差示意图；图3场景一条件下测量与融合轨迹；图4场景一条件下误差曲线；图5场景一条件下误差数值；图6场景二条件下测量与融合轨迹；图7场景二条件下误差曲线；图8场景二条件下误差数值。具体实施方式为使本专利技术的技术手段更易理解，下面结合具体实施例，更进一步阐述本专利技术。现有一运载体，上面装载若干个导航信号源，初始位置坐标为(10m,15m)，运载体x轴方向速度vx＝5m/s，y轴方向速度vy＝8m/s，导航源1的定位精度为5m，导航源2的定位精度为10m，导航源3的定位精度为12m。运载体总共运动了50s，各导航源都是每隔1s提供一次导航定位数据。以上述条件为仿真背景，参照图1所示的系统流程进行仿真。步骤一：建立导航源信号的概率统计模型要建立导航源定位信息的概率统计模型，首先要弄清楚其定位的概率分布特性。大多数导航源的定位概率成高斯型分布，因此如何求解其分布参数是重中之重。GNSS导航源定位精度单位通常以圆概率误差(CEP)给出，例如5m的CEP，意思是以5m为半径画圆，有50％的点能打在圆内，即GNSS定位在5m精度的概率是50％。导航源主要分为以下两类：参数已知导航源和参数未知导航源。导航源的定位概率特性通常呈高斯型分布特性，因此通常需要求得其概率分布的方差。对于参数已知的导航源，通常会已知其定位精度，该定位精度通常表征的是圆概率误差(CEP)，其跟标准差(RMS)之间的换算关系为：RMS＝1.2*CEP。计算得到对应的标准差后进而得到对应的方差，即σ2＝1.44*CEP2。对于参数未知的导航源，通常采用定点多次重复实验的方法获得定位的数据分布，按照数据中心位置以半径R画圆，若有50％的数据点落在该圆的范围内，则称该半径R为导航源的圆概率误差(CEP)，如图2所示。其对应的方差表达式为：σ2＝1.44*R2。步骤二：概率信息的融合算法根据建立的本文档来自技高网...

【技术保护点】
1.一种基于信息概率的融合定位方法，其特征在于：包括以下步骤：/n步骤1：对于运载体上装载的n个导航源，建立各个导航源的定位信息的概率统计模型，并确定各导航源定位信息的概率密度函数；所述概率密度函数以高斯分布为基础；/n步骤2：运载体运行了一段时间t＝1,2,…,T，第i个导航源测量得到的该载体的运动轨迹序列为X

【技术特征摘要】
1.一种基于信息概率的融合定位方法，其特征在于：包括以下步骤：
步骤1：对于运载体上装载的n个导航源，建立各个导航源的定位信息的概率统计模型，并确定各导航源定位信息的概率密度函数；所述概率密度函数以高斯分布为基础；
步骤2：运载体运行了一段时间t＝1,2,…,T，第i个导航源测量得到的该载体的运动轨迹序列为Xi＝{xi1,xi2,…,xiT}，i＝1,2,…,n；
步骤3：利用步骤1所确定各导航源定位信息的概率密度函数，以及步骤2中各导航源测量得到的运载体的运动轨迹序列，通过以下公式计算两两导航源之间的融合乘积因子Sab



其中，和为进行计算的两个导航源a和b的概率密度函数的方差，xa和xb为对应两个导航源a和b的导航定位测量值；
若某个导航源与其它导航源两两之间的融合乘积因子中，有s个以上的融合乘积因子低于设定门限值，则认为该导航源在此次任务中出现较大偏差，在进行后续融合计算前将该导航源对应的数据剔除，不参与后续融合计算；
步...

【专利技术属性】
技术研发人员：张怡，宋哲，唐成凯，张玲玲，程泽宇，于阳，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61