【技术实现步骤摘要】
本专利技术涉及组合导航领域，具体而言，涉及一种组合导航的定位信息融合方法、装置、电子设备及存储介质。
技术介绍
1、卫星导航系统(global navigation satellite system，gnss)具有精度高、成本低，适用性强，且导航误差不随时间累积等特点；但其自身也存在着不足，如运动载体行驶在复杂的环境中(如周围建筑、树木或者隧道等环境对卫星信号的遮挡)会导致卫星信号失锁，从而导致gnss系统输出的定位信息不可靠。惯性导航系统(inertial navigationsystem，ins)是自主导航系统，具有高自主性、高刷新率，且不容易收外界信号影响的优点；但是由于ins是根据牛顿力学原理制作的，在不断积分的过程中，导航误差会随着时间的积累而不断积累，从而导致长时间导航时输出定位精度的不可靠。gnss/ins组合导航的提出与实现解决了这一问题，其能输出连续的、高精度的定位导航信息如三维位置信息、三维速度信息、三维姿态角信息等。
2、gnss/ins组合导航系统中，gnss系统和ins系统独立工作，分别将解算出来的位置信息进行融合后会输出可靠的导航信息数据。在组合导航系统中，卡尔曼滤波算法是常用的数据融合算法，针对不同的情况会采用不同的卡尔曼模型，例如扩展卡尔曼滤波(extended kalman filtering，ekf)算法、强跟踪滤波(strong tracking filtering，stf)算法、无迹卡尔曼滤波(unscented kalman filtering，ukf)算法、强跟踪无迹卡尔曼
3、但在运载体发生状态激变，例如突然加减速、拐弯等情况下，应用以上滤波方法的组合导航系统的滤波性能都较运载体在平稳航行时有所下降。故在运载体发生状态激变时，如何保证组合导航系统的滤波性能不随之突降是需要考虑的问题。
技术实现思路
1、本专利技术的目的在于提供一种组合导航的定位信息融合方法、装置、电子设备及存储介质，以改善现有技术存在的问题。
2、本专利技术的实施例可以这样实现：
3、第一方面，本专利技术提供一种组合导航的定位信息融合方法，包括：
4、获得当前时刻的gnss定位信息和ins定位信息之间的定位误差信息、前m个时刻的目标系统新息、当前时刻的测量噪声的协方差矩阵、上一时刻的误差滤波结果及其误差协方差矩阵；
5、根据强跟踪无迹卡尔曼滤波原理，基于所述当前时刻的定位误差信息、所述上一时刻的误差滤波结果及其误差协方差矩阵，获得当前时刻的一步预测矩阵、目标预测观测量均值、目标自协方差矩阵和目标互协方差矩阵；
6、基于所述前m个时刻的目标系统新息以及当前时刻的目标自协方差矩阵确定当前激变参数；所述当前激变参数反映运载体当前的航行稳定程度；
7、基于所述当前激变参数与预设稳定参数，确定当前时刻的自适应因子；
8、基于所述当前时刻的目标互协方差矩阵、目标自协方差矩阵、自适应因子以及测量噪声的协方差矩阵，确定所述当前时刻的滤波增益；所述自适应因子用于在计算滤波增益时调节所述测量噪声的协方差矩阵；
9、基于所述当前时刻的一步预测矩阵、滤波增益、定位误差信息以及目标预测观测量均值，确定当前时刻的误差滤波结果；
10、利用所述误差滤波结果补偿所述ins定位信息，得到当前时刻的融合定位结果。
11、可选的，所述基于所述前m个时刻的目标系统新息以及当前时刻的目标自协方差矩阵确定当前激变参数的步骤，包括：
12、基于所述前m个时刻的目标系统新息，计算新息协方差矩阵；
13、基于所述新息协方差矩阵和所述当前时刻的目标自协方差矩阵，确定当前激变参数。
14、可选的，所述新息协方差矩阵的计算公式为：
15、
16、式中，为所述新息协方差矩阵；k+1代表当前时刻，m反映窗口函数的长度，ηi为前m个时刻中引入渐消因子后的目标系统新息；
17、所述当前激变参数的计算公式为：
18、
19、式中，α0为所述当前激变参数，tr[]代表矩阵的迹，代表所述当前时刻的目标自协方差矩阵；
20、所述自适应因子的计算公式为：
21、
22、式中，αk+1代表所述当前时刻的自适应因子，c为预设稳定参数。
23、可选的，所述滤波增益的计算公式为：
24、
25、式中，kk+1代表所述当前时刻的滤波增益，pxz,k+1代表所述当前时刻的目标互协方差矩阵，代表所述当前时刻的目标自协方差矩阵，αk+1代表所述当前时刻的自适应因子，rk+1代表所述当前时刻的测量噪声的协方差矩阵；
26、所述误差滤波结果的计算公式为：
27、
28、式中，代表所述当前时刻的误差滤波结果，代表所述当前时刻的一步预测矩阵，zk+1代表所述当前时刻的定位误差信息，代表所述当前时刻的目标预测观测量均值。
29、可选的，所述根据强跟踪无迹卡尔曼滤波原理，基于所述当前时刻的定位误差信息、所述上一时刻的误差滤波结果及其误差协方差矩阵，获得当前时刻的一步预测矩阵、目标预测观测量均值、目标自协方差矩阵和目标互协方差矩阵的步骤，包括：
30、构建非线性系统的状态方程和观测方程；
31、基于所述上一时刻的滤波结果及其误差协方差矩阵，进行sigma点采样，得到第一sigma点集；
32、将所述第一sigma点集代入所述状态方程得到新的第一sigma点集，以获得所述当前时刻的一步预测矩阵；
33、基于所述新的第一sigma点集、所述当前时刻的一步预测矩阵和系统噪声的协方差矩阵，计算所述当前时刻的初始状态协方差矩阵；
34、将所述新的第一sigma点集代入所述观测方程得到所述当前时刻的预测观测量，以获得所述当前时刻的预测观测量均值；
35、基于所述当前时刻的预测观测量、预测观测量均值和测量噪声的协方差矩阵，计算所述当前时刻的初始自协方差矩阵；
36、基于所述第一sigma点集、所述当前时刻的预测观测量和预测观测量均值，计算所述当前时刻的初始互协方差矩阵；
37、基于上一时刻的系统噪声的协方差矩阵、所述当前时刻的初始互协方差矩阵、初始状态协方差矩阵、初始自协方差矩阵、原始系统新息以及测量噪声的协方差矩阵，计算所述当前时刻的渐消因子；
38、基于所述当前时刻的渐消因子、新的第一sigma点集以及系统噪声的协方差矩阵，计算所述当前时刻的目标状态协方差矩阵；
39、基于所述新的第一sigma点集和所述目标状态协方差矩阵，进行sigma点采样，得到第二sigma点集，并将所述第二sigma点集代入所述观测方程得到所述当前时刻的目标预测观测量；本文档来自技高网...
【技术保护点】
1.一种组合导航的定位信息融合方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述前M个时刻的目标系统新息以及当前时刻的目标自协方差矩阵确定当前激变参数的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述新息协方差矩阵的计算公式为：
4.根据权利要求1所述的方法，其特征在于，所述滤波增益的计算公式为：
5.根据权利要求1所述的方法，其特征在于，所述根据强跟踪无迹卡尔曼滤波原理，基于所述当前时刻的定位误差信息、所述上一时刻的误差滤波结果及其误差协方差矩阵，获得当前时刻的一步预测矩阵、目标预测观测量均值、目标自协方差矩阵和目标互协方差矩阵的步骤，包括：
6.根据权利要求5所述的方法，其特征在于，在所述基于所述当前时刻的一步预测矩阵、滤波增益、定位误差信息以及目标预测观测量均值，确定当前时刻的误差滤波结果的步骤之后，所述方法还包括：
7.一种组合导航的定位信息融合装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述滤波模块用于基于所述前M个时刻的
9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器存储有软件程序，当所述电子设备运行时所述处理器执行所述软件程序以实现如权利要求1-6中任一项所述的组合导航的定位信息融合方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的组合导航的定位信息融合方法。
...【技术特征摘要】
1.一种组合导航的定位信息融合方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述前m个时刻的目标系统新息以及当前时刻的目标自协方差矩阵确定当前激变参数的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，所述新息协方差矩阵的计算公式为：
4.根据权利要求1所述的方法，其特征在于，所述滤波增益的计算公式为：
5.根据权利要求1所述的方法，其特征在于，所述根据强跟踪无迹卡尔曼滤波原理，基于所述当前时刻的定位误差信息、所述上一时刻的误差滤波结果及其误差协方差矩阵，获得当前时刻的一步预测矩阵、目标预测观测量均值、目标自协方差矩阵和目标互协方差矩阵的步骤，包括：
6.根据权利要求5所述的方法，其特征在于，在所述基于所述当前时刻的一步预...
【专利技术属性】
技术研发人员：陈晓锋，庄巍，范建林，刘大伟，伍超明，王亮，李全同，
申请(专利权)人：广东省科学院半导体研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。