专利名称：一种人工物理优化粒子滤波的重力梯度辅助定位方法
技术领域：
本发明涉及的是一种测量方法，尤其涉及的是一种人工物理优化粒子滤波的重力梯度辅助定位方法。
背景技术：
由于具有完全自主、隐蔽性好、可连续提供位置、速度和姿态参数的特点，惯性导航系统一直是水下航行器的基本导航系统。但众所周知，由于惯性器件的固有原因，惯性导航系统的定位误差随时间积累，长期精度难于保证。现代战争对导航定位精度提出的更高要求，推动了各种惯性基组合导航方法的不断出现和发展，如地形辅助导航、地磁辅助导航等与惯性导航系统相结合，以克服纯惯性导航系统的不足，有效降低对惯性导航系统的要求。重力梯度辅助定位方法符合重力场测量技术的发展趋势，充分利用重力梯度辅助定位 的潜在精度和无源特性为作战平台提供高精度定位参数，对提高载体隐蔽性和长期自主航行能力有重要意义。由于粒子滤波适用于非线性系统的状态估计问题，因此被应用于目标跟踪、导航定位等非线性非高斯问题的最优状态估计。但基本粒子滤波算法本身存在的缺陷引发滤波结果出现发散现象，并且粒子退化现象在重力梯度辅助定位中体现得比较明显，不能保证系统的稳定性。粒子滤波缺乏生成新粒子的能力，当所剩粒子不能代表真实的后验概率密度时，粒子滤波算法将会失败。因此，对粒子加速退化的问题进行改进，才能促使粒子滤波在重力梯度辅助定位中得到较好的应用。粒子退化的相关研究方案一直是该领域研究探讨的热门问题，典型的改进粒子滤波有辅助粒子滤波、无迹粒子滤波、正则粒子滤波等。近年来，有学者提出将群智能方法与粒子滤波相融合，由于群智能方法改进粒子滤波的核心在于改善重采样，优化粒子分布。因此这类方法的效果和可实现性取决于所用的优化算法本身。由于某些群智能算法通常存在搜索能力差、早收敛等问题，因此直接将其引入粒子滤波不但达不到预期效果，还可能导致算法变得更复杂。针对如上问题，本发明专利提出一种将人工物理优化方法引入粒子滤波来改善粒子退化和样本贫化问题的滤波算法，并将该算法应用于重力梯度辅助定位中。
发明内容
本发明的技术解决问题是克服现有技术的不足，提供一种人工物理优化粒子滤波的重力梯度辅助定位方法。本发明的技术解决方案为一种人工物理优化粒子滤波的重力梯度辅助定位方法，其特征在于粒子滤波完成一步预测后，人工物理优化粒子滤波算法将得到的候选粒子集视为人工物理解空间中的个体，通过优化生成新的建议分布，再对新的粒子集进行权值归一化和重采样。该算法中虚拟力决定了粒子移动轨迹，为使粒子向高似然区域聚集，规定所有粒子受到权值最大粒子的引力，使系统具有更好的稳定性，有利于系统位置误差逐渐趋于零。其具体步骤如下
(I)通过GPS确定载体的初始位置参数，将它们装订至导航计算机中；(2)捷联惯导系统进行预热准备，采集光纤陀螺仪和石英加速度计输出的数据并对数据进行处理；(3)人工物理优化粒子滤波算法的实现；I)初始化从后验概率密度分布中采样，权重置为1/N。同时设置感知半径rs，引力和斥力的阈值Dth，虚拟力系数Kal、Ka2，迭代次数等参数，感知矩阵C、虚拟力矩阵F和当前迭代次数置零。2)预测从采样的重要性密度函数中采样新粒子集并计算粒子权值。3)优化粒子分布a)计算粒子Si与Sj之间的欧氏距离(Ksi, Sj), i, j = I, 2, . . . N
b)计算 Si 对 Sj 的感知矩阵
权利要求
1.一种人工物理优化粒子滤波的重力梯度辅助定位方法，其特征在于包括以下步骤 (1)通过GPS确定载体的初始位置参数，将它们装订至导航计算机中； (2)捷联惯导系统进行预热准备，采集光纤陀螺仪和石英加速度计输出的数据并对数据进行处理； (3)人工物理优化粒子滤波算法的实现； 1)初始化从后验概率密度分布中采样，权重置为1/N。同时设置感知半径rs，引力和斥力的阈值Dth,虚拟力系数Kal、Ka2，迭代次数等参数，感知矩阵C、虚拟力矩阵F和当前迭代次数置零。
2)预测 从采样的重要性密度函数中采样新粒子集并计算粒子权值。
3)优化粒子分布 a)计算粒子Si与Sj之间的欧氏距离(Ksi,Sj), i, j = I, 2, ... N b)计算Si对S」的感知矩阵cO,，
2.根据权利要求I所述的一种人工物理优化粒子滤波的重力梯度辅助定位方法，其特征在于人工物理优化粒子滤波算法的实现，具体包括如下步骤 1)初始化 从后验概率密度分布中采样，权重置为1/N。同时设置感知半径rs，引力和斥力的阈值Dth,虚拟力系数Kal、Ka2，迭代次数等参数，感知矩阵C、虚拟力矩阵F和当前迭代次数置零。
2)预测 从采样的重要性密度函数中采样新粒子集并计算粒子权值。
3)优化粒子分布 a)计算粒子Si与Sj之间的欧氏距离(Ksi,Sj), i, j = I, 2, ... N b)计算Si对S」的感知矩阵
3.根据权利要求I所述的一种人工物理优化粒子滤波的重力梯度辅助定位方法，其特征在于重力梯度辅助的组合滤波模型的建立，具体包括如下步骤 在惯性导航系统误差方程基础上推导基于重力梯度辅助定位的组合滤波模型，选取经纬度误差、速度误差、姿态误差、加速度计零偏以及陀螺漂移作为状态变量。重力梯度辅助定位与惯性导航系统的紧组合过程是将重力梯度作为观测量。考虑重力梯度观测值是载体真实位置的函数，基于重力梯度辅助定位观测方程可表示为 其中，yJk(j, k = x，y，z)为重力梯度观测值表示真实载体位置(外;I)处的重力梯度表示观测噪声。重力梯度与载体真实位置为典型的非线性关系，由于惯性导航系统不能直接给出载体真实位置(外A)，因此，常用线性近似滤波方法将非线性向量函数(仍;I)在当前时刻滤波估值汝i)附近取一阶泰勒级数展开
全文摘要
本发明提供的是一种人工物理优化粒子滤波的重力梯度辅助定位方法。通过GPS确定载体的初始位置参数，将它们装订至导航计算机中；捷联惯导系统进行预热准备，采集光纤陀螺仪和石英加速度计输出的数据并对数据进行处理；通过引入人工物理优化，改善粒子分布，克服粒子滤波的粒子退化问题，减少计算量和所需的迭代次数。人工物理优化粒子滤波算法通过在改善粒子分布的过程中引入了排斥力，避免粒子集过分重叠或拥挤，保证粒子多样性和优化后的粒子集对后验概率密度形成均匀的覆盖能力。人工物理优化粒子滤波通过不断的更新和递推，估计出惯导系统的位置误差后进行校正，从而使重力梯度辅助惯导系统的位置误差逐渐趋于零。本发明提出的人工物理优化粒子滤波算法在提高系统估计精度的同时，使系统具有更好的稳定性。
文档编号G06F19/00GK102778230SQ20121019463
公开日2012年11月14日 申请日期2012年6月14日 优先权日2012年6月14日
发明者孙伟, 徐爱功, 杨琳, 高扬 申请人:辽宁工程技术大学