子滤波器降阶条件下增益融合算法地研究.pdfVIP

子滤波器降阶条件下增益融合算法的研究 李骥邱红专张洪钺 (北京航空航天大学自动化科学与电气工程学院北京 100083) 蕾要 本文提出了一种子滤波器状态维数低于主滤波器维数(降阶)条件下的增益融合算 法，并利用组合导航系统进行了仿真验证．本方案中子滤波器通过增益阵进行与主滤波器的信 息传递，子滤波器降阶，只进行测量更新．这种算法与联邦滤波器相比虽然精度略低，但计算 量小，通讯量小，耦合程度低，系统设计和修改灵活． 关t词 分散化滤波，增益融合 多传感器测量系统的最优估计方法一般包括集中滤波和分散化滤波。分散化滤波技术 计算量小、设计灵活、具有容错性，因而成为目前研究的重点。但包括联邦滤波技术“1 在内的各种分散化滤波算法需要对主、子滤波器状态方差求逆，这给组合导航等高维数系 统带来相当沉重的计算负担。由B．S．Paik和J．H．Oh提出的一种主、子滤波器状态相同的增 益融合算法“’，将信息由子滤波器的增益阵传递到主滤波器，避免了复杂的方差阵求逆计 算，在计算量上具有一定的优势。 考虑到当采用增益融合算法时，子滤波器不进行时间更新，不需要用到系统状态方程， 所以完全可以将子滤波器中与测量无关的状态抛去，构成降阶滤波器。参考文献[3]的方 法，本文推导出这种降阶条件下的增益融合算法。这里采用了全新定义的子滤波器增益阵， 融合算法也由利用子滤波器的状态估值变为利用状态估值的残差。经验证，子滤波器降阶 后的增益融合算法具有更小的计算量和通讯量而计算的精度与未降阶的增益融合算法一 样。 1 增益瞳合算法 1．1 系统描述 假设一个由Ⅲ个子传感器构成的多传感器系统，每个子系统的状态方程和测量方程为： x，(七+1)=o，(k)X，(七)+G．(七)彬(七)l…，¨ … z。(I)：C．(I)x。(I)+¨(I)f”1’2’…” 其中z．(t)∈R一是第f个传感器的测量值，z，(I)∈R一是与此传感器相关的状态向量， C．(t)∈R”一为测量矩阵，彬(t)∈Rm和F(t)ER“分别为系统噪声和测量噪声且均为不相关 白噪声序列，它们的方差阵分别为Q(t)∈R”‘和R(t)∈R…。 将各子系统状态方程与测量方程组合起来构成的整体系统状态方程与测量方程为： z(七+1)=m(七lz(七)+G(七)矽(七)l … z(七)=胃(七)x(七)+r(七)l 其中x(t)E彤，n≥一，i=1,2，…m，各子系统状态x．(t)是总系统状态x(k)的一部分。 w(k)∈R。和y(七)∈R，分别为总系统噪声和测量噪声。它们的方差阵分别为Q(k)∈R一和 R(t)∈Rp”。主、子系统之间存在如下关系： ER“” (3) x．(t)=pX(t)·p 49 E旯’，P=∑J口，， (4) z(t)=【Zi(^)z；(t)…z：(^)f (5) vCk)=Iv,7(t)一(t)…vr．(I)j， (6) R(k)=blockdiag[R．(七)岛(女)…凡(I)J， 日(女)=睇∞)H；(t)…碰(七)f， (7) 且 何，(七)=c』(t)p， (8) D作为主、子传感器状态的变化阵要求行满秩，在实际系统中这一点很容易满足。另外， 由(3)不难推出： X．(k／j)