• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 17
    • 下载费用:30 金币  

    重庆时时彩在线开奖: 一种基于蜂群算法改进CKF的单点重力匹配方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410216172.2

    申请日:

    2014.05.21

    公开号:

    CN103968839A

    公开日:

    2014.08.06

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G01C 21/16申请日:20140521|||公开
    IPC分类号: G01C21/16; G01C21/08 主分类号: G01C21/16
    申请人: 哈尔滨工程大学
    发明人: 周广涛; 赵博; 张鹏; 姜鑫; 孙艳涛; 郝勤顺; 杨若雨; 林萌萌; 孙妍忞; 张思
    地址: 150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410216172.2

    授权公告号:

    ||||||

    法律状态公告日:

    2017.02.22|||2014.09.03|||2014.08.06

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明涉及一种基于蜂群算法改进CKF的单点重力匹配方法,获取状态量初值X0和协方差阵初值P0;采用CKF方法进行时间更新,得到状态一步预测值和一步预测协方差阵根据惯性导航系统输出的载体经度λk和纬度在重力基准图中得到对应的重力强度Fk;根据重力强度Fk和多普勒输出的载体速度Vk,采用人工蜂群算法在惯性导航系统指示位置进行迭代搜索,得到经度和纬度的最优估计值λk′和根据经度和纬度的最优估计值λk′和采用CKF方法进行量测更新,状态估计协方差值Pk,状态向量的最优估计值

    权利要求书

    权利要求书
    1.  一种基于蜂群算法改进CKF的单点重力匹配方法,其特征在于:包括以下步骤:
    步骤1:采集重力仪测量重力信号F,获取载体位置信息经度λ和纬度速度信息Vx和Vy、载体姿态信息和
    步骤2:以载体位置误差信息和δλ、速度误差信息δVx和δVy、载体姿态信息和陀螺仪和加速度计的漂移信息作为状态量,得到状态向量X;以系统的外部噪声作为系统扰动向量W,建立系统状态方程;
    步骤3:根据步骤1采集的信息,获取状态量初值X0和协方差阵初值P0;采用CKF方法进行时间更新,得到状态一步预测值和一步预测协方差阵
    步骤4:根据惯性导航系统输出的载体经度λk和纬度在重力基准图中得到对应的重力强度Fk;根据重力强度Fk和多普勒输出的载体速度Vk,采用人工蜂群算法在惯性导航系统指示位置进行迭代搜索,得到经度和纬度的最优估计值λk′和
    步骤5:根据惯性导航系统实时输出的经度λk和纬度在重力基准图获得相关重力强度由重力仪测量得到重力强度的观测值两者做差得到系统观测向量
    步骤6:根据步骤4中得到的经度和纬度的最优估计值λk′和,采用CKF方法进行量测更新,得到量测预测值新息方差Pxz,k、协方差矩阵Pzz,k、滤波增益Kk、状态估计协方差阵Pk,状态向量的最优估计值
    步骤7:重复步骤4至步骤6,进行下一步状态向量和状态协方差阵的估计。

    2.  根据权利要求1所述的基于蜂群算法改进CKF的单点重力匹配方法,其特征在于:
    步骤2中,状态向量X表示如下:

    其中,为系统姿态角;εdi(i=x,y,z)为陀螺仪常值漂移误差,且满足εri(i=x,y,z)为陀螺仪一阶马尔可夫漂移误差,满足 式中T代表陀螺仪一阶马尔可夫过程的时间常数,wri(i=x,y,z)为陀螺仪的一阶噪声,为加速度计零阶漂移,满足一阶马尔可夫过程,且式中Ta代表加速度计一阶马尔可夫过程的时间常数,wi(i=x,y)为加速度计一阶噪声,[……]T代表向量的转置;
    系统的扰动向量W表示如下:
    W=[wgx wgy wgz wrx wry wrz wax way]T
    其中,wgi,i=(x,y,z)为白噪声,满足wgi~N(0,σ2),i=x,y,z;
    系统的状态方程表示如下:

    其中,F为系统矩阵,G为系统控制矩阵,将上式离散化得到:

    其中,

    。

    3.  根据权利要求2所述的基于蜂群算法改进CKF的单点重力匹配方法,其特征在于:步骤3中,状态量初值X0和协方差阵初值P0表示为:


    采用CKF方法进行时间更新时,考虑具有加性高斯噪声的非线性系统状态方程和量测方程具有以下形式
    xk=f(xk-1,μk-1)+ωk-1
    zk=h(xk,μk)+νk
    其中,xk∈Rn是系统在k时刻的状态,是系统的输入,zk∈Rm是系统的量测值,ωk-1和νk是不相关零均值高斯白噪声,其协方差阵分别为Qk-1和Rk;
    对于任意函数f(x)的加权高斯计分为

    具有2n个元素的容积点集{ξi}为

    其中,容积点ξi是n维列向量,n为状态维数;为协方差P的Cholesky分解,且满足利用容积法则,在贝叶斯估计框架下,假设第k时刻已知后验密度函数
    采用CKF方法进行时间更新如下:
    (1)计算容积点

    (2)容积点的传播

    (3)状态预测值和协方差阵


    其中Qk-1为系统输入的协方差阵。

    4.  根据权利要求3所述的基于蜂群算法改进CKF的单点重力匹配方法,其特征在于:步骤4中,具体包括如下步骤:
    步骤4.1:参数初始化;随机生成n个关于给定经度λk、纬度速度V的附近的初始解Xi,位置为当前给定的并按下式初始化解群;
    Xi=Xi0+rand*R
    其中,Xi(i=1,2,…n)是二维向量,Xi0为由所获得的初始解,rand为[0,1]之间的任意数,R为邻域半径;
    步骤4.2:按照下式,在当前解的范围内搜索新的位置解,计算新解的适应度;当新解的适应度更优时,则位置解更新到新的位置,否则保持原解不变,并且未更新次数s加1;

    其中,k=1,2,…n,j=1,2,且i≠j;为[-1,1]之间任意数;
    计算当前的适应度函数值fitness:
    fitness=1/(1+fi)
    其中,

    其中,m1,m2是因子,且满足m1+m2=1,λk-1|k-1和分别表示k-1时刻滤波后的经度和纬度的最优估计值,F为当前重力场强度测量值,Fk为根据惯性导航系统输出的当前经度λk和纬度在重力基准图中得到重力场强度,Vk为多普勒输出的载体速度;
    步骤4.3:按下式计算每个引领蜂被选中的概率:

    Pi代表特定解的适应度函数值占适应度函数值总和的比例;
    步骤4.4:跟随蜂按轮盘赌的方式选取一个引领蜂,即步骤4.2中更新后的解进行跟随,按步骤4.1中的方式更新位置信息,如果位置更优,则更新到新解,否则未更新次数s加1;
    步骤4.5:当在第i个解附近未更新次数大于给定值smax时,仍没有找到比当前的解更适合的解,则引领蜂放弃当前的位置解,变成侦查蜂,按步骤4.1的方法初始化新的解群;
    步骤4.6:若迭代次数达到最大值,则算法迭代结束,输出此时的最优解,否则返回步骤4.2继续循环。

    5.  根据权利要求4所述的基于蜂群算法改进CKF的单点重力匹配方法,其特征在于:步骤6中,采用CKF方法进行量测更新如下:
    (1)计算容积点

    (2)容积点传播
    Zj,k=h(Xj,k,μk),j=1,2,…2n.
    (3)估计k时刻的量测预测值

    (4)估计新息方差

    (5)估计协方差矩阵
    (6)估计滤波增益
    Kk=Pxz,kPzz,k-1
    (7)k时刻状态估计值

    (8)k时刻状态估计协方差值
    。

    说明书

    说明书一种基于蜂群算法改进CKF的单点重力匹配方法
    技术领域
    本发明涉及一种基于蜂群算法改进CKF的单点重力匹配方法。
    背景技术
    以惯导器件(陀螺和加速度计)为主的惯性导航系统(INS)已经成为当前导航领域广泛应用的导航系统,被广泛应用于航海、航天和航空领域,由于陀螺漂移和加速度计零偏等因素的影响,惯性导航系统也存在一定程度的误差,且惯性导航系统的位置误差随着时间不断积累,难以满足长期和高精度导航的要求。重力辅助导航可以有效地弥补惯性导航的缺点,它不受时间的限制,重力仪可以提供实时的重力数据,通过与惯性导航系统结合,可以分析重力基准图上的重力强度数据。目前,导航中采用的CKF(容积卡尔曼滤波)方法存在易受环境干扰和误差影响而导致的估计不精确等缺点。
    发明内容
    本发明目的在于提供一种基于蜂群算法改进CKF的单点重力匹配方法,能够有效提高CKF的稳定性和精度,减小环境和偏差的影响。
    实现本发明目的技术方案:
    一种基于蜂群算法改进CKF的单点重力匹配方法,其特征在于,包括以下步骤:
    步骤1:采集重力仪测量重力信号F,获取载体位置信息经度λ和纬度 速度信息Vx和Vy、载体姿态信息和
    步骤2:以载体位置误差信息和δλ、速度误差信息δVx和δVy、载体姿态信息和陀螺仪和加速度计的漂移信息作为状态量,得到状态向量X;以系统的外部噪声作为系统扰动向量W,建立系统状态方程;
    步骤3:根据步骤1采集的信息,获取状态量初值X0和协方差阵初值P0;采用CKF方法进行时间更新,得到状态一步预测值和一步预测协方差阵
    步骤4:根据惯性导航系统输出的载体经度λk和纬度在重力基准图中得到对应的重力强度Fk;根据重力强度Fk和多普勒输出的载体速度Vk,采用人工蜂群算法在惯性导航系统指示位置进行迭代搜索,得到经度和纬度的最优估计值λk′和
    步骤5:根据惯性导航系统实时输出的经度λk和纬度在重力基准图获得相关重力强度由重力仪测量得到重力强度的观测值两者做差得到系统观测向量
    步骤6:根据步骤4中得到的经度和纬度的最优估计值λk′和采用CKF方法进行量测更新,得到量测预测值新息方差Pxz,k、协方差矩阵Pzz,k、滤波增益Kk、状态估计协方阵Pk,状态向量的最优估计值
    步骤7:重复步骤4至步骤6,进行下一步状态向量和状态协方差阵的估计。
    步骤2中,状态向量X表示如下:

    其中,为系统姿态角;εdi(i=x,y,z)为陀螺仪常值漂移误差,且满足εri(i=x,y,z)为陀螺仪一阶马尔可夫漂移误差,满足式中T代表陀螺仪一阶马尔可夫过程的时间常数, wri(i=x,y,z)为陀螺仪的一阶噪声,为加速度计零阶漂移,满足一阶马尔可夫过程,且式中Ta代表加速度计一阶马尔可夫过程的时间常数,wi(i=x,y)为加速度计一阶噪声,[……]T代表向量的转置;
    系统的扰动向量W表示如下:
    W=[wgx wgy wgz wrx wry wrz wax way]T
    其中,wgi,i=(x,y,z)为白噪声,满足wgi~N(0,σ2),i=x,y,z;
    系统的状态方程表示如下:
    X·=FX+GW]]>
    其中,F为系统矩阵,G为系统控制矩阵,将上式离散化得到:
    X·k+1=Φk+1,kXk+Γk+1,kWk]]>
    其中,
    Φ·k+1,k=F(t)Φk+1,k]]>
    Γk+1,k=∫kk+1Φk+1.kG(τ)]]>
    步骤3中,状态量初值X0和协方差阵初值P0表示为:

    P0=E[(x0-x^0)(x0-x^0)T](x^0=E(x0))]]>
    采用CKF方法进行时间更新时,考虑具有加性高斯噪声的非线性系统状态方程和量测方程具有以下形式
    xk=f(xk-1,μk-1)+ωk-1
    zk=h(xk,μk)+νk
    其中,xk∈Rn是系统在k时刻的状态,是系统的输入,zk∈Rm是系 统的量测值,ωk-1和νk是不相关零均值高斯白噪声,其协方差阵分别为Qk-1和Rk;
    对于任意函数f(x)的加权高斯计分为
    IN(f)=∫Rnf(x)N(x;μ,P)dx≈12nΣi=12nf(μ+Pξi)]]>
    具有2n个元素的容积点集{ξi}为
    n{10...0...00...1-10...0...00...-1}]]>
    其中,容积点ξi是n维列向量,n为状态维数;为协方差P的Cholesky分解,且满足利用容积法则,在贝叶斯估计框架下,假设第k时刻已知后验密度函数p(xk-1)=N(xk-1;x^k-1,Pk-1);]]>
    采用CKF方法进行时间更新如下:
    (1)计算容积点
    Xj,k-1=Pk-1ξk+x^k-1,j=1,2,...2n]]>
    (2)容积点的传播
    Xj,k*=f(Xj,k-1,μk-1),j=1,2,...2n]]>
    (3)状态预测值和协方差阵
    X‾k=12nΣj=12nXj,k*]]>
    P‾k=12nΣj=12nXj,k*Xj,k*T-X‾kX‾kT+Qk-1]]>
    其中Qk-1为系统输入的协方差阵。
    步骤4中,具体包括如下步骤:
    步骤4.1:参数初始化;随机生成n个关于给定经度λk、纬度速度V 的附近的初始解Xi,位置为当前给定的并按下式初始化解群;
    Xi=Xi0+rand*R
    其中,Xi(i=1,2,…n)是二维向量,Xi0为由所获得的初始解,rand为[0,1]之间的任意数,R为邻域半径;
    步骤4.2:按照下式,在当前解的范围内搜索新的位置解,计算新解的适应度;当新解的适应度更优时,则位置解更新到新的位置,否则保持原解不变,并且未更新次数s加1;
    Vij=Xij+φij(Xij-Xkj)]]>
    其中,k=1,2,…n,j=1,2,且i≠j;为[-1,1]之间任意数;
    计算当前的适应度函数值fitness:
    fitness=1/(1+fi)
    其中,

    其中,m1,m2是因子,且满足m1+m2=1,λk-1|k-1和分别表示k-1时刻滤波后的经度和纬度的最优估计值,F为当前重力场强度测量值,Fk为根据惯性导航系统输出的当前经度λk和纬度在重力基准图中得到重力场强度,Vk为多普勒输出的载体速度;
    步骤4.3:按下式计算每个引领蜂被选中的概率:
    Pi=fithess/Σi=1nfitness]]>
    Pi代表特定解的适应度函数值占适应度函数值总和的比例;
    步骤4.4:跟随蜂按轮盘赌的方式选取一个引领蜂,即步骤4.2中更新后的解进行跟随,按步骤4.1中的方式更新位置信息,如果位置更优,则更新到新解,否则未更新次数s加1;
    步骤4.5:当在第i个解附近未更新次数大于给定值smax时,仍没有找到比当前的解更适合的解,则引领蜂放弃当前的位置解,变成侦查蜂,按步骤4.1的方法初始化新的解群;
    步骤4.6:若迭代次数达到最大值,则算法迭代结束,输出此时的最优解,否则返回步骤4.2继续循环。
    步骤6中,采用CKF方法进行量测更新如下:
    (1)计算容积点
    Xj,k=P‾kξi+X‾k]]>
    (2)容积点传播
    Zj,k=h(Xj,k,μk),j=1,2,…2n.
    (3)估计k时刻的量测预测值
    Z‾k=12nΣj=12nZj,k]]>
    (4)估计新息方差
    Pzz,k=12nΣj=12nZj,kZj,kT-Z‾kZ‾kT+Rk]]>
    (5)估计协方差矩阵
    Pxz,k=12nΣj=12nXj,kZj,kT-X‾kZ‾kT]]>
    (6)估计滤波增益
    Kk=Pxz,kPzz,k-1
    (7)k时刻状态估计值
    X^k=X‾k+Kx(Zk-Z‾k)]]>
    (8)k时刻状态估计协方差值
    Pk=P‾k-KxPzz,kKkT]]>
    本发明具有的有益效果:
    本发明针对系统的非线性和噪声干扰导致数学模型难以准确建立的问题,采用单点重力匹配方式,避免了模型近似带来的误差,使匹配滤波结果的精确度提高。
    本发明针对单点重力匹配方式,采用CKF方法,基于高斯假设的贝叶斯框架,将非线性滤波归结为非线性函数与高斯概率密度乘积的积分问题,实现简单,估计精度高,无需像EKF算法那样计算雅克比矩阵,也无需像UKF算法那样预先假设参数。
    本发明针对滤波模型不准确而带来的滤波性能下降的问题,采用人工蜂群算法对CKF加以改进。人工蜂群算法的流程简单,鲁棒性强,具有群体内多角色分工明确,良好的协同工作机制,且容易与其它算法结合的优势。本发明采用人工蜂群算法对CKF一步预测信息进行二次匹配,利用匹配后的状态量用于CKF的量测更新过程,提高了CKF的稳定性和精度,减小了环境和偏差的影响,从而提高匹配定位的精度。
    附图说明
    图1是本发明的方法流程图;
    图2是本发明提供的基于蜂群算法改进CKF的单点重力匹配方法的原理框 图。
    具体实施方式
    如图1所示,本发明基于蜂群算法改进CKF的单点重力匹配方法包括以下几个步骤:
    步骤1:采集重力仪测量重力信号F,获取由惯性导航系统输出的载体位置信息λ和速度信息Vx和Vy、载体姿态信息和
    步骤2:以载体位置误差信息和δλ、速度误差信息δVx和δVy、载体姿态信息和陀螺仪和加速度计的漂移信息作为状态量,得到状态向量X;以系统的外部噪声作为系统扰动向量W,进而建立系统状态方程。
    具体为,以载体位置误差信息和δλ、速度误差信息δVx和δVy、载体姿态信息和陀螺仪和加速度计的漂移信息作为状态量,定义得到系统状态向量

    其中,为系统姿态角;εdi(i=x,y,z)为陀螺仪常值漂移误差,且满足εri(i=x,y,z)为陀螺仪一阶马尔可夫漂移误差,满足式中T代表陀螺仪一阶马尔可夫过程的时间常数,wri(i=x,y,z)为陀螺仪的一阶噪声,为加速度计零阶漂移,满足一阶马尔可夫过程,且式中Ta代表加速度计一阶马尔可夫过程的时间常数,wi(i=x,y)为加速度计一阶噪声,[……]T代表向量的转置。系统的扰动向量可以表示为如下:
    W=[wgx wgy wgz wrx wry wrz wax way]T
    其中,wgi,i=(x,y,z)为白噪声,满足wgi~N(0,σ2),i=x,y,z。系统的状态方程可以表示为
    X·=FX+GW]]>
    其中,F为系统矩阵,G为系统控制矩阵,将上式离散化得到:
    X·k+1=Φk+1,kXk+Γk+1,kWk]]>
    其中,
    Φ·k+1,k=F(t)Φk+1,k]]>
    Γk+1,k=∫kk+1Φk+1.kG(τ)]]>
    步骤3:根据步骤1采集的信息,获取状态量初值X0和协方差阵初值P0;采用CKF方法进行时间更新,得到状态一步预测值和一步预测协方差阵
    状态量初值X0和协方差阵初值P0表示为:

    其中,为系统姿态角;εdi0(i=x,y,z)为陀螺仪常值漂移误差,且满足εri0(i=x,y,z)为陀螺仪一阶马尔可夫漂移误差,满足上式中T代表陀螺仪一阶马尔可夫过程的时间常数,wri(i=x,y,z)为陀螺仪的一阶噪声;为加速计零阶漂移,满足一阶马尔可夫过程,且上式中Ta代表加速度计一阶马尔可夫过程的时间常数,wi(i=x,y)为加速度计一阶噪声,[……]T代表向量的转置。协方差阵初值,即
    P0=E[(x0-x^0)(x0-x^0)T](x^0=E(x0))]]>
    具体为,获取的状态量初值和协方差阵初值分别为

    P0=E[(x0-x^0)(x0-x^0)T](x^0=E(x0))]]>
    进行CKF时间更新??悸蔷哂屑有愿咚乖肷姆窍咝韵低匙刺匠毯土坎夥匠叹哂幸韵滦问?
    xk=f(xk-1,μk-1)+ωk-1
    zk=h(xk,μk)+νk
    其中,xk∈Rn是系统在k时刻的状态,是系统的输入,zk∈Rm是系统的量测值,ωk-1和νk是不相关零均值高斯白噪声,其协方差阵分别为Qk-1和Rk。
    非线性高斯滤波的核心问题使求解多变量非线性函数与高斯密度函数乘积的积分,通过三阶容积积分法则,利用2n个容积点求和来代替高斯积分加权问题,对于任意函数f(x)的加权高斯计分为
    IN(f)=∫Rnf(x)N(x;μ,P)dx≈12nΣi=12nf(μ+Pξi)]]>
    具有2n个元素的容积点集{ξi}为
    n{10...0...00...1-10...0...00...-1}]]>
    其中,容积点ξi是n维列向量,n为状态维数;为协方差P的Cholesky分解,且满足利用容积法则,在贝叶斯估计框架下,假设第k时刻已知后验密度函数p(xk-1)=N(xk-1;x^k-1,Pk-1).]]>
    CKF时间更新如下:
    (1)计算容积点
    Xj,k-1=Pk-1ξk+x^k-1,j=1,2,...2n]]>
    (2)容积点的传播
    Xj,k*=f(Xj,k-1,μk-1),j=1,2,...2n]]>
    (3)状态预测值和协方差阵
    X‾k=12nΣj=12nXj,k*]]>
    P‾k=12nΣj=12nXj,k*Xj,k*T-X‾kX‾kT+Qk-1]]>
    其中,Qk-1为系统输入的协方差阵。
    步骤4:根据惯性导航系统输出的经度λk和纬度在重力基准图中得到重力场强度Fk。多普勒输出载体速度为Vk。采用人工蜂群算法在惯性导航系统指示位置进行迭代搜索,不断更新经度和纬度信息,并定义代价函数fi

    其中,m1,m2是因子,且满足m1+m2=1,λk-1|k-1和分别表示k-1时刻经过滤波后的经度和纬度的最优估计值,F为由重力仪输出的重力场强度测量值,表示二范数的平方。Vk为多普勒输出的载体速度。由于代价函数fi>0,进一步定义适应度函数fitness
    fitness=1/(1+fi)
    在给定初始值及迭代次数后,可以得到了经度和纬度的最优估计值λk′和
    具体为,根据惯性导航系统输出的当前经度λk和纬度在重力基准图中得到重力场强度Fk,多普勒输出载体速度为Vk。采用人工蜂群算法进行迭代操作,具体步骤如下:
    步骤4.1:参数初始化:随机生成n个关于给定经度λk、纬度速度V 的附近的初始解Xi,初始位置为当前给定的并按下式初始化解群;
    Xi=Xi0+rand*R
    其中,Xi(i=1,2,…n)是二维向量,Xi0为由所获得的初始解。rand为[0,1]之间的任意数,R为邻域半径。
    步骤4.2:按照下式,在当前解的范围内搜索新的位置解,计算新解的适应度。当新解的适应度更优时,则位置解更新到新的位置,否则保持原解不变,并且未更新次数s加1;
    Vij=Xij+φij(Xij-Xkj)]]>
    其中,k=1,2,…n,j=1,2,且i≠j;为[-1,1]之间任意数。
    计算当前的代价函数值fi:

    其中,m1,m2是因子,且满足m1+m2=1,λk-1|k-1和分别表示k-1时刻滤波后的经度和纬度的最优估计值,F为当前重力场强度测量值,Fk为根据惯性导航系统输出的当前经度λk和纬度由重力基准图得到的重力场强度。由于代价函数fi>0,进一步定义适应度函数fitness
    fitness=1/(1+fi)
    计算当前的适应度函数值fitness。
    步骤4.3:按下式计算每个引领蜂被选中的概率:
    Pi=fitness/Σi=1nfitness]]>
    其中,Pi代表特定解的适应度函数值占适应度函数值总和的比例。
    步骤4.4:跟随蜂按轮盘赌的方式选取一个引领蜂即步骤4.2中更新后的解进行跟随,按步骤4.1中的方式更新位置信息,如果位置更优,则更新到新解,否则未更新次数s加1;
    步骤4.5:当在第i个解附近未更新次数大于给定值smax时,仍没有找到比当前的解更适合的解,则引领蜂放弃当前的位置解,变成侦查蜂,按步骤4.2中的方法搜索新解;
    步骤4.6:若迭代次数达到最大值,则算法迭代结束,输出此时的最优解,否则返回步骤4.2继续循环。
    步骤5:由惯性导航系统实时输出的经度信息λk和纬度信息根据重力基准图获得相关重力强度值,由重力仪测量得到重力强度的观测值两者做差得到系统观测向量
    具体为,根据惯性导航系统实时输出的经度信息λk和纬度信息根据重力基准图获得相关重力强度值由重力仪测量得到重力强度的观测值两者做差得到系统观测向量

    其中,δgm为基准图误,δggg为重力仪测量误差;
    步骤6:对步骤4得到的最优估计的经度λk′和纬度惯性导航系统输出的载体姿态信息和采用CKF进行量测更新,得到量测预测值新息方差Pxz,k、协方差矩阵Pzz,k、滤波增益Kk、状态估计均方差值Pk,状态向量的最优估计值
    具体为,应用步骤4得到的最优估计的经度λk′和纬度以及多普勒输出载体速度Vk对CKF进行量测更新,具体如下:
    (1)计算容积点
    Xj,k=P‾kξi+X‾k]]>
    (2)容积点传播
    Zj,k=h(Xj,k,μk),j=1,2,…2n.
    (3)估计k时刻的量测预测值
    Z‾k=12nΣj=12nZj,k]]>
    (4)估计新息方差
    Pzz,k=12nΣj=12nZj,kZj,kT-Z‾kZ‾kT+Rk]]>
    (5)估计协方差矩阵
    Pxz,k=12nΣj=12nXj,kZj,kT-X‾kZ‾kT]]>
    (6)估计滤波增益
    Kk=Pxz,kPzz,k-1
    (7)k时刻状态估计值
    X^k=X‾k+Kx(Zk-Z‾k)]]>
    (8)k时刻状态估计协方差值
    Pk=P‾k-KxPzz,kKkT]]>
    步骤7:采用由CKF滤波得到的新的初值和方差、经度和纬度的最优估计值以及速度为Vk重复步骤4至步骤6,进行下一步滤波及人工蜂群算法的处理。从以上实施例不难看出,对于单点重力匹配,相对于现有的匹配方法,本发明提 供一种基于人工蜂群算法改进CKF的单点重力匹配方法,解决了CKF滤波过程中易受环境干扰和误差影响而导致的估计不精确的问题。蜂群算法具有群体内多角色分工明确,良好的协同工作机制,且容易与其它算法结合的优势。采用人工蜂群算法对CKF一步预测信息进行二次匹配,利用匹配后的状态量用于CKF滤波的量测更新过程,提高了CKF滤波的稳定性和精度,减小了环境和偏差的影响,从而提高匹配定位精度。

    关 键 词:
    一种 基于 蜂群 算法 改进 CKF 单点 重力 匹配 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于蜂群算法改进CKF的单点重力匹配方法.pdf
    链接地址://www.4mum.com.cn/p-6141931.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03