一种多系统多模型混合交互式信息融合定位方法
【技术领域】
[0001] 本发明涉及导航与制导技术领域，尤其涉及一种基于贝叶斯理论的多系统多模型 混合交互式信息融合定位方法。
【背景技术】
[0002] 传统的导航定位算法主要通过建立机动目标的运动状态模型和外界系统对目标 的观测模型来进行滤波，获得机动目标的准确定位信息。但是一般情况下，机动目标的运 动方式存在随机性，基本很难通过一种特定的模型完成对机动目标的运动进行建模描述。 此外单一的定位系统对目标进行观测时，起作用范围有限，比如GNSS卫星导航在城市高楼 间、树荫下、峡谷中等复杂环境下，定位性能受限。
[0003] 针对机动目标运动状态多变而无法准确建模的问题，研宄人员提出了交互式多模 型（interacting multiple model，IMM)的算法，通过用多个模型同时对机动目标的运动状 态进行建模描述，滤波前先将各模型前一采样时刻的状态向量根据贝叶斯理论进行混合， 然后对各模型进行并行滤波，并根据滤波产生的新息计算各模型的概率，将各模型的滤波 结果按照模型概率进行融合，融合结果做为最终的定位结果进行输出。与传统的单模型滤 波相比，IMM算法能够有效提尚运动状态多变的机动目标的定位性能。
[0004] 针对机动目标运动中环境不断变化情况引起的单系统定位范围、性能受限问题， 各种非GNSS导航定位方法被广泛研宄，如：基于Wifi网络、视觉、RFID的导航定位等。将 各种导航定位手段的信息进行融合的算法也研宄较多，如基于贝叶斯网络的融合算法、基 于DS证据理论的融合算法、基于联邦结构的融合算法等。其中联邦结构的融合算法研宄 较多，并且已经在工程中获得应用。其基本原理是先将各种系统的导航定位信息进行分布 式滤波，然后将分布式滤波结果根据定位误差进行加权融合，获得较高精度的定位结果。
[0005] 尽管针对机动目标定位的状态模型和系统模型两个方面的研宄都有不少，但是还 没有一种方案将两方面的问题综合考虑，观测系统的模型和运动状态模型的匹配直接决定 着机动目标的导航定位滤波的效果。
【发明内容】
[0006] 有鉴于此，本发明提供了一种多系统多模型混合交互式信息融合定位方法，能够 通过多观测系统协同定位实现多个运动模型下的机动目标导航定位。
[0007] 本发明的一种多系统多模型混合交互式信息融合定位方法，包括如下步骤：
[0008] 步骤1、在导航定位过程中，针对待定位的目标，采用该目标可能的运动模型描述 其运动状态，确定该目标的状态向量；同时，采用多个可用的观测系统对目标进行观测，确 定观测系统获得的观测信息与目标的状态向量之间的函数关系；其中，运动模型的个数设 为N个，观测系统的个数设为M个；
[0009] 步骤2、对目标的N个运动模型进行混合，具体为：
[0010] 将第η个运动模型的状态向量与其它各运动模型进行混合：针对第η个运动模型， 将第η个运动模型与其它各运动模型之间的条件概率作为加权因子，将t-1时刻的各运动 模型对应的状态向量进行加权求和处理，得到第η个运动模型的混合后的t-Ι时刻的状态 向量；其中，η = 1，2，"·Ν ;
[0011] 将第η个运动模型的状态误差与N个运动模型中其它各运动模型进行混合：先计 算在该运动模型η下，运动模型η'在t时刻的状态误差初值，即：将运动模型η'的t-Ι时 刻状态向量与运动模型η在t时刻状态向量之间的误差方差加上运动模型η'在t-Ι时刻 状态误差而得到的和值；其中，η' = 1，2,…N ;分别将运动模型η与所述N个运动模型之 间的条件概率作为加权因子，对得到的运动模型η下各个运动模型对应的状态误差初值进 行加权求和，则得到第η个运动模型混合后的t-Ι时刻状态误差；
[0012] 步骤3、基于步骤1中建立的所述函数关系，采用M个观测系统的观测信息分别对 第η个运动模型对应的混合后的t-Ι时刻状态向量和状态误差进行滤波，获得t时刻第η 个模型在各观测系统下的状态向量和状态误差，以及获得第η个运动模型下各观测系统对 应的新息和新息方差；
[0013] 步骤4、针对步骤3获得的第η个运动模型对应的所有观测系统的新息和新息方 差，通过贝叶斯全概率公式，计算第η个模型下各观测系统的概率；以各观测系统概率为加 权因子，将步骤3获得的第η个模型在各观测系统下的状态向量进行加权求和，获得t时刻 多系统融合后运动模型η的状态向量；
[0014] 同理，以观测系统概率为加权因子，对步骤3获得的第η个模型在各观测系统下的 状态误差进行加权求和，获得t时刻多系统融合后运动模型η的状态误差；
[0015] 步骤5、将各个运动模型的后验概率作为加权因子，将步骤4获得的多系统融合后 各运动模型的状态向量进行加权求和，得到t时刻多系统多模型融合后的状态向量；
[0016] 将各个运动模型的后验概率作为加权因子，将步骤4获得的多系统融合后各运动 模型的状态误差进行加权求和，得到t时刻多系统多模型融合后的状态误差；
[0017] 所述t时刻多系统多模型融合后的状态向量和状态误差之和即为当前t时刻的定 位信息。
[0018] 本发明具有如下有益效果：
[0019] (1)本发明针对导航定位过程中单一观测系统定位范围有限，单一运动模型描述 运动状态不准确的问题，提出了从运动模型、观测系统两个维度，采用多模型多系统对目标 进行跟踪定位的方法。该方法将多模型和多系统的定位结果按照模型概率、系统概率进行 加权融合，很好的发挥了多系统共同定位和多模型并行建模定位的性能优势。
【附图说明】
[0020] 图1为本发明中多模型融合的系统框图。
[0021] 图2为本发明中多模型融合的原理图。
[0022] 图3为本发明的定位方法的流程图。
【具体实施方式】
[0023] 下面结合附图并举实施例，对本发明进行详细描述。
[0024] 1、目标定位的"多系统多模型"建模
[0025] -般情况下，对一个目标进行导航定位（或者称作跟踪滤波），需要两个方程一一 "运动模型"及"观测模型"。
[0026] "运动模型"就是对目标的运动过程的一种数学描述，比如一个正在进行匀速直 线运动的目标可以描述为：x(t+At) = x(t)+vAt做匀加速直线运动的目标可以描述为： , μ 4 1 … 十 Δ/) = ·χ(/) + νΔ/ +citsl。
[0027] "观测模型"是目标外的其他系统对目标观测的一种数学描述，即建立从目标状态 信息到观测信息之间的一种函数关系，比如通过GPS卫星观测运动目标可以建立卫星观测 信息"伪距"和目标状态信息"Χ，Υ，Ζ坐标"之间的函数关系：z(t) = f(x(t)，v(t));再如通 过移动基站观测运动目标可以建立基站观测信息"移动信号强度"和目标状态信息"X，Y，Z 坐标"之间的函数关系。
[0028] 本发明所指"多模型"是说针对特定的运动目标，一般很难用一种运动模型描述。 比如路面上的运动车辆在△ t时间内，可能先做匀速直线运动，然后在路况较好的时候开 始加速，看到前方红灯又进行减速运动，在十字路口进行了拐弯运动，整个过程中涉及到四 种运动。所以用单一的一个运动模型去描述已经不够。所以考虑采用多个运动模型对目标 运动状态进行描述，描述的状态方程统一记为：
[0029] x(t) = Apxp(t-l)+GV(t)
[0030] 上标p表示一个运动集合，针对上边的例子这里p表示集合；
[0031] {匀速直线运动，匀加速直线运动，转弯运动}
[0032] A表示t-Ι目标状态到t时刻目标状态函数关系（用矩阵表示）。例如当p为匀
【主权项】
1. 一种多系统多模型混合交互式信息融合定位方法，其特征在于，包括如下步骤： 步骤1、在导航定位过程中，针对待定位的目标，采用该目标可能的运动模型描述其运 动状态，确定该目标的状态向量；同时，采用多个可用的观测系统对目标进行观测，确定观 测系统获得的观测信息与目标的状态向量之间的函数关系；其中，运动模型的个数设为N 个，观测系统的个数设为M个； 步骤2、对目标的N个运动模型进行混合，具体为： 将第η个运动模型的状态向量与其它各运动模型进行混合：针对第η个运动模型，将第 η个运动模型与其它各运动模型之间的条件概率作为加权因子，将t-Ι时刻的各运动模型 对应的状态向量进行加权求和处理，得到第η个运动模型的混合后的t-Ι时刻的状态向量； 其中，η = 1，2，···Ν; 将第η个运动模型的状态误差与N个运动模型中其它各运动模型进行混合：先计算在 该运动模型η下，运动模型η'在t时刻的状态误差初值，即：将运动模型η'的t-Ι时刻状 态向量与运动模型η在t时刻状态向量之间的误差方差加上运动模型η'在t-Ι时刻状态 误差而得到的和值；其中，η' = 1，2, ...N;分别将运动模型η与所述N个运动模型之间的 条件概率作为加权因子，对得到的运动模型η下各个运动模型对应的状态误差初值进行加 权求和，则得到第η个运动模型混合后的t-Ι时刻状态误差； 步骤3、基于步骤1中建立的所述函数关系，采用M个观测系统的观测信息分别对第η 个运动模型对应的混合后的t-Ι时刻状态向量和状态误差进行滤波，获得t时刻第η个模 型在各观测系统下的状态向量和状态误差，以及获得第η个运动模型下各观测系统对应的 新息和新息方差； 步骤4、针对步骤3获得的第η个运动模型对应的所有观测系统的新息和新息方差，通 过贝叶斯全概率公式，计算第η个模型下各观测系统的概率；以各观测系统概率为加权因 子，将步骤3获得的第η个模型在各观测系统下的状态向量进行加权求和，获得t时刻多系 统融合后运动模型η的状态向量； 同理，以观测系统概率为加权因子，对步骤3获得的第η个模型在各观测系统下的状态 误差进行加权求和，获得t时刻多系统融合后运动模型η的状态误差； 步骤5、将各个运动模型的后验概率作为加权因子，将步骤4获得的多系统融合后各运 动模型的状态向量进行加权求和，得到t时刻多系统多模型融合后的状态向量； 将各个运动模型的后验概率作为加权因子，将步骤4获得的多系统融合后各运动模型 的状态误差进行加权求和，得到t时刻多系统多模型融合后的状态误差； 所述t时刻多系统多模型融合后的状态向量和状态误差之和即为当前t时刻的定位信 息。
【专利摘要】本发明公开了一种多系统多模型混合交互式信息融合定位方法，针对导航定位过程中单一观测系统定位范围有限，单一运动模型描述运动状态不准确的问题，提出了从运动模型、观测系统两个维度，采用多模型多系统对目标进行跟踪定位的方法；该方法将多模型和多系统的定位结果按照模型概率、系统概率进行加权融合，很好的发挥了多系统共同定位和多模型并行建模定位的性能优势。
【IPC分类】G01C21-20
【公开号】CN104833357
【申请号】CN201510181319
【发明人】张晓光, 魏东岩, 来奇峰, 公续平, 李祥红, 李雯
【申请人】中国科学院光电研究院
【公开日】2015年8月12日
【申请日】2015年4月16日