本發(fā)明涉及水下導(dǎo)航定位，尤其涉及基于彈性自適應(yīng)聯(lián)邦濾波的水下導(dǎo)航定位數(shù)據(jù)融合方法。

背景技術(shù)：

1、隨著水下航行器技術(shù)的不斷發(fā)展，水下定位和導(dǎo)航系統(tǒng)在各類海洋探索、科研任務(wù)、深海勘探、以及海洋工程等領(lǐng)域中起到了至關(guān)重要的作用。

2、盡管多傳感器融合技術(shù)已被廣泛應(yīng)用于水下航行器的導(dǎo)航系統(tǒng)，但現(xiàn)有技術(shù)在實(shí)際應(yīng)用中仍然面臨諸多挑戰(zhàn)。傳統(tǒng)的傳感器融合方法往往忽視傳感器之間的動(dòng)態(tài)變化與不確定性，無法有效處理由于傳感器故障或環(huán)境變化所帶來的異常數(shù)據(jù)。在某些復(fù)雜水下環(huán)境中，傳感器的誤差較大，或者出現(xiàn)測(cè)量數(shù)據(jù)的缺失或失真，導(dǎo)致系統(tǒng)的導(dǎo)航精度顯著降低。其次，現(xiàn)有的融合方法未能充分利用傳感器的健康度指標(biāo)和可靠性信息，難以動(dòng)態(tài)調(diào)整數(shù)據(jù)融合過程中的權(quán)重，缺乏自適應(yīng)能力。此外，雖然有些方法可以進(jìn)行濾波和數(shù)據(jù)修正，但當(dāng)多個(gè)傳感器同時(shí)出現(xiàn)異常時(shí)，現(xiàn)有方法通常不能有效地調(diào)整子濾波器之間的數(shù)據(jù)交互路徑，導(dǎo)致系統(tǒng)的魯棒性和容錯(cuò)能力不足。

技術(shù)實(shí)現(xiàn)思路

1、基于上述目的，本發(fā)明提供了基于彈性自適應(yīng)聯(lián)邦濾波的水下導(dǎo)航定位數(shù)據(jù)融合方法。

2、基于彈性自適應(yīng)聯(lián)邦濾波的水下導(dǎo)航定位數(shù)據(jù)融合方法，包括以下步驟：

3、s1，通過水下航行器上的慣性測(cè)量單元、多普勒計(jì)程儀、超短基線信標(biāo)和深度計(jì)，實(shí)時(shí)獲取原始導(dǎo)航參數(shù)，所述原始導(dǎo)航參數(shù)包括水下航行器的加速度、角速度、速度信息以及位置信息和深度信息；

4、s2，將s1中獲取的原始導(dǎo)航參數(shù)輸入預(yù)設(shè)的彈性自適應(yīng)聯(lián)邦濾波架構(gòu)，所述彈性自適應(yīng)聯(lián)邦濾波架構(gòu)包括一個(gè)主濾波器和四個(gè)子濾波器，子濾波器之間通過彈性自適應(yīng)機(jī)制建立動(dòng)態(tài)耦合關(guān)系，以生成初步狀態(tài)估計(jì)；

5、s3，對(duì)每個(gè)子濾波器的初步狀態(tài)估計(jì)進(jìn)行魯棒修正，基于當(dāng)前時(shí)刻的彈性因子調(diào)整濾波的魯棒邊界參數(shù)，生成修正后的局部狀態(tài)估計(jì)；

6、s4，采用動(dòng)態(tài)權(quán)重分配算法，對(duì)s3中修正后的各子濾波器局部狀態(tài)估計(jì)進(jìn)行可信度評(píng)估，基于所述修正后的狀態(tài)估計(jì)計(jì)算殘差異常度，并結(jié)合傳感器健康度指標(biāo)生成動(dòng)態(tài)加權(quán)系數(shù)，用于優(yōu)化數(shù)據(jù)融合的權(quán)重；

7、s5，若s4中計(jì)算的殘差異常度超過預(yù)設(shè)閾值，則觸發(fā)拓?fù)浣Y(jié)構(gòu)重構(gòu)機(jī)制，重新配置子濾波器之間的數(shù)據(jù)交互路徑，以應(yīng)對(duì)異常數(shù)據(jù)并優(yōu)化濾波效果；

8、s6，將s4生成的動(dòng)態(tài)加權(quán)后的局部狀態(tài)估計(jì)輸入主濾波器進(jìn)行融合處理，輸出最終導(dǎo)航定位參數(shù)，所述最終導(dǎo)航定位參數(shù)包括水下航行器的準(zhǔn)確位置、速度、加速度及航向信息，用于實(shí)現(xiàn)高精度導(dǎo)航定位。

9、可選的，所述s1包括：

10、s11，預(yù)設(shè)水下航行器的傳感器工作模式：在水下航行器的慣性測(cè)量單元、多普勒計(jì)程儀和深度計(jì)中，預(yù)設(shè)每個(gè)傳感器的工作模式，包括數(shù)據(jù)采集頻率、采集精度和數(shù)據(jù)傳輸方式；

11、s12，采集慣性測(cè)量單元的加速度和角速度信息：使用慣性測(cè)量單元實(shí)時(shí)采集水下航行器的加速度和角速度數(shù)據(jù)；

12、s13，采集多普勒計(jì)程儀的速度信息：使用多普勒計(jì)程儀通過測(cè)量水下航行器的相對(duì)速度與水流的相對(duì)速度，實(shí)時(shí)獲取航行器的速度信息；

13、s14，采集超短基線信標(biāo)的位置信息：通過方位-距離法獲得信標(biāo)的位置信息；

14、s15，采集深度計(jì)的深度信息：使用深度計(jì)實(shí)時(shí)獲取水下航行器的深度信息。

15、s16，數(shù)據(jù)同步與時(shí)間戳標(biāo)定：對(duì)所采集的加速度、角速度、速度信息和深度信息進(jìn)行時(shí)間同步，確保所有傳感器的數(shù)據(jù)在相同的時(shí)間基準(zhǔn)下進(jìn)行標(biāo)定，在同步過程中，采用時(shí)間戳技術(shù)對(duì)各傳感器的數(shù)據(jù)進(jìn)行對(duì)齊；

16、s17，生成原始導(dǎo)航參數(shù)集：將經(jīng)數(shù)據(jù)同步與時(shí)間戳標(biāo)定后的加速度、角速度、速度信息、位置信息和深度信息整合成一個(gè)原始導(dǎo)航參數(shù)集。

17、可選的，所述s2包括：

18、s21，初始化彈性自適應(yīng)聯(lián)邦濾波架構(gòu)：在水下航行器的導(dǎo)航系統(tǒng)中，初始化彈性自適應(yīng)聯(lián)邦濾波架構(gòu)，所述彈性自適應(yīng)聯(lián)邦濾波架構(gòu)包括一個(gè)主濾波器和四個(gè)子濾波器，所述主濾波器用于接收四個(gè)子濾波器的輸出結(jié)果并進(jìn)行最終融合，所述四個(gè)子濾波器分別接收來自不同傳感器的數(shù)據(jù)以進(jìn)行初步的狀態(tài)估計(jì)；

19、s22，設(shè)定子濾波器的輸入數(shù)據(jù)源：根據(jù)傳感器的不同，分別為每個(gè)子濾波器設(shè)定輸入數(shù)據(jù)源；

20、第一個(gè)子濾波器接收來自慣性測(cè)量單元的數(shù)據(jù)，包括水下航行器的加速度和角速度；

21、第二個(gè)子濾波器接收來自多普勒計(jì)程儀數(shù)據(jù)，包括水下航行器的速度信息；

22、第三個(gè)子濾波器接收來自超短基線定位系統(tǒng)的位置信息；

23、第四個(gè)子濾波器接收來自深度計(jì)的數(shù)據(jù)，包括水下航行器的深度信息；

24、每個(gè)子濾波器針對(duì)所分配的傳感器數(shù)據(jù)進(jìn)行處理，獨(dú)立生成初步的狀態(tài)估計(jì)；

25、s23，建立彈性自適應(yīng)機(jī)制：在四個(gè)子濾波器之間通過彈性自適應(yīng)機(jī)制建立動(dòng)態(tài)耦合關(guān)系；

26、s24，數(shù)據(jù)融合與初步狀態(tài)估計(jì)生成：在彈性自適應(yīng)機(jī)制的作用下，每個(gè)子濾波器對(duì)各自的輸入數(shù)據(jù)進(jìn)行濾波處理并輸出初步的狀態(tài)估計(jì)。

27、可選的，所述s3包括：

28、s31，獲取初步狀態(tài)估計(jì)和彈性因子：獲取生成的初步狀態(tài)估計(jì)和彈性自適應(yīng)機(jī)制中確定的彈性因子,作為魯棒修正的輸入；

29、s32，計(jì)算魯棒邊界參數(shù)：根據(jù)確定的彈性因子，計(jì)算濾波的魯棒邊界參數(shù)；

30、s33，進(jìn)行魯棒修正：根據(jù)計(jì)算出的魯棒邊界參數(shù)，分別對(duì)每個(gè)子濾波器的初步狀態(tài)估計(jì)進(jìn)行魯棒修正；

31、s34，生成修正后的局部狀態(tài)估計(jì)：經(jīng)過魯棒修正后，生成修正后的局部狀態(tài)估計(jì)。

32、可選的，所述s4包括：

33、s41，獲取修正后的局部狀態(tài)估計(jì)和傳感器健康度指標(biāo)：經(jīng)過魯棒修正后的每個(gè)子濾波器的局部狀態(tài)估計(jì)被作為輸入，同時(shí)，獲取每個(gè)子濾波器的傳感器健康度指標(biāo)；

34、s42，計(jì)算殘差異常度：基于修正后的局部狀態(tài)估計(jì)和傳感器健康度指標(biāo)，計(jì)算每個(gè)子濾波器的殘差異常度；

35、s43，動(dòng)態(tài)權(quán)重分配算法進(jìn)行可信度評(píng)估：采用動(dòng)態(tài)權(quán)重分配算法對(duì)每個(gè)子濾波器的修正后的局部狀態(tài)估計(jì)進(jìn)行可信度評(píng)估，可信度評(píng)估基于健康度指標(biāo)以及計(jì)算得到的殘差異常度評(píng)估每個(gè)子濾波器的可靠性；

36、s44，歸一化加權(quán)系數(shù)：對(duì)動(dòng)態(tài)加權(quán)系數(shù)進(jìn)行歸一化處理。

37、可選的，所述s5包括：

38、s51,判斷殘差異常度是否超過預(yù)設(shè)閾值：根據(jù)計(jì)算的殘差異常度，與預(yù)設(shè)的閾值進(jìn)行比較，判斷是否超過預(yù)設(shè)閾值；

39、s52，激活拓?fù)浣Y(jié)構(gòu)重構(gòu)機(jī)制：若殘差異常度超過預(yù)設(shè)閾值時(shí)，激活拓?fù)浣Y(jié)構(gòu)重構(gòu)機(jī)制；

40、s53，重新配置子濾波器之間的數(shù)據(jù)交互路徑：根據(jù)異常數(shù)據(jù)的來源和類型，重新配置子濾波器之間的數(shù)據(jù)交互路徑；

41、s54，優(yōu)化濾波效果：重新配置后的拓?fù)浣Y(jié)構(gòu)優(yōu)化了子濾波器間的數(shù)據(jù)流動(dòng)，使得信息傳遞更加高效和準(zhǔn)確，對(duì)優(yōu)化后的濾波效果進(jìn)行驗(yàn)證；

42、s55，確認(rèn)拓?fù)渲貥?gòu)的有效性：在每次拓?fù)浣Y(jié)構(gòu)重構(gòu)后，進(jìn)行性能評(píng)估，確認(rèn)重構(gòu)后的結(jié)構(gòu)能夠有效提升濾波效果。

43、可選的，所述s6包括：

44、s61，接收動(dòng)態(tài)加權(quán)后的局部狀態(tài)估計(jì)：接收動(dòng)態(tài)權(quán)重分配算法生成的動(dòng)態(tài)加權(quán)后的局部狀態(tài)估計(jì)；

45、s62，應(yīng)用加權(quán)融合算法：主濾波器采用加權(quán)平均算法對(duì)接收到的動(dòng)態(tài)加權(quán)后的局部狀態(tài)估計(jì)進(jìn)行融合處理，采用加權(quán)平均算法，結(jié)合每個(gè)子濾波器的加權(quán)系數(shù)，計(jì)算最終融合后的狀態(tài)估計(jì)；

46、s63，生成最終導(dǎo)航定位參數(shù)：基于融合后的狀態(tài)估計(jì)，生成最終的導(dǎo)航定位參數(shù)。

47、本發(fā)明的有益效果：

48、本發(fā)明，通過基于彈性自適應(yīng)聯(lián)邦濾波的方案，結(jié)合多個(gè)傳感器（包括慣性測(cè)量單元、多普勒計(jì)程儀、超短基線信標(biāo)和深度計(jì)）的數(shù)據(jù)進(jìn)行高效融合，采用動(dòng)態(tài)加權(quán)系數(shù)和彈性自適應(yīng)機(jī)制，使得每個(gè)傳感器的數(shù)據(jù)根據(jù)其健康狀態(tài)和測(cè)量精度動(dòng)態(tài)調(diào)整權(quán)重，從而顯著提高了水下航行器的位置、速度、加速度及航向的估計(jì)精度。在動(dòng)態(tài)復(fù)雜環(huán)境下，能夠?qū)崟r(shí)應(yīng)對(duì)傳感器故障或異常數(shù)據(jù)，通過拓?fù)浣Y(jié)構(gòu)重構(gòu)機(jī)制進(jìn)行靈活的數(shù)據(jù)路徑調(diào)整，進(jìn)一步提升系統(tǒng)的魯棒性，確保水下航行器在不同條件下始終保持高精度導(dǎo)航。

49、本發(fā)明，通過引入拓?fù)浣Y(jié)構(gòu)重構(gòu)機(jī)制，能夠根據(jù)每個(gè)子濾波器的殘差異常度和傳感器健康度指標(biāo)，實(shí)時(shí)調(diào)整子濾波器之間的數(shù)據(jù)交互路徑。該機(jī)制能夠應(yīng)對(duì)傳感器數(shù)據(jù)異常或噪聲影響，自動(dòng)優(yōu)化數(shù)據(jù)融合過程，減少異常數(shù)據(jù)對(duì)最終導(dǎo)航定位參數(shù)的影響。這種基于動(dòng)態(tài)權(quán)重分配和拓?fù)湔{(diào)整的融合方法，能夠有效抑制異常數(shù)據(jù)對(duì)定位精度的影響，確保導(dǎo)航系統(tǒng)在惡劣或不穩(wěn)定的環(huán)境中仍然穩(wěn)定運(yùn)行。

50、本發(fā)明，通過主濾波器融合來自不同子濾波器的動(dòng)態(tài)加權(quán)狀態(tài)估計(jì)，輸出最終的導(dǎo)航定位參數(shù)（包括位置、速度、加速度和航向）。此過程充分考慮了每個(gè)傳感器的信賴度和測(cè)量質(zhì)量，優(yōu)化了數(shù)據(jù)融合的權(quán)重，從而提高了定位結(jié)果的精確度和穩(wěn)定性。該系統(tǒng)不僅具有較高的實(shí)時(shí)性，能夠提供精確的導(dǎo)航定位信息，還能通過驗(yàn)證融合效果與優(yōu)化策略持續(xù)改進(jìn)，使得系統(tǒng)在復(fù)雜水下環(huán)境下保持良好的性能和應(yīng)對(duì)突發(fā)情況的能力。