买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明是一种基于投影统计量检测器的多源信息融合方法，该方法对扩展卡尔曼滤波的更新过程进行修正。首先，基于假设检验统计原理，利用投影统计量检测器对各观测值的可用性进行评估，将异常量测值予以排除；然后，将扩展卡尔曼滤波的预测状态作为“伪”观测值建立冗余量测方程，并将其与正常的量测方程进行联立构建等价最小二乘回归模型；最后，利用迭代Huber型M‑估计对系统的状态进行鲁棒估计，从而增强所得状态及其协方差加权迭代估计结果的可靠性。本发明设计的基于投影统计量检测器的多源信息融合方法流程简单，思路清晰，这为多传感器导航系统在城市峡谷等恶劣条件下的可靠性定位提供了积极的参考和借鉴意义。

主权项：1.一种基于投影统计量检测器的多源信息融合方法，其特征在于，包括如下步骤：步骤1，根据多传感器导航系统误差模型分别建立状态方程和量测方程；步骤2，基于扩展卡尔曼滤波原理计算系统预测状态及其误差协方差矩阵；步骤3，基于扩展卡尔曼滤波原理计算标准新息向量；步骤4，利用相邻历元的标准新息向量构建检测矩阵，基于投影统计量检测器原理对异常量测值进行排除；步骤5，利用系统预测状态及其误差协方差矩阵构建冗余量测方程并将其与正常观测值对应的量测方程进行联立，形成新的量测模型；步骤6，针对新的量测模型进行迭代Huber型M-估计，输出鲁棒的状态估计及其协方差矩阵；步骤4包括如下过程：利用相邻历元的标准新息向量构建检测矩阵，基于投影统计量检测器原理对异常量测值进行排除，步骤4-1，利用相邻历元的标准新息向量构建检测矩阵： 其中，Ωk是历元k下相邻历元的标准新息构成的m×2的检测矩阵；步骤4-2，计算各样本对应的投影统计值：将Ωk的每一行视为一个样本si，分别计算各样本对应的投影统计值，首先，计算坐标中位数：M＝{medisi1,medisi2,...,medisiq}，其中，medisij表示所有样本点第j维的中位数，i＝1,2,…,m，j＝1,2；然后，计算样本点si对应的单位向量： 其中，u表示与以坐标中位数M为起点并经过每个样本点的同方向单位向量；最后，计算样本点si的投影统计值PSi： 其中，PSi表示样本点si的投影统计值；步骤4-3，设置误警率α，计算检测门限：误警率α下的检测门限为： 其中：Fx|ν表示自由度为ν的卡方累积分布函数；Th为门限值；步骤4-4，将各样本对应投影统计值逐个与检测门限进行比较，排除异常量测值：由于各样本点均来自高维高斯分布主体，因此服从自由度为ν的卡方分布，根据假设检验原理，当样本si的投影统计量满足：PSi＞Th，即可判定该样本已受到一定程度的污染，即为异常量测值，将异常量测值排除，排除异常量测后的量测方程为： 其中，为重构观测向量，表示重构观测矩阵，为重构观测噪声向量；步骤5包括如下过程：利用系统预测状态及其误差协方差矩阵构建冗余量测方程并将其与正常观测值对应的量测方程进行联立，形成新的量测模型，首先，构建冗余量测方程， 其中，In表示n×n单位阵，ηk为0均值的高斯白噪声，其协方差为然后，形成新的量测模型， 简写为：其中，噪声的协方差矩阵满足： 其中，是噪声的协方差矩阵，为排除量测异常值后观测噪声的协方差矩阵，m'是排除量测异常值后剩余量测值的个数；最后，为了形式简单，利用预白化将量测模型转化为：Yk＝Akxk+εk，其中，Yk为预白化后广义观测向量，Ak表示预白化后广义观测矩阵，εk为预白化后广义观测噪声向量，εk服从标准高斯分布，为预白化因子，满足：

全文数据：

权利要求：

百度查询： 东南大学 一种基于投影统计量检测器的多源信息融合方法