【技术领域】
本发明属于导航、制导与控制技术领域，尤其涉及一种仿生偏振光辅助的无人作战飞行器自主导航方法。
背景技术：
作为一种面临复杂作战环境、远离操控基站的无人化平台，无人作战飞行器智能自主飞行是必须具备的核心能力之一，而这一核心能力的重要支撑就是自主精确导航技术。自主精确导航技术是无人作战飞行器完成既定任务、实现其价值的根本保证，也是制约无人作战飞行器快速发展的主要瓶颈之一。
为了满足长航时持续作战、高机动飞行以及复杂战场环境下抗干扰精确飞行等任务需求，无人作战飞行器对导航系统的设计提出了非常高的要求。目前，主流的导航手段按照导航方式的自主性主要分为自主导航和非自主导航。自主导航包括：惯性导航、天文导航、视觉导航等；非自主导航中最重要的是卫星导航。自主导航由于其在导航阶段不与外界进行信息交互，所以具有抗干扰能力强的特点，在军事领域有无法比拟的优势。
然而，现有的自主导航方式均存在各自的缺陷和适用范围，无法满足无人作战飞行器精确导航的需求。如惯性导航误差随时间快速积累；天文导航在无人作战飞行器飞行的低空域无法获得准确的星光信息；视觉导航系统受视角变化、光照强弱等因素影响，容易出现图像跟踪不稳定导致算法失效的问题。
技术实现要素：
本发明的目的是提供一种仿生偏振光辅助的无人作战飞行器自主导航方法，以通过仿生偏振光辅助传统的导航系统，构成组合导航系统，解决传统导航方法自主性不强、时间误差导致精确性不高、观测信息受干扰时系统鲁棒性不佳等问题，从而提升无人作战飞行器在复杂战场环境下的自主精确导航能力。
本发明采用以下技术方案：一种仿生偏振光辅助的无人作战飞行器自主导航方法，包括：
根据mimu导航子系统建立基于四元数的bpns/mimu/vns自主组合导航系统动力学模型；
分别通过bpns导航子系统和vns导航子系统，建立第一观测模型和第二观测模型；
获取每个导航子系统的导航信息，利用改进的联邦ckf滤波方法对动力学模型、第一观测模型和第二观测模型进行状态估计，得到无人作战飞行器的最终导航信息。
进一步地，利用改进的联邦ckf滤波方法对动力学模型、第一观测模型和第二观测模型进行状态估计包括：
利用改进的ckf滤波方法对动力学模型和第一观测模型进行状态估计，得到无人作战飞行器的第一导航信息；
利用改进的ckf滤波方法对动力学模型和第二观测模型进行状态估计，得到无人作战飞行器的第二导航信息；
利用联邦滤波方法对第一导航信息和第二导航信息进行系统状态融合后，得到无人作战飞行器的最终导航信息。
进一步地，基于四元数的动力学模型为：
其中，
进一步地，第一观测模型为：
z1(k)＝h1(x(k)) v1(k)，
其中，z1(k)＝[ψb,θb,γb]t，ψb,θb,γb分别为bpns导航子系统测量得到的无人作战飞行器的航向角、俯仰角和横滚角，v1(k)为bpns导航子系统对姿态的观测噪声向量，
进一步地，第二观测模型为：
z2(k)＝h2(x(k)) v2(k)，
其中，z2(k)＝[ψv,θv,γv,λv,lv,hv]t，ψv,θv,γv分别为vns导航子系统测量得到的无人作战飞行器的航向角、俯仰角和横滚角，λv,lv,hv分别为vns导航子系统测量得到的无人作战飞行器的经度、纬度和高度，v2(k)为vns导航子系统中对姿态和位置的观测噪声向量，
进一步地，改进的联邦ckf滤波方法包括：
初始化动力学模型和第一观测模型/第二观测模型；
获取无人作战飞行器的第三导航信息；其中，第三导航信息为初始导航信息或上一时刻的无人作战飞行器最终导航信息；
结合第三导航信息和动力学模型生成无人作战飞行器的第四导航信息；其中，第四导航信息为导航信息预测值；
获取第五导航信息；其中，第五导航信息为经异步观测时间配准后bpns导航子系统输出的姿态信息、以及经异步观测时间配准后vns导航子系统输出的姿态和位置信息；
根据第四导航信息和第五导航信息，结合第一观测模型/第二观测模型，生成无人作战飞行器的最终导航信息。
进一步地，得到第五导航信息之后还包括：
根据第五导航信息，计算滤波器新息向量
判断新息向量的马氏距离判据是否小于等于阈值，即
其中，βk为马氏距离判据，
响应于
响应于
其中，
执行ckf算法步骤，得到第一/第二导航信息；
利用联邦滤波方法对第一导航信息和第二导航信息进行状态融合后，得到无人作战飞行器的最终导航信息。
进一步地，求解抗差因子包括：
根据马氏距离判据，构造非线性方程：
其中，
利用牛顿迭代法求解上述非线性方程，得到抗差因子迭代关系：
其中，i为迭代次数，迭代初始值为κk(0)＝1。
进一步地，获取第五导航信息包括：
确定观测处理区间[tδ stδ,tδ stδ ts]，其中，s为1或正整数，tδ为重叠区间，ts为分段间隔；
在每个处理区间内，分别获取第t个传感器的观测集合{zt1,zt2,...,ztr}；
基于观测集合{zt1,zt2,...,ztr}，使用最小二乘法生成第t个导航传感器在每个处理区间内的观测估计值，作为第五导航信息。
进一步地，系统状态融合包括：
根据动力学模型与第一观测模型/第二观测模型，分别获取第一导航信息的误差协方差矩阵，以及第二导航信息的误差协方差矩阵。基于第一导航信息的误差协方差矩阵和第二导航信息的误差协方差矩阵，建立第一导航信息和第二导航信息的权重；
通过
其中，
本发明的有益效果是：本发明通过仿生偏振光辅助传统的mimu和vns，构成组合导航系统，提高了无人作战飞行器导航系统的自主性和可靠性；通过在滤波过程中增加了抗差因子，调整滤波增益，削弱异常观测对状态估计的影响，能有效改善滤波器的鲁棒性，提高导航系统的状态估计精度；还通过异步观测时间配准，利用重叠分段区间，设计时间配准方法，有效提高异步观测处理的采样率和精度，降低组合导航系统的异步时间误差，进而使得本发明具有自主性强、精度高、可靠性好等优点，能够弥补现有自主导航技术的不足，提高复杂战场环境下无人作战飞行器的自主精确导航能力，具有广阔的应用前景。
【附图说明】
图1为本发明实施例中的自主导航方法流程图；
图2为本发明实施例中的基于马氏距离的抗差ckf流程图；
图3为本发明实施例中的状态融合过程的流程图；
图4为本发明实施例中异步观测时间配准原理图。
【具体实施方式】
下面结合附图和具体实施方式对本发明进行详细说明。
bpns是一种新兴的、前瞻性的自主导航方式，其通过测量自然光的偏振特性能够得到无人作战飞行器的姿态信息，相对于其他比较成熟的导航方法，bpns有着自身独特的优势：(a)具有高度自主性，隐蔽性好，不受人为因素干扰；(b)导航解算所需时间短，实时性好；(c)导航误差不随时间积累，精度高。
因此，该方法能够弥补现有自主导航方式的不足，为无人作战飞行器导航添加一种新型仿生技术，拓展了无人作战飞行器自主导航系统的种类。但由于bpns主要输出的是载体姿态角，因此，无法提供无人作战飞行器的六自由度导航参数；且bpns易受天气影响，在阴雨或风沙等天气下的大气偏振模式会变得更为复杂，继而影响导航精度。
由此看出，单一的导航系统均存在各自的优缺点，单独应用难以满足长航时、高性能导航的需求。基于信息融合原理的组合导航技术为提高飞行器导航系统的信息冗余和整体性能提供了新途径。但现有的组合导航技术仍然存在自身的缺陷和不足，无法满足无人作战飞行器的要求。
如卫星导航(全球定位系统(gps)、北斗)与惯性导航组合是多数无人机所采用的主流组合导航技术，但在战争情况下，若卫星导航失效，这种组合导航方式存在很大风险。惯性与天文组合导航系统在无人作战飞行器低中空飞行时，因受能见度的限制，较少采用这种方式；惯性/vns组合导航具有较强自主性及抗电磁干扰性，但其受光线等因素影响时，导航精度会急剧下降。
综上所述，bpns辅助传统导航传感器构建的组合导航是一种前瞻性的新概念导航方法，是对现有自主导航方法的拓展和扩充，代表了当前无人作战飞行器自主导航技术的发展趋势，能为实现无人作战飞行器自主精确导航提供新途径。
本发明的目的是提供一种仿生偏振光辅助的无人作战飞行器自主导航方法，以解决传统导航方法自主性不强、时间误差导致精确性不高、观测信息受干扰时系统鲁棒性不强等问题，从而提升无人作战飞行器在复杂战场环境下的自主精确导航能力。
具体的，本发明的一种仿生偏振光辅助的无人作战飞行器自主导航方法，包括：
根据mimu导航子系统(即微惯性导航系统)建立基于四元数的bpns/mimu/vns自主组合导航系统的动力学模型(bpns为仿生偏振光导航系统，vns为视觉导航系统)。分别通过bpns导航子系统和vns导航子系统，建立第一观测模型和第二观测模型。获取每个导航子系统的导航信息，利用改进的联邦ckf滤波方法(即改进的联邦容积卡尔曼滤波方法)对动力学模型、第一观测模型和第二观测模型进行最优估计，得到无人作战飞行器的最终(最优)导航信息。
本发明通过在滤波过程中增加了抗差因子，可以调整滤波增益，削弱异常观测对状态估计的影响，能有效改善滤波器的鲁棒性，提高组合导航系统的状态估计精度；还通过异步观测时间配准，利用重叠分段区间，设计时间配准方法，有效提高异步观测处理的采样率和精度，降低组合导航系统的异步时间误差，进而使得本发明具有自主性强、精度高、可靠性好等优点，能够弥补现有自主导航技术的不足，提高复杂战场环境下无人作战飞行器的自主精确导航能力，具有广阔的应用前景。
在本发明实施例中，如图1所示，利用改进的联邦ckf滤波方法对动力学模型、第一观测模型和第二观测模型进行最优估计包括：
利用改进的ckf滤波方法(即改进的容积卡尔曼滤波方法)对动力学模型和第一观测模型进行状态估计，得到无人作战飞行器的第一导航信息。利用改进的ckf滤波方法对动力学模型和第二观测模型进行状态估计，得到无人作战飞行器的第二导航信息。利用联邦滤波方法对第一导航信息和第二导航信息进行系统状态融合后，得到无人作战飞行器的最终(最优)导航信息。
本实施例针对bpns/mimu/vns组合导航系统，设计具有三层融合特点的分布式数据融合结构。在第一层中，采用基于分段重叠的时间配准方法，对bpns、mimu和vns输出的异步观测进行时间配准；在第二层中，采用改进的ckf算法，以并行方式得到mimu/bpns和mimu/vns组合导航子系统的局部状态估计；在第三层中，通过联邦滤波对局部状态估计进行动态融合，得到组合导航系统的全局最优状态估计。
由于mimu具有导航参数全面、机动跟踪能力强、输出及时连续、抗干扰性能好等优点，因此，在设计bpns/mimu/vns全自主组合导航系统时，将mimu作为基本系统，通过将bpns和vns输出的导航信息分别与mimu的导航信息进行有机融合，可以克服各个子系统所存在的缺陷，避免由于某些客观条件所引起的组合导航子系统失效，进而导致无法实现无人作战飞行器精确导航的问题。bpns/mimu/vns全自主组合导航系统由于具有更多的冗余信息，因而导航精度更高、可靠性更好，自主性更强。
本实施例中，导航坐标系采用东-北-天地理坐标系，mimu输出无人作战飞行器的位置、速度和姿态等信息，bpns输出姿态信息，vns输出姿态和位置信息。首先，以mimu为基础，设计mimu/bpns和mimu/vns组合导航子系统，建立基于四元数的组合导航局部滤波器非线性系统模型(动力学模型和观测模型)，计算获得组合导航系统状态的两组局部估计。然后，将两组局部估计送入主滤波器进行全局信息融合，得到系统状态的全局最优估计。最后系统状态的全局最优估计作为组合导航系统的输出，即无人作战飞行器在当前时刻的导航状态。设计的bpns/mimu/vns全自主组合导航，能够实现bpns、mimu和vns之间的优势互补，协同工作，为无人作战飞行器自主精确导航提供新途径。
作为一种具体的实施方式，动力学模型为：
其中，
本实施例的第一观测模型为：
z1(k)＝h1(x(k)) v1(k)，
其中，z1(k)＝[ψb,θb,γb]t，ψb,θb,γb分别为bpns导航子系统测量得到的无人作战飞行器的航向角、俯仰角和横滚角，v1(k)为bpns导航子系统中对姿态的观测噪声向量，
本实施例的第二观测模型为：
z2(k)＝h2(x(k)) v2(k)，
其中，z2(k)＝[ψv,θv,γv,λv,lv,hv]t，ψv,θv,γv分别为vns导航子系统测量得到的无人作战飞行器的航向角、俯仰角和横滚角，λv,lv,hv分别为vns导航子系统测量得到的无人作战飞行器的经度、纬度和高度，v2(k)为vns导航子系统中对姿态和位置的观测噪声向量，
具体的，改进的联邦ckf滤波方法包括：
初始化动力学模型和第一观测模型/第二观测模型；获取无人作战飞行器的第三导航信息；其中，第三导航信息为初始导航信息或上一时刻的无人作战飞行器导航信息；结合第三导航信息和动力学模型生成无人作战飞行器的第四导航信息；其中，第四导航信息为导航信息预测值；获取第五导航信息；其中，第五导航信息为经异步观测时间配准后vns导航子系统输出的姿态和位置信息、以及经异步观测时间配准后bpns导航子系统输出的姿态信息；根据第四导航信息和第五导航信息，结合第一观测模型/第二观测模型，利用联邦滤波技术生成无人作战飞行器的最终导航信息。
在本实施例中，系统状态融合包括：
如图3所示，根据动力学模型与第一观测模型/第二观测模型，分别获取第一导航信息的误差协方差矩阵，以及第二导航信息的误差协方差矩阵。基于第一导航信息的误差协方差矩阵和第二导航信息的误差协方差矩阵，建立第一导航信息和第二导航信息的权重；
通过
其中，
为克服现有时间配准方法的不足，本实施例中提出采用分段重叠方法对各导航传感器输出的异步观测数据进行处理。
分段重叠的原理如图4所示，首先，确定分段间隔ts。为避免在分段间隔内无传感器观测的情况出现，应当使分段间隔不小于组合导航系统中各传感器的最大采样周期tmax，即ts＞tmax。
其次，划分重叠区间tδ。原则上讲，重叠区间应尽可能密集以提高采样率。但若重叠区间太小，不但不能在相邻区间进行数据更新，而且会增加系统计算负担。故在计算中选取各传感器采样周期的均值作为重叠区间，但如果出现采样率悬殊的情况，应排除最值的影响。综上所述，重叠区间tδ可选取为
式中，n为传感器个数，tt为第t个传感器采样周期，tmin为各传感器最小采样周期。
再次，以系统观测开始值作为起始时刻t0，确定各观测处理区间[tδ stδ,tδ stδ ts]，s＝0,1,2,…。在每个处理区间内，分别获取第t个传感器的观测集合{zt1,zt2,...,ztr}。
最后，基于观测集合{zt1,zt2,...,ztr}，根据最小二乘原理求取第t个导航传感器在各处理区间内的观测估计。这样便得到各传感器一系列处于同一时刻且间隔为tδ的观测估计值，以此作为各个传感器的滤波观测值。
利用重叠分段区间，提出的时间配准方法能够有效提高异步观测处理的采样率和精度。
本实施例针对现有时间配准算法的局限性，提出的基于分段重叠的时间配准方法。通过对各导航传感器的输出数据进行分段重叠处理，将异步观测信息同步到统一基准时标下，得到各传感器一系列处于同一时刻且等间隔的观测估计值。利用重叠分段区间，提高时间配准方法的采样率和观测精度。该方法是对多源、异步组合导航信息进行最优融合的基础。
在本实施例的方法中，如图2所示，得到第五导航信息之后还包括：
马氏距离是统计学中一种检测多元数据样本异常值的判别准则。对于一个均值为μ＝(μ1,μ2,…,μp)t，协方差矩阵为σ的多维向量x＝(x1,x2,…,xp)t，其马氏距离定义为
针对设计的bpns/mimu/vnss组合导航系统，对mimu/bpns和mimu/vns组合导航子系统中模型误差分别进行判断和检测。
根据第五导航信息，计算子滤波器的m维新息向量为
由统计知识可知，
故可以建立如下的判别准则
其中，
对滤波器异常观测通过马氏距离判据进行辨识，当
响应于
响应于
求解抗差因子包括：
根据马氏距离判据，构造非线性方程：
其中，
求解上述非线性方程，得到抗差因子迭代关系：
其中，r为滤波器观测噪声协方差矩阵，i为迭代次数，迭代初始值为κk(0)＝1，并将每步的迭代结果带入计算马氏距离判据βk，当
另外，在计算时本实施例中将ckf新息向量协方差矩阵重新更新为
其中，
1.一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，包括：
根据mimu导航子系统建立基于四元数的bpns/mimu/vns自主组合导航系统动力学模型；
分别通过bpns导航子系统和vns导航子系统，建立第一观测模型和第二观测模型；
获取每个导航子系统的导航信息，利用改进的联邦ckf滤波方法对所述动力学模型、第一观测模型和第二观测模型进行状态估计，得到所述无人作战飞行器的最终导航信息。
2.如权利要求1所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，利用改进的联邦ckf滤波方法对所述动力学模型、第一观测模型和第二观测模型进行状态估计包括：
利用改进的ckf滤波方法对所述动力学模型和第一观测模型进行状态估计，得到所述无人作战飞行器的第一导航信息；
利用改进的ckf滤波方法对所述动力学模型和第二观测模型进行状态估计，得到所述无人作战飞行器的第二导航信息；
利用联邦滤波方法对所述第一导航信息和第二导航信息进行系统状态融合后，得到所述无人作战飞行器的最终导航信息。
3.如权利要求1或2所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，所述基于四元数的动力学模型为：
其中，
4.如权利要求3所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，所述第一观测模型为：
z1(k)＝h1(x(k)) v1(k)，
其中，z1(k)＝[ψb,θb,γb]t，ψb,θb,γb分别为bpns导航子系统测量得到的无人作战飞行器的航向角、俯仰角和横滚角，v1(k)为bpns导航子系统对姿态的观测噪声向量，
5.如权利要求4所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，所述第二观测模型为：
z2(k)＝h2(x(k)) v2(k)，
其中，z2(k)＝[ψv,θv,γv,λv,lv,hv]t，ψv,θv,γv分别为vns导航子系统测量得到的无人作战飞行器的航向角、俯仰角和横滚角，λv,lv,hv分别为vns导航子系统测量得到的无人作战飞行器的经度、纬度和高度，v2(k)为vns导航子系统中对姿态和位置的观测噪声向量，
6.如权利要求5所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，所述改进的联邦ckf滤波方法包括：
初始化所述动力学模型和第一观测模型/第二观测模型；
获取所述无人作战飞行器的第三导航信息；其中，所述第三导航信息为初始导航信息或上一时刻的无人作战飞行器最终导航信息；
结合所述第三导航信息和所述动力学模型生成无人作战飞行器的第四导航信息；其中，所述第四导航信息为导航信息预测值；
获取第五导航信息；其中，所述第五导航信息为经异步观测时间配准后bpns导航子系统输出的姿态信息、以及经异步观测时间配准后vns导航子系统输出的姿态和位置信息；
根据所述第四导航信息和第五导航信息，结合所述第一观测模型/第二观测模型，生成所述无人作战飞行器的最终导航信息。
7.如权利要求6所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，得到所述第五导航信息之后还包括：
根据第五导航信息，计算滤波器新息向量
判断所述新息向量的马氏距离判据是否小于等于阈值，即
其中，βk为马氏距离判据，
响应于
响应于
其中，
执行ckf算法步骤，得到第一/第二导航信息；
利用联邦滤波方法对所述第一导航信息和第二导航信息进行状态融合后，得到所述无人作战飞行器的最终导航信息。
8.如权利要求7所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，求解抗差因子包括：
根据马氏距离判据，构造非线性方程：
其中，
利用牛顿迭代法求解上述非线性方程，得到抗差因子迭代关系：
其中，i为迭代次数，迭代初始值为κk(0)＝1。
9.如权利要求6或8所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，所述获取第五导航信息包括：
确定观测处理区间[tδ stδ,tδ stδ ts]，其中，s为1或正整数，tδ为重叠区间，ts为分段间隔；
在每个处理区间内，分别获取第t个传感器的观测集合{zt1,zt2,...,ztr}；
基于观测集合{zt1,zt2,...,ztr}，使用最小二乘法生成第t个导航传感器在每个所述处理区间内的观测估计值，作为第五导航信息。
10.如权利要求2或9所述的一种仿生偏振光辅助的无人作战飞行器自主导航方法，其特征在于，所述系统状态融合包括：
根据动力学模型与第一观测模型/第二观测模型，分别获取第一导航信息的误差协方差矩阵，以及第二导航信息的误差协方差矩阵。基于第一导航信息的误差协方差矩阵和第二导航信息的误差协方差矩阵，建立第一导航信息和第二导航信息的权重；
通过
其中，
