基于鲁棒马氏距离统计量的多源融合抗差估计方法
Robust Mahalanobis distance statistic-based multi-sensor integration robust estimation method作者机构:东南大学仪器科学与工程学院南京210096 东南大学微惯性仪表与先进导航技术教育部重点实验室南京210096
出 版 物:《仪器仪表学报》 (Chinese Journal of Scientific Instrument)
年 卷 期:2024年第45卷第2期
页 面:252-262页
核心收录:
学科分类:08[工学] 080401[工学-精密仪器及机械] 081105[工学-导航、制导与控制] 0804[工学-仪器科学与技术] 0825[工学-航空宇航科学与技术] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程]
基 金:国家自然科学基金(62203111) 国家重点研发计划(2021YFB3900804) 江苏省自然基金(BK20231434)项目资助
摘 要:为了有效抵御复杂多变城市环境下的全球卫星导航系统(GNSS)信号干扰、增强多源融合定位可靠性,提出一种基于鲁棒马氏距离的多源融合抗差估计方法。该方法在分析观测值故障传播特点以及典型方差膨胀抗差估计模型基础上,基于相邻新息序列构造鲁棒马氏距离检验统计量。历史新息的引入能够提高系统观测冗余,同时不同观测量间的新息交互增强了异常检验统计量的鲁棒性。根据鲁棒马氏距离的统计特性,给出抗差关键门限取值规则并分别结合两种典型加权策略自适应调节观测值噪声矩阵。利用典型城市峡谷环境下惯性导航系统(INS)/GNSS/激光雷达(LiDAR)/VINS多源融合车载数据进行相关实验,与现有方法相较,所提方法能够将三维均方根定位误差最低限制在3.37 m。通过对比不同组显著性水平下的定位结果,进一步说明所提方法在城市峡谷环境下定位的优越性。