| 主权项 |
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n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n个运动模型，将第n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n个运动模型的混合后的t‑1时刻的状态向量；其中，n＝1,2，...N；将第n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n下，运动模型n’在t时刻的状态误差初值，即：将运动模型n’的t‑1时刻状态向量与运动模型n在t时刻状态向量之间的误差方差加上运动模型n’在t‑1时刻状态误差而得到的和值；其中，n’＝1,2，...N；分别将运动模型n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n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n个运动模型混合后的t‑1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n个运动模型对应的混合后的t‑1时刻状态向量和状态误差进行滤波，获得t时刻第n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n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n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n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n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n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n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n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。 |
