一种提高高程数据稳定性的滤波方法

摘要

本发明属于定位、导航数据的处理方法，是一种提高高程数据稳定性的滤波方法。目的是设计出一种性能优良的高程数据处理方法，提高高程数据的精度和分辨率，对高程投影误差的进行抑制。本发明包括如下步骤：步骤一、通过车辆的俯仰角以及前进速度计算车辆在高度方向上的速度；步骤二、通过GPS高程数据对高程计数据进行校正；步骤三、构建对高度数据进行最优估计的卡尔曼滤波模型；步骤四、通过步骤三中构建的滤波模型，进行卡尔曼滤波；步骤五、最后将高程数据进行输出。本发明的优点是采用了卡尔曼滤波的数据处理方法，利用多个数据源对高程数据进行修正，较强地抑制了车载定位系统中的高程投影误差，使车载定位精度提高了18％。

主权项

1.一种提高高程数据稳定性的滤波方法，包括如下步骤：步骤一、通过车辆的俯仰角以及行驶速度计算车辆在高度方向上的速度v_z＝vsinα≈vα，v车辆行驶速度；α为车辆俯仰角；步骤二、通过GPS高程数据对高程计数据进行校正，校正通过以下公式实现：h＝h_q+K_h(hG-h)，h为校正后的高程数据；h_q为高程计输出；h_G为GPS高程数据；K_h为校正增益；步骤三、通过步骤一、步骤二中得到的h与v_z建立状态变量，构建对高度数据进行最优估计的卡尔曼滤波模型：$X=\left[\begin{array}{c}h\\ v_z\end{array}\right],$$\Phi =\left[\begin{array}{cc}1& T\\ 0& 1\end{array}\right]$X_k+1＝ΦX_k+W_k+1，方差E[W_kW_j]＝R·δ_k，j；Z_k＝X_k+V_k，方差E[V_kV_j]＝Q·δ_k，j；式中：k表示当前时刻，X为状态变量，X_k为第k时刻的状态；T为滤波周期；Φ为状态转移矩阵；Z_k为第k时刻的量测量；δ为狄拉克函数；W，V为模型误差与量测误差；R，Q为模型误差与量测误差的方差；步骤四、通过步骤三中构建的滤波模型，进行卡尔曼滤波，滤波所依据的数学方程为：${\hat{X}}_{k+1/k}=\Phi {\hat{X}}_k$${\hat{X}}_{k+1}={\hat{X}}_{k+1/k}+K_{k+1}(Z_{k+1}-{\hat{X}}_{k+1/k})$K_k+1＝P_k+1/k(P_k+1/k+R)^-1P_k+1/k＝ΦP_kΦ^T+QP_k+1＝(I-K_k+1)P_k+1/k式中：P为方差矩阵；K为滤波增益；为X_k的最优估计值；步骤五、最后将状态变量中的高程数据进行输出：$h_c={\hat{X}}_k\left(\mathrm{1,1}\right)$即为最后得到的k时刻的高程数据。