容錯(cuò)組合導(dǎo)航系統(tǒng)中的聯(lián)邦濾波器應(yīng)用研究＊

雷江濤

（西安市76號(hào)信箱 西安 710075）

1 引言

隨著國內(nèi)外關(guān)于組合導(dǎo)航的容錯(cuò)技術(shù)研究的開展，為進(jìn)一步提高和改善分散濾波的性能，1988年Carlson提出了聯(lián)邦濾波器理論。它對(duì)子濾波器的估計(jì)信息進(jìn)行合成，子濾波器是平行結(jié)構(gòu)形式，各子濾波器算法采用Kalman濾波算法，處理自己傳感器的測量信息。聯(lián)邦濾波方法由于計(jì)算量小，實(shí)現(xiàn)簡單，信息分配方式靈活，具有良好的容錯(cuò)結(jié)構(gòu)，受到許多研究者的關(guān)注，美國空軍已將聯(lián)邦濾波器列為新一代導(dǎo)航系統(tǒng)通用的濾波器［1］。

2 聯(lián)邦濾波器

2.1 聯(lián)邦濾波器的結(jié)構(gòu)

Calson提出的聯(lián)邦濾波器是一種兩級(jí)濾波。對(duì)于組合導(dǎo)航系統(tǒng)，捷聯(lián)慣導(dǎo)系統(tǒng)一般是公共參考系統(tǒng)，它的輸出一方面直接給主濾波器，另一方面給各子濾波器（即局部濾波器）作為公共狀態(tài)變量值。各子濾波器的局部估計(jì)值（公共狀態(tài)）及其協(xié)方差陣。送入主濾波器，和主濾波器的估計(jì)值一起進(jìn)行融合以得到全局最優(yōu)估計(jì)。此外，由子濾波器與主濾波器合成的全局估計(jì)值及其相應(yīng)的協(xié)方差陣放大為后再反饋到各子濾波器以重置各子濾波器的估計(jì)值，即：

聯(lián)邦濾波器可以有多種實(shí)現(xiàn)形式，各種實(shí)現(xiàn)形式由于信息分配系數(shù)和信息反饋過程不同而有不同的結(jié)構(gòu)和特點(diǎn)。根據(jù)主濾波器和子濾波器信息處理方式的不同，聯(lián)邦濾可以分為以下四種基本結(jié)構(gòu)：

1）融合－重置式（fusion－reset mode，F(xiàn)R）結(jié)構(gòu)；

2）零重置式（zero－reset mode，ZR）結(jié)構(gòu)；

3）無重置式（no－reset mode，NR）結(jié)構(gòu)；

4）重調(diào)式（rescale mode，RS）結(jié)構(gòu)。

2.2 聯(lián)邦濾波器工作流程

聯(lián)邦濾波器是一種嶄新的分散化濾波方法，甚至可以把它從分散化濾波中獨(dú)立出來［2］，聯(lián)邦濾波器致力于解決以下幾個(gè)問題：濾波器的容錯(cuò)性能要好；濾波精度要高；全局濾波的融合算法要簡單，計(jì)算量小，數(shù)據(jù)通訊少，利于實(shí)時(shí)執(zhí)行。

但上述幾個(gè)性能要求相互有矛盾，如要容錯(cuò)性能好，有時(shí)就要犧牲一些精度。聯(lián)邦濾波器中用了信息分配原則，通過將系統(tǒng)中的信息進(jìn)行不同的分配，獲得最佳的折中，以滿足不同的使用要求。

2.3 聯(lián)邦濾波器的特點(diǎn)

聯(lián)邦濾波器與集中式融合相比，最大的優(yōu)越性在速度和容錯(cuò)方面［3］。

1）容錯(cuò)

聯(lián)邦濾波器中，各子濾波器相對(duì)獨(dú)立，尤其是NR結(jié)構(gòu)，各子濾波器之間沒有交叉污染，一旦某一子系統(tǒng)出現(xiàn)故障，故障限制在一個(gè)子濾波器內(nèi)。當(dāng)檢測出故障后，隔離故障子濾波器，保證系統(tǒng)正常運(yùn)轉(zhuǎn)。聯(lián)邦濾波在上述諸方面的優(yōu)越性使它成為智能容錯(cuò)組合導(dǎo)航系統(tǒng)的首選方案。

2）速度

聯(lián)邦濾波器各子濾波器的濾波運(yùn)算是并行的，這使得運(yùn)算速度大大提高。如果主濾波器在子濾波器進(jìn)行多步后再作融合，運(yùn)算速度將進(jìn)一步加快。聯(lián)邦濾波器的運(yùn)算時(shí)間僅為集中式融合的幾分之一，實(shí)時(shí)性較好。

3）靈活性

每步都作融合并對(duì)子濾波器進(jìn)行重置的FR結(jié)構(gòu)能夠獲得總體最優(yōu)的精度，多步后再作融合并對(duì)子濾波器重置的結(jié)構(gòu)可以獲得總體的次優(yōu)精度。后者的優(yōu)點(diǎn)是使主濾波器的計(jì)算量大大降低，可降為最大。

3 聯(lián)邦濾波器在容錯(cuò)組合導(dǎo)航設(shè)計(jì)中的應(yīng)用

3.1 容錯(cuò)組合導(dǎo)航系統(tǒng)設(shè)計(jì)方法

容錯(cuò)組合導(dǎo)航系統(tǒng)設(shè)計(jì)的出發(fā)點(diǎn)是在現(xiàn)有導(dǎo)航設(shè)備的基礎(chǔ)上，從系統(tǒng)的整體設(shè)計(jì)上來提高導(dǎo)航系統(tǒng)的可靠性，而不是提高各子導(dǎo)航設(shè)備的基本可靠性［4］。在聯(lián)邦濾波結(jié)構(gòu)中，無重置式（NR）結(jié)構(gòu)具有很強(qiáng)的容錯(cuò)能力。首先，各子濾波器獨(dú)立工作；其次，由于沒有主濾波器到子濾波器的信息重置，使它們相互之間沒有污染能力，互不干擾，最適于故障檢測；另外，主濾波器對(duì)局部濾波器有很強(qiáng)的故障檢測、隔離和恢復(fù)能力。當(dāng)故障濾波器被檢測到后，主濾波器可以很快地拒絕接納它的信息，而融合剩余子濾波器的信息，得到系統(tǒng)的最優(yōu)估計(jì)，如圖1所示。

圖1 聯(lián)邦濾波器的故障診斷與隔離

3.2 聯(lián)邦濾波器容錯(cuò)性能分析

在容錯(cuò)組合導(dǎo)航系統(tǒng)設(shè)計(jì)中，聯(lián)邦濾波器起到了關(guān)鍵作用，有必要對(duì)它的各種結(jié)構(gòu)的容錯(cuò)性能作深入分析，并與集中式融合結(jié)構(gòu)的容錯(cuò)性能進(jìn)行比較。

3.2.1 集中式融合結(jié)構(gòu)容錯(cuò)性能分析

集中式融合結(jié)構(gòu)用一個(gè)濾波器來處理所有子系統(tǒng)的量測信息，其容錯(cuò)性能分析如下：

可以較好地檢測和隔離某些子系統(tǒng)的突變故障。故障開始就很小，不易檢測，被軟故障污染了的輸出將影響預(yù)報(bào)值，使它跟蹤故障輸出，殘差即新息rk一直保持比較小，因此難以發(fā)現(xiàn)軟故障。因而軟殘差檢驗(yàn)法對(duì)軟故障的檢測不是很有效。故障子系統(tǒng)被隔離后，已被故障污染的濾波解必須重新恢復(fù)正常。這需要重新初始化已經(jīng)隔離了故障子系統(tǒng)的集中濾波器，重新利用無故障子系統(tǒng)的新的信息，所以必須經(jīng)過一段過渡過程后，系統(tǒng)的濾波解才恢復(fù)正常。因此其故障恢復(fù)能力不強(qiáng)。

3.2.2 聯(lián)邦濾波器容錯(cuò)性能分析

相對(duì)集中式融合結(jié)構(gòu)來講，聯(lián)邦濾波器的容錯(cuò)性能要強(qiáng)許多，它具有以下優(yōu)點(diǎn)：

1）主濾波器可以使用一個(gè)比子濾波器甚至比集中濾波器更精確的慣導(dǎo)模型，這樣檢測慣導(dǎo)系統(tǒng)故障的能力就提高了。

2）子濾波器自身子系統(tǒng)誤差狀態(tài)是分開估計(jì)的。這些子系統(tǒng)誤差狀態(tài)在子濾波周期內(nèi)不會(huì)受其它子系統(tǒng)的故障影響，只有在較長的融合周期后才會(huì)有影響。

3）當(dāng)故障被檢測和隔離后，只要沒有重置，其它正常的子濾波器的解仍存在，于是利用這些正常的子濾波器的解經(jīng)過融合算法可以立即得到全局解，所以故障恢復(fù)能力很強(qiáng)。

因?yàn)槿诤现芷诳梢蚤L于子濾波的周期，于是在融合之前，軟故障可以有較長的時(shí)間去發(fā)展到可被主濾波器檢測的程度。

3.2.3 聯(lián)邦濾波器四種結(jié)構(gòu)的比較

從運(yùn)算速度方面來看，NR結(jié)構(gòu)不需要重置，ZR和RS結(jié)構(gòu)需要重置，但可以在子濾波器向主濾波器發(fā)送完?duì)顟B(tài)估計(jì)值和方差信息后立即進(jìn)行，F(xiàn)R方式則必須等到主濾波器的融合結(jié)束之后各子濾波器才能得到自己的重置值。因此，從運(yùn)算速度上來看，NR最快，ZR和RS居中，F(xiàn)R最慢。從計(jì)算量的大小來考慮，NR最小，ZR和RS居中，F(xiàn)R最大。

總而言之，NR結(jié)構(gòu)在運(yùn)算速度和容錯(cuò)能力方面均較好，它的缺點(diǎn)是精度有點(diǎn)低，并需要各子濾波器在同一時(shí)刻把自己的估計(jì)結(jié)果送入主濾波器。ZR和RS結(jié)構(gòu)允許子濾波器的估計(jì)值在不同時(shí)刻送入主濾波器，但容錯(cuò)性能較差。FR方式具有最好的精度，但容錯(cuò)性能不理想，實(shí)現(xiàn)起來也較為復(fù)雜。

4 聯(lián)邦濾波器的應(yīng)用展望

目前在組合導(dǎo)航中，傳感器的數(shù)量和種類越來越多，雖然隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，計(jì)算負(fù)擔(dān)重的困難將越來越降為次要矛盾，但對(duì)容錯(cuò)性和估計(jì)精度的要求卻越來越高。采用聯(lián)邦濾波器結(jié)構(gòu)的組合導(dǎo)航系統(tǒng)不僅分散和減少了卡爾曼濾波的計(jì)算量，保證了系統(tǒng)實(shí)時(shí)工作，很方便地對(duì)各子系統(tǒng)作故障檢測、診斷和隔離，并能對(duì)組合導(dǎo)航系統(tǒng)進(jìn)行重構(gòu)，確保系統(tǒng)可靠的工作，因此聯(lián)邦濾波器經(jīng)常被應(yīng)用于組合導(dǎo)航系統(tǒng)設(shè)計(jì)中。文獻(xiàn)［6］對(duì)聯(lián)邦濾波器在INS／DVL／SAR組合導(dǎo)航信息融合中的應(yīng)用進(jìn)行了分析，文獻(xiàn)［8］對(duì)INS／GPS／DVL組合導(dǎo)航系統(tǒng)中的容錯(cuò)設(shè)計(jì)的應(yīng)用進(jìn)行了分析，文獻(xiàn)［9～11］對(duì)其在船舶系統(tǒng)工程等中的應(yīng)用進(jìn)行了分析，文獻(xiàn)［13］提出了基于RBF神經(jīng)網(wǎng)絡(luò)的組合導(dǎo)航容錯(cuò)算法。

5 結(jié)語

隨著傳感器技術(shù)、數(shù)據(jù)處理技術(shù)、計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)通訊技術(shù)、人工智能技術(shù)、并行處理技術(shù)等相關(guān)技術(shù)的發(fā)展，多傳感器信息融合將成為未來大量軍用和民用高科技系統(tǒng)的重要技術(shù)手段。聯(lián)邦濾波器以良好的容錯(cuò)性、實(shí)時(shí)性和靈活的信息分配方式等特點(diǎn)，必將受到重視，應(yīng)用范圍將進(jìn)一步擴(kuò)大，在提高多傳感器信息融合系統(tǒng)精度和可靠性方面發(fā)揮重要的作用。

［1］韓崇昭，朱洪艷，段戰(zhàn)勝，等.多源信息融合［M］.北京：清華大學(xué)出版社，2006.

［1］HanChongZhao，Zhuhongyan，Duanzhansheng，et al.Composite source of information integration［M］.Beijing：Tsinghua University press，2006：27－85.

［2］Gao Y.Comparison of centralized and federated filters［J］.Navigation，1992，40（1）：69－86.

［3］秦永元，張洪鉞，汪叔華.卡爾曼濾波與組合導(dǎo)航原理［M］.西安，西北工業(yè)大學(xué)出版社，1998.

［4］付夢(mèng)印，鄧志紅，張繼偉.Kalman濾波及其在導(dǎo)航系統(tǒng)中的應(yīng)用［M］.北京：科學(xué)出版社，2003.

［5］袁信，余濟(jì)祥，陳哲.導(dǎo)航系統(tǒng)［M］.北京：航空工業(yè)出版社，1993.

［6］高社社，李華星.INS／SAR組合導(dǎo)航定位技術(shù)與應(yīng)用［M］.西安：西北工業(yè)大學(xué)出版社，1993.

［7］高亞楠，陳家斌.慣性導(dǎo)航系統(tǒng)中的Kalman濾波技術(shù)［J］.火力與指揮控制，2005（1）.

［8］張雙同，陳鋒，李曉勇.航天測量船INS／GPS／DVL組合導(dǎo)航系統(tǒng)容錯(cuò)濾波方法［J］.中國慣性技術(shù)學(xué)報(bào)，2006（5）：21－27.

［9］錢華明，丁凱，雷艷敏.聯(lián)邦濾波器及其在船舶組合導(dǎo)航中的應(yīng)用［J］.船舶工程，2007（3）：18－21.

［10］萬鵬程，胡致強(qiáng).抑制Kalman濾波發(fā)散的方法及其進(jìn)展［J］.信息技術(shù)，1999（3）.

［11］韓崇昭.信息融合理論與應(yīng)用［J］.中國基礎(chǔ)科學(xué)，2000（7）：14－18.

［12］戴邵武，馬長里，代海霞.北斗雙星／SINS組合導(dǎo)航中的捷聯(lián)慣導(dǎo)算法研究［J］.計(jì)算機(jī)與數(shù)字工程，2010，38（2）.

［13］陳建勇，王樹宗.基于RBF神經(jīng)網(wǎng)絡(luò)的組合導(dǎo)航融合算法［J］.數(shù)據(jù)采集與處理，2006（2）：198－202.