具体实施方式

以下结合具体实施例，对本发明进行了详细说明。

具体实施例一：

根据图1至图6所示，本发明的基于自适应UKF的船舶组合导航的AIS定位方法，于港口船舶位置信息，对船舶AIS组合系统进行定位分析。根据组合导航输出校正方式，采用改进的自适应无迹卡尔曼滤波算法对基于GPS和BDS得到的船舶经纬度数据进行滤波仿真，再将两组滤波数值作融合处理，从而输出船舶AIS定位信息。其中改进的自适应UKF算法在标准UKF基础上，增设了Sage-Husa的次优无偏极大后验估值器对系统未知噪声进行估计，通过将其递推估计形式与UKF滤波算法相结合，在滤波过程中进行实时估计并且修正系统噪声统计特性，以此来减小状态估计误差。该方法具体的实现过程如下：

本发明提供一种提高AIS定位精度的组合导航定位方法，包括以下步骤：

一种提高AIS定位精度的组合导航定位方法，包括以下步骤：

步骤1：根据组合导航系统的状态向量，确定状态模型、观测模型和误差模型；

所述步骤1中状态模型确定过程具体为：

BDS\GPS组合导航的状态向量具体包括接收机的位置、速度、加速度、GPS和北斗导航系统的钟差参数以及钟漂参数，其中的接收机位置、速度、加速度基本等价于船舶莫航行状态下的运动参数通过下式表示：

其中，分别表示接收机载体三位位置、速度、加速度；c表示光速；分别表示北斗系统和GPS的钟差；分别表示北斗系统和GPS的钟漂；

根据接收机载体船舶的数学运动模型和系统的状态关系，通过下式表示系统的状态模型：

X_k＝f_k(X_k-1)+Γ_kW_k-1

其中，k表示观测历元数；X_k、X_k-1分别表示第k个以及第k-1个观测历元的状态向量；f_k表示状态向量X_k与X_k-1之间状态转移的函数关系；Γ_k表示噪声驱动矩阵；W_k-1表示过程噪声。

所述步骤1中观测模型确定过程具体为：

组合系统的观测模型主要以两种系统的伪距单点定位模型和多普勒单点定位模型相结合而成，通过下式表示伪距单点定位方程：

ρ＝r+c[δt_s-δt_r ]+I_ρ+T_ρ+ε_ρ

其中，ρ伪距观测值；r表示卫星与接收机之间的几何距离；其中δt_s、δt_r分别表示卫星时钟和接收机时钟相对于该卫星系统标准时间的钟差；I_ρ、T_ρ分别表示对流层改正和电离层改正；ε_ρ表示多路径观测噪声、系统误差；

通过下式表示组合系统伪距单点定位方程组：

其中，1表示GPS卫星，2表示北斗卫星；Δt则表示BDS\GPS系统时间差；

根据多普勒频移，即当移动台以恒定速率沿一定方向移动时，由于传播路程差的原因会造成相位和频率的变化，得到组合系统的开普勒方程，通过下式表示开普勒方程：

其中，为t时刻接收机速度；为t时刻卫星速度；r表示卫星与接收机之间的真实距离；δR_t则为相位变化、码延迟引起的频移量；

根据述伪距单点定位方程及其多普勒方程，得到组合系统的观测模型，通过下式表示观测模型：

Z_k＝h_k(X_k)+V_k

其中，Z_k表示第k个历元的观测量；h_k描述了第k个历元的观测量Z_k和状态变量X_k之间的函数关系；V_k表示同观测噪声。

所述步骤1中误差模型确定过程具体为：

当在某一历元观测到北斗卫星n_B颗，GPS卫星n_G颗，由于伪距测量中不存在模糊度未知数，将GPS和北斗的伪距定位方程做双差后得到的未知参量仅包含3个三维坐标增量；

根据间接平差原理，即在确定多个未知量的最或然值时，选择不存在任何关系的独立量作为未知量，组成未知量表达测量的函数表达关系，列出误差方程式，按照最小二乘法求得未知量的最或然值；将两伪距定位方程联立，线性化后误差模型，通过下式表示误差模型：

V＝AX-L

其中，未知参数阵X大小为：3*1；常数矩阵L大小为：[(n_B-1)+(n_G-1)]×1；系数阵A大小为：[(n_B-1)+(n_G-1)]×3；最后用最小二乘法即可进行解算。

步骤2：基于UKF滤波算法，增设了Sage-Husa的次优无偏极大后验估值器对系统未知噪声进行估计，减小状态估计误差；

所述步骤2具体为：

步骤2.1：增设:Sage-Husa的次优无偏极大后验估值器对系统未知噪声进行估计，通过将其递推估计形式与UKF滤波算法相结合，在滤波过程中进行实时估计并且修正系统噪声统计特性，以此来减小状态估计误差，通过下式表示系统噪声：

其中，x_k表示k时刻系统状态向量；f和h表示非线性函数；w_k-1表示零均值，方差为Q_k的白噪声序列；v_k-1则表示零均值高斯白噪声；

用估值器对噪声q_k和Q_k作估计：

以滤波估值或预报估值近似代替平滑估值得到次优Sage-Husa估计器，再将其与UKF滤波相结合，得到改进的适用于带时变噪声的非线性系统的自适应滤波器，q_k和Q_k由带时变噪声估计器通过下式进行递推：

其中，d_k-1＝(1-b)(1-b^k)表示遗忘因子，j＝0，1，...，k-1，通常情况下，0.95<b<0.99，b可以限制滤波的记忆长度，当噪声统计变化较快时b应适当偏大；相反b应适当取小；

步骤2.2：考虑到滤波过程中会存在发散，采用基于协方差匹配判据方法对滤波发散趋势进行判断，通过下式表示：

式中，S表示事先预定的可变系数；表示残差序列，即若该式不成立，则对P_k|k-1进行修正，通过下式进行修正：

其中，λ_k表示自适应加权系数，通过下式确定：

步骤2.3：基于次优估计器的实现，自适应UKF滤波算法：

选定滤波初值

其中，表示状态变量估计初值；E(x₀)表示状态期望；P₀表示方差阵初值；q₀、Q₀表噪声方差初值。上述诸式中，表示状态变量估计初值；E(x₀)表示状态期望；P₀表示方差阵初值；q₀、Q₀表噪声初值；

对于给定的模型值均值和方差P_k-1|k-1，用UT变换求一步预测模型值和增广样本点，预测协方差为：

进行发散判断，由式]判断是否发散；当成立，表示不发散，进入下一步；若该式不成立，表示发散，对P_k|k-1进行修正；

计算P_xy,P_yy以及增益矩阵K_k，计算滤波值通过下式表示：

采用滤波值递推估计系统噪声的统计特性：

其中，Φ_k表示状态转移矩阵；w_k表示噪声序列；P_k|k、P_k-1|k-1表示不同时刻协方差阵；不同时刻状态估计；

当系统噪声统计特性准确，结束滤波，输出滤波值，否则重新滤波，直至系统统计特性准确。

步骤3：将卫星导航接收机提供的船舶船位、来自陀螺罗经的船舶航向以及由计程仪提供的船舶对地航速信号经接口电路数字化后传送给监视器和信息处理部分，然后将处理后的船舶姿态定位信息通过VHF收发机发送给岸基或是船舶，对船舶实现AIS定位优化。

优选地，所述步骤3具体为：

当北斗接收机和GPS接收机基于同一船舶载体时，组合输出实现为利用两导航系统分别对船舶载体进行独立导航定位，通过对两组导航信息进行比较的基础上，先对进行滤波处理，然后再进行融合处理，最后于单独定位的导航数据进行比较，将更精确的导航信息输出给AIS接口电路进行信息处理与监控，从而实现组合定位；在滤波阶段，选择改进的自适应UKF滤波算法对其进行滤波处理，有效地滤除掉位置信号中的干扰信号，从而增大船舶定位精度。

在船舶航行过程中，将卫星导航接收机提供的船舶船位、来自陀螺罗经的船舶航向以及由计程仪提供的船舶对地航速等信号经接口电路数字化后传送给监视器和信息处理部分，然后将处理后的船舶姿态定位信息通过VHF收发机发送给岸基或是其他船舶，以此来实现对船舶动态数据的实时掌握，即对船舶实现AIS定位，AIS组成如图附图2所示。

AIS中卫星导航设备一般为GPS接收机，但考虑到GPS存在受环境等因素影响时会存在偏差、受天空卫星状态等影响以及所用定位设备类型不同，产生定位效果差别较大等弊端，会直接导致AIS接收到的船舶位置信息存在很大的误差。因而，在GPS单个导航系统的基础上，可以将北斗系统也应用到AIS，通过双系统卫星导航设备对船舶位置进行定位，从而实现船舶AIS组合定位。

配备双导航设备的AIS在进行船舶定位时工作原理与传统AIS基本一致，主要区别在于在船舶航行过程中对其进行定位时，不仅包括GPS接收机提供的位置信息，还包括北斗接收机提供的位置信息。虽然两导航系统定位存在差异，但与船舶真实行进轨迹相比并不大，两者定位信息差值并不会对船舶正常定位造成干扰，何况在两接收机提供位置信息后船舶后还要对其进行处理，这也就在很大程度上减小了不同导航系统接收机设备对船舶定位精度的影响。在此依据BDS\GPS组合导的输出校正来实现AIS中组合导航，附图3所示。

以北斗系统为例，整个AIS收发平台具体实现为通过船行状态采集柜来获取船舶航行时的船舶姿态信息，包括位置、航向、航速信息，然后经现场总线传输给船用监控PC和发送单元，再经卫星传送给北斗指挥机，实现远程定位保障，船舶信息收发平台附件如图4所示。在此，选择中海油船舶停靠大连港口的经纬度数据进行数据处理。首先对两组数据基于改进的自适应滤波算法进行滤波处理，其具体仿真结果如图附图5和6所示：对两组滤波后数据进行融合处理，融合后数据与滤波数据统计标准方差与极差对比如表1、2所示。

表1经度融合数据统计对比

表2纬度融合数据统计对比

经纬度融合数的标准方差与差两滤波后的数据相比更小，而且与GPS滤波数的标准方差和极差更加接近，因而可以得出；在不计误差的前提下，融合的数据较滤波后的数据更加稳定，也更加接近于真实经纬度数据。

因而，可以得出相较于单个导航定位系统，所研究的BDS\GPS组合定位系统在出船舶AIS定位中更具有优势，即在定位精度和定位稳定性方面更加佳。此外，在验证了组合定位系统在AIS定位中的有优越性后，不得不考虑其定位精度的问题。

对于船舶AIS组合定位系统而言，除了从组合导航定位系统定位精度改善方法以外，还可以从AIS计算效率、抗干扰性能以及组合定位算法滤波效果方面来做进一步改善。具体如下：

(1)AIS信息解算速率主要信息处理模块，即计算机系统所决定。因而，可以通过对AIS计算机控制系统的不断升级和改进来提高其计算效率，在一定程度上这种改进方式基本同现下计算机发展方向一致，所以未来AIS解算速率应该会在现有程度上取得较大的突破。

(2)系统抗干扰性方面，就必须对船舶所在具体环境、气候、船舶类型以及具体任务等方面进行综合考虑。船舶在航行过程中进行导航信息交互时，其载体本身是否具备一个稳定的信息收发平台将会在对于接收机接收卫星信号以及向不同船舶或基站发送信息造成很大影响，包括对船舶进行AIS定位时。系统抗干扰性越强，其自身稳定性也就越强，这样一来整个系统也就会有一个较为良好的导航定位环境，其定位精度相较于抗干扰性较弱的系统也就更高。因而，加强AIS系统抗干扰性可以间接提高系统准确性。

(3)组合定位算法方面，其滤波效果会直接对定位信号造成影响。滤波效果越好，系统定位信号中的干扰信号以及噪声信号也就会越少，定位精度也就越高。因而，可以在传统滤波算法的基础上可以根据在船舶定位中所存在的具体问题进行具体分析，

基于以上几方面，可以对船舶AIS组合定位进行精度改善，以满足更高要求的船舶定位。

以上所述仅是一种提高AIS定位精度的组合导航定位方法的优选实施方式，一种提高AIS定位精度的组合导航定位方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。