CN101246012B - 一种基于鲁棒耗散滤波的组合导航方法 - Google Patents

Abstract

一种基于鲁棒耗散滤波的组合导航方法，涉及一种捷联惯性、卫星、天文组合导航***方法。该方法首先使用捷联惯性导航***、GPS接收机、天文导航***组成组合导航内***；其次根据现代控制理论耗散控制思想，使用线性矩阵不等式(Linear Matrix Inequality简称LMI)算法设计鲁棒耗散滤波器融合高精度的GPS位置、速度和天文导航***的姿态量测信息，充分发挥传统导航手段的高可靠性和可用性，以及卫星、天文导航的高精度，最终实现基于多传感器的高可靠、高精度组合导航。

Description

一种基于鲁棒耗散滤波的组合导航方法

技术领域

本发明涉及一种组合导航方法，是一种基于鲁棒耗散滤波的组合导航方法，适用于航空导航技术领域，可应用于航空器导航，也可适用于航天、航海导航定位。

背景技术

导航***就是测量并解算出运载体的运动信息，提供给驾驶员或自动驾驶仪实现对运载体的正确操纵或控制。各种导航***单独使用时是很难满足导航性能要求的，提高导航***整体性能的有效途径是采用组合导航技术，即用两种或两种以上的非相似的导航***对同一导航信息作量测并解算以形成量测量，从这些量测量中计算出各导航***的误差并校正之。采用组合导航技术的***称为组合导航***。

惯性导航***作为一种自主式的导航***。这种***不受外界干扰，隐蔽性好。但是，惯性导航***有它难以克服的缺点，其导航定位误差随时间增长，因而难以长时间的独立工作；70年代发展起来的GPS全球定位***，它的特点是定位和测速精度高，但是，接收机信号输出不连续，更新频率一般在1-2Hz，易受遮挡和干扰；天文导航***依靠天体敏感器观测天体的方位信息进行定位导航，是一种自主式的导航***，但易受环境影响，且定位精度较低。因此，将三者进行组合得到的组合导航***可以取得很好导航精度。

目前组合导航***的数据处理最经典的方法是Kalman滤波。通过Kalman滤波估计出惯性导航***的误差，然后对惯导进行校正，以达到提高精度的目的。但是，由于Kalman滤波器的运算时间与***阶次的三次方成正比。所以当***阶次很高时，滤波器会失去实时性，特别是当***存在有色噪声或建模误差时，容易出现滤波的发散现象，虽然有EKF、UKF等改进方法但仍然受制于假设条件太强使得实际应用情况不理想。现在采用的基于Riccati方程的H_∞滤波技术对***噪声的不确定性则具有较强的鲁棒性，但初始参数设置不当仍然可能导致滤波发散，且参数选取仅能凭经验而无***的方法，给工程实践带来一定困难；同时Riccati方程的求解多基于递推算法，其运算量大且收敛性不一定能得到保证。上述方法都是基于单一性能指标的滤波方法，仅能针对***的方差或H_∞范数优化，并且容易出现滤波发散。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出一种基于鲁棒耗散滤波的组合导航方法，解决导航***冗余信息的融合，在模型不确定、噪声非高斯且统计特性未知的情况下改善导航精度的同时提高***的可靠性，降低工程实施难度。

本发明的技术解决方案为：一种基于鲁棒耗散滤波的组合导航方法，利用捷联惯性导航***、GPS、天文导航***输出的速度、位置、姿态信息获取导航数据，鲁棒耗散滤波器通过LMI技术对耗散性能指标寻优求取最优解，其实现步骤如下：

(1)将地理坐标系下的捷联惯性导航***误差状态方程转化为仿射参数依赖模型描述；

(2)以捷联惯导输出的位置数据和GPS***位置数据的差，捷联惯导输出的速度数据和GPS***速度数据的差，以及捷联惯导输出的姿态数据和天文导航***姿态数据的差，做为量测数据建立组合导航***的量测方程；捷联惯导***、GPS、天文导航***输出的速度、位置、姿态数据作为组合导航***输入数据，GPS和天文导航***数据作为量测数据建立***量测方程；

(3)将地理坐标系捷联惯导误差状态方程、***量测方程、***保性能滤波器联立构成闭环***，对***的噪声输入通道矩阵进行加权处理；

(4)针对***输出的精度要求设计***鲁棒耗散滤波器，并LMI算法求解***鲁棒耗散滤波器，完成组合导航。

所述步骤(1)中的捷联惯导地理坐标系误差状态方程的仿射参数依赖模型描述方法为：将时变的地理坐标系下捷联惯导误差状态方程中的参数变化作为***的不确定性，并使用不确定***的仿射参数依赖模型来描述地理坐标系下的捷联惯导误差状态方程，其中主要是确定载***置、速度变化域，取其顶点并将其代入捷联惯导误差状态方程，得到仿射参数依赖模型描述的捷联惯导误差状态方程的顶点，进而得到仿射参数依赖模型描述的捷联惯导误差状态方程。

所述步骤(3)中的闭环***的联立以及对噪声输入通道矩阵进行加权处理的方法如下：

(1)闭环***状态方程

将地理坐标系捷联惯性导航***误差状态方程、***量测方程与***鲁棒耗散滤波器联立构成滤波误差状态方程：

∑_e：e(k+1)＝(A-K·C)·e(k)+(B-K·D)·ω(k)

其中滤波误差状态e(k)＝x(k)-x_f(k)，B为组合导航***的噪声增益阵，D为量测输出中噪声增益阵；

(2)闭环***鲁棒耗散可调输出

为提高滤波器对捷联惯导导航误差的估计，将滤波器输出与捷联惯导导航误差之差作为闭环***输出，并根据耗散性能指标对滤波高精度的要求，确定可调输出矩阵，得闭环***的鲁棒耗散可调输出z(k)为：z(k)＝L·e(k)，

其中L为耗散性能的可调输出矩阵；

(3)噪声输入通道加权处理

滤波误差***： ${\mathrm{\Σ}}_o:\left\{\begin{array}{c}e(k+1)=(A-K\·C)\·e\left(k\right)+(B-K\·D)\·\mathrm{\ω}\left(k\right)\\ z\left(k\right)=L\·e\left(k\right)\end{array}\right.$

为平衡对不同噪声输入通道进入的噪声的抑制效果，需预先对噪声输入矩阵做加权处理，即B＝B·W，D＝D·W，W为***噪声输入通道重要性加权矩阵，根据对各通道噪声的干扰抑制需要确定各输入通道的重要性加权系数，W为对角阵，对角线相应元素为相应噪声输入通道的重要性加权系数。

所述步骤(4)中的鲁棒耗散滤波器的设计如下：

∑_f：x_f(k+1)＝A·x_f(k)+K·[y(k)-C·x_f(k)]

使得滤波器状态x_f尽可能逼近导航误差状态x，其中A为组合导航***矩阵，C为观测矩阵，y(k)为量测输出，K为滤波器增益。

所述步骤(4)中LMI算法求解***鲁棒耗散滤波器的方法如下：

(1)将问题采用一组线性矩阵不等式LMIS表示，并使用Matlab的线性矩阵不等式工具箱LMI Toolbox)中lmivar、lmiterm函数求解；

(2)最后通过代数变换将所得LMI决策变量转化为***的鲁棒耗散滤波器。

本发明的原理是：LMI(Linear Matrix Inequality，线性矩阵不等式)是一种有效的控制***分析与综合设计方法，结合H_∞、无源性以及极点配置技术研究基于LMI的鲁棒耗散滤波器。在极大降低滤波运算量的同时可以配置***的闭环极点保证***收敛快速性；对***耗散性能的优化可以改善***的综合性能；同时参数依赖Lyapunov矩阵的引入降低了算法的保守性。首先，根据捷联惯导误差状态方程时变性主要来源于载***置、速度变化，给定载***置、速度变化域顶点将捷联惯导误差状态方程转化为仿射参数依赖描述；其次，将捷联惯导误差状态方程、量测方程和***滤波器联立构成闭环***，由精度要求提出鲁棒耗散性能指标的可调输出，同时对噪声输入通道做加权处理，根据鲁棒控制理论耗散控制方法，基于线性矩阵不等式将组合导航***的信息融合问题转化为凸优化问题；最后，利用Matlab线性矩阵不等式工具箱LMI Toolbox求解该凸优化问题，并通过一系列代数变换从凸优化问题可行解中解出组合导航***内***镇定器和组合导航***耗散滤波器。

本发明与现有技术相比的优点在于：

(1)本发明对***模型不确定和噪声非高斯具有很强的鲁棒性，克服了Kalman滤波和粒子滤波对噪声统计特性要求较高的问题，避免了在模型不确定、噪声非高斯、噪声统计特性难以获得情况下Kalman滤波和粒子滤波出现的精度恶化，改善了导航精度的同时提高***的可靠性。

(2)H_∞控制和无源性控制都是耗散控制的特殊情况，本发明综合了H_∞滤波和无源滤波的思想，比H_∞滤波和无源滤波更具有普遍性，降低了工程实施难度。

(3)通过极点配置，克服了组合***的不稳定性对滤波效果的影响，避免出现滤波严重发散情况，对滤波***有很好的镇定作用，提高了***的可靠性。

(4)基于LMI算法得到了对捷联惯导误差状态方程鲁棒的内***镇定器和组合导航***鲁棒耗散滤波器，克服了Kalman滤波和粒子滤波方法递推过程运算量大且递推算法不一定收敛的缺点，进一步提高了导航精度。

(5)利用一个参数依赖的Lyapunov矩阵来替代滤波器增益求取过程中的单一Lyapunov矩阵，进而导出***稳定性的条件，将有利于降低二次稳定性概念中由于一个单一的Lyapunov矩阵而引进的保守性，降低了工程实施难度。

附图说明

图1为本发明的一种基于鲁棒耗散滤波的组合导航方法的设计流程图。

具体实施方式

如图1所示，本发明具体实现步骤如下：

1、建立捷联惯性导航***误差状态方程的仿射参数依赖模型描述

以地理系(东北天)为导航解算的基本坐标系，考虑飞行高度h，并假设地球为旋转椭球体，惯导误差状态方程如下。

(1)指北惯性导航***姿态误差角方程为：

${\stackrel{\·}{\mathrm{\φ}}}_x=-\frac{\mathrm{\δ}{v}_y}{R_M+h}+({\mathrm{\ω}}_{\mathrm{ie}}\sin L+\frac{v_x}{R_N+h}\mathrm{tgL}){\mathrm{\φ}}_y-({\mathrm{\ω}}_{\mathrm{ie}}\cos L+\frac{v_x}{R_N+h}){\mathrm{\φ}}_z+{\mathrm{\ϵ}}_x$

${\stackrel{\·}{\mathrm{\φ}}}_y=\frac{\mathrm{\δ}{v}_x}{R_N+h}-{\mathrm{\ω}}_{\mathrm{ie}}\sin \mathrm{L\δL}-({\mathrm{\ω}}_{\mathrm{ie}}\sin L+\frac{v_x}{R_N+h}\mathrm{tgL}){\mathrm{\φ}}_x-\frac{v_y}{R_M+h}{\mathrm{\φ}}_z+{\mathrm{\ϵ}}_y---\left(1\right)$

${\stackrel{\·}{\mathrm{\φ}}}_z=-\frac{\mathrm{\δ}{v}_x}{R_N+h}\mathrm{tgL}+({\mathrm{\ω}}_{\mathrm{ie}}\cos L+\frac{v_x}{R_N+h}{\sec }^{2}L)\mathrm{\δL}+({\mathrm{\ω}}_{\mathrm{ie}}\cos L+\frac{v_x}{R_N+h}){\mathrm{\φ}}_x+\frac{v_N}{R_M+h}{\mathrm{\φ}}_y+{\mathrm{\ϵ}}_z$

式中，R_M为当地子午面内主曲率半径；R_N为与子午面垂直平面上的主曲率半径；ω_ie为地球自转角速率，L、λ和h代表地理纬度、经度和高度，变量[φ_x φ_y φ_z]为三个数学平台误差角；[δv_x δv_y δv_z]为三个速度误差；[δL δλ δh]为纬度误差、经度误差和高度误差；[ε_x ε_y ε_z]为三个陀螺仪常值漂移；[v_x v_y v_z]为三个方向速度；R_M＝R_e(1-2E+3E sin² L)，R_N＝R_e(1+E sin² L)，地球长半径为R_e＝6378137m，地球扁率为E＝1/298.257。

(2)速度误差方程：

$\left\{\begin{array}{c}\mathrm{\δ}{\stackrel{\·}{v}}_x=f_y{\mathrm{\φ}}_z-f_z{\mathrm{\φ}}_y+(\frac{v_y}{R_M+h}\mathrm{tgL}-\frac{v_z}{R_M+h})\mathrm{\δ}{v}_x+(2{\mathrm{\ω}}_{\mathrm{ie}}\sin L+\frac{v_x}{R_N+h})\mathrm{\δ}{v}_y+(2{\mathrm{\ω}}_{\mathrm{ie}}{v}_y\cos L\\ +\frac{v_x{v}_y}{R_N+h}{\sec }^{2}L+2{\mathrm{\ω}}_{\mathrm{ie}}{v}_z\sin L){\mathrm{\δ}}_L-(2{\mathrm{\ω}}_{\mathrm{ie}}\cos L+\frac{v_x}{R_N+h})\mathrm{\δ}{v}_z+{\▿}_x\\ \mathrm{\δ}{\stackrel{\·}{v}}_y=f_z{\mathrm{\φ}}_x-f_x{\mathrm{\φ}}_z-2({\mathrm{\ω}}_{\mathrm{ie}}\sin L+\frac{v_x}{R_N+h}\mathrm{tgL})\mathrm{\δ}{v}_x-\frac{v_z}{R_M+h}\mathrm{\δ}{v}_y-\frac{v_y}{R_M+h}\mathrm{\δ}{v}_z\\ -(2{\mathrm{\ω}}_{\mathrm{ie}}\cos L+\frac{v_x}{R_N+h}{\sec }^{2}L)v_x\mathrm{\δL}+{\▿}_y\\ \mathrm{\δ}{\stackrel{\·}{v}}_z=f_x{\mathrm{\φ}}_y-f_y{\mathrm{\φ}}_x-2({\mathrm{\ω}}_{\mathrm{ie}}\cos L+\frac{v_x}{R_N+h})\mathrm{\δ}{v}_x+2\frac{v_y}{R_M+h}\mathrm{\δ}{v}_z-2{\mathrm{\ω}}_{\mathrm{ie}}{v}_x\sin \mathrm{L\δL}+{\▿}_z\end{array}\right.---\left(2\right)$

上述速度误差方程可通过对惯性导航***的速度解算方程的各变量求微分得到，[ _{x  y  z}]为三个加速度计常值偏置，[f_x f_y f_z]为三个比力。

(3)位置误差方程：

$\left\{\begin{array}{c}\mathrm{\δ}\stackrel{\·}{L}=\frac{\mathrm{\δ}{v}_y}{R_M+h}\\ \mathrm{\δ}\stackrel{\·}{\mathrm{\λ}}=\frac{\mathrm{\δ}{v}_x}{R_N+h}\sec L+\frac{v_x}{R_N+h}\sec \mathrm{LtgL\δL}\\ \mathrm{\δ}\stackrel{\·}{h}=\mathrm{\δ}{v}_z\end{array}\right.---\left(3\right)$

将上述平台失准角误差、速度误差和位置误差方程联立起来，惯性、天文、卫星三组合采用反馈校正模式，状态和量测选取为间接法，取9阶状态变量：

x＝[φ_E，φ_N，φ_U，δv_E，δv_N，δv_U，δL，δλ，δh]^T

式中变量分别为φ_E，φ_N，φ_U三个平台误差角；δv_E，δv_N，δv_U东北天三个速度误差；δL，δλ，δh经度、纬度、高度三个位置误差。将陀螺漂移、加计偏置和观测噪声一同看作***驱动噪声。

(4)建立***状态方程

$\stackrel{\·}{x}\left(t\right)=F\left(t\right)\·x\left(t\right)+G\left(t\right)\·\mathrm{\ω}\left(t\right)---\left(4\right)$

其中，***的噪声转移矩阵G(t)为：

$G\left(t\right)=\left[\begin{array}{ccc}{I}_{3\×3}& 0& 0\\ 0& I_{3\×3}& 0\end{array}\right]$

***噪声矢量：

ω＝[ω_ε，ω_Δ，ω_φ，ω_v，ω_p]^T

式中变量ω_ε，ω_Δ，ω_φ，ω_v，ω_p分别为陀螺仪、加速度计、姿态、速度和位置的***噪声。

***的状态转移矩阵F(t)为对应的9个基本导航参数***阵。

(5)建立量测方程

速度观测矢量z_v为：

$z_v\left(t\right)=\left[\begin{array}{c}{v}_{\mathrm{IE}}-v_{\mathrm{GE}}\\ v_{\mathrm{IN}}-v_{\mathrm{GN}}\\ v_{\mathrm{IU}}-v_{\mathrm{GU}}\end{array}\right]=H_{v}x\left(t\right)+{\mathrm{\ω}}_v\left(t\right)---\left(5\right)$

式中，H_v(t)＝[O_3×3 I_3×3 O_3×3]^T；

位置观测矢量z_p为

$z_P\left(t\right)=\left[\begin{array}{c}{L}_{\mathrm{IE}}-L_{\mathrm{GE}}\\ L_{\mathrm{IN}}-L_{\mathrm{GN}}\\ L_{\mathrm{IU}}-L_{\mathrm{GU}}\end{array}\right]=H_{P}x\left(t\right)+{\mathrm{\ω}}_p\left(t\right)---\left(6\right)$

式中，H_p＝[O_3×6 I_3×3]；

采用经过换算得到的数学平台误差角作为滤波器的观测量，得到量测方程：

$z_1\left(t\right)=\left[\begin{array}{c}{\mathrm{\φ}}_x\\ {\mathrm{\φ}}_y\\ {\mathrm{\φ}}_z\end{array}\right]=H_{1}x\left(t\right)+{\mathrm{\ω}}_{\mathrm{\φ}}\left(t\right)---\left(7\right)$

式中，H₁(t)＝[I_3×3 O_3×6]^T。

综合上述各式中，则

$z\left(t\right)=C\·x\left(t\right)+D\·\mathrm{\ω}\left(t\right)=\left[\begin{array}{c}{H}_1\\ H_v\\ H_p\end{array}\right]\·x\left(t\right)+\left[\begin{array}{cc}{0}_{9\×6}& I_9\end{array}\right]\·\mathrm{\ω}\left(t\right)---\left(8\right)$

将状态方程和量测方程离散化得：

$\mathrm{\Σ}:\left\{\begin{array}{c}x(k+1)=A\left(k\right)\·x\left(k\right)+B\·\mathrm{\ω}\left(k\right)\\ z\left(k\right)=C\·x\left(k\right)+D\·\mathrm{\ω}\left(k\right)\end{array}\right.---\left(9\right)$

矩阵A中变化项包括速度、位置，则将误差状态方程表示成参数依赖模型主要就是将地理坐标系下载***置、速度量测值用一个凸多边形表示，取该凸多面体的顶点Ω_i

(A_i)，(i＝1，…，n)。以Ω_i为顶点的参数依赖模型Ω

(A)(其中 $\mathrm{\Ω}\stackrel{\mathrm{\Δ}}{=}\left\{T\right|T=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}_i{T}_i,\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\λ}}_i=1\}$ )为捷联惯性导航***误差状态方程的参数依赖模型描述。

建立了地理坐标系捷联惯导误差状态方程的仿射参数依赖模型描述。首先，根据天文导航***、惯性***、GPS***的数据输出频率确定组合周期T，一般为1秒，并考虑载体的初始位置、初始速度。

其次，确定载***置、速度的变化域顶点。

将所得载***置、速度的变化域顶点代入到位置误差、速度误差、姿态误差角方程中得仿射参数依赖模型***矩阵A(k)。得到地理坐标系捷联惯性导航误差状态方程仿射参数依赖模型描述的顶点，其顶点集为Ω＝{Ω₁，Ω₂，…，Ω_n}。

2、噪声输入通道加权矩阵的确定

噪声统计特性很难获取但噪声强度却比较容易估计。对捷联惯导进行静态测试，采集一组加速度计和陀螺数据并计算其均方差记为E_acc和E_gyro；对天文导航姿态***进行静态测试，采集一组姿态数据并计算其均方差记为E_φ；对GPS***进行静态测试，采集一组位置、速度数据并计算其均方差记为E_pGPS、E_vGPS。

噪声输入通道加权矩阵W为15维对角矩阵，主对角线元素分别为E_gyro、E_gyro、E_gyro、E_acc、E_acc、E_acc、E_φ、E_φ、E_φ、E_vGPS、E_vGPS、E_vGPS、E_pGPS、E_pGPS、E_pGPS。

3、耗散性能可调输出矩阵的确定

闭环***的耗散性能可调输出矩阵可根据耗散性能需要选取。

4、基于鲁棒耗散滤波组合导航方法存在的LMI条件

给定参数依赖模型顶点集Ω，噪声通道加权矩阵，可调输出矩阵，使用matlab里LMI工具箱求解以下LMIs优化问题

$\left[\begin{array}{cc}{P}_{1i}-G-G^T& r^{-1}({\mathrm{GA}}_i-\mathrm{HC})\\ r^{-1}{({\mathrm{GA}}_i-\mathrm{HC})}^T& P_{1i}\end{array}\right]<0$

$\left[\begin{array}{cccc}-P_{2i}& -L^{T}S& {({\mathrm{GA}}_i-\mathrm{HC})}^T& {\left(\mathrm{ML}\right)}^T\\ -S^{T}L& -R& {(\mathrm{GB}-\mathrm{HD})}^T& 0\\ {\mathrm{GA}}_i-\mathrm{HC}& \mathrm{GB}-\mathrm{HD}& P_{2i}-G-G^T& 0\\ \mathrm{ML}& 0& 0& -I\end{array}\right]<0,$

(A)∈Ω，i＝1，…，n

其中：r为圆心在原点的圆的半径；Q，S，R为适当维数矩阵，满足二次能量供给函数E(ω，z，T)＝(z，Q·z)_T+2·(z，S·ω)_T+(ω，R·ω)_T，其中R，Q为对称矩阵且-Q＝M^TM，内积算子 ${(x,\mathrm{Hy})}_T=\underset{k=0}{\overset{T}{\mathrm{\&Sigma;}}}{x}^T\left(k\right)\&CenterDot;H\&CenterDot;y\left(k\right);$ P_1i，P_2i(i＝1，…，n)为一组正定的参数依赖Lyapunov矩阵变量，G，H为一组LMI矩阵变量。

5、鲁棒极点配置和滤波器求解

鲁棒滤波器的求解：

(1)由Cholesky分解求M，其中-Q＝M^TM；

(2)求解LMIs得滤波器增益K＝G^-1·H。

6、***性能的改进

为进一步改进性能，需要对W和可调输出矩阵进行细调并通过实验确定一组合适的值。

(1)对W和可调输出矩阵的调整。首先在0.1到10倍范围内调整W主对角线前三个元素使得其尽量大的同时又未造成综合性能指标明显升高，其次按相同方法调节W主对角线第4、5、6三个元素和第7、8、9三个元素。在经过上述调节的基础上，提高位置估计精度可以通过增大W主对角线第13、14、15元素或减小可调输出矩阵主对角线前三个元素实现；提高速度估计精度可以通过增大W主对角线后三个元素或减小可调输出矩阵主对角线第4、5、6三个元素实现；提高姿态估计精度可以通过增大W主对角线第10、11、12三个元素或减小可调输出矩阵主对角线后三个元素实现。

(2)通过实验确定合适的圆半径r和耗散性能加权参数。

本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (2)

1.一种基于鲁棒耗散滤波的组合导航方法，其特征在于包括以下步骤：

(1)将地理坐标系下的捷联惯性导航***误差状态方程转化为仿射参数依赖模型描述；

(2)以捷联惯导输出的位置数据和GPS***位置数据的差，捷联惯导输出的速度数据和GPS***速度数据的差，以及捷联惯导输出的姿态数据和天文导航***姿态数据的差，做为量测数据建立组合导航***的量测方程；以捷联惯导***、GPS、天文导航***输出的速度、位置、姿态数据作为组合导航***输入数据，GPS和天文导航***数据作为量测数据建立***量测方程；

(3)将地理坐标系捷联惯导误差状态方程、***量测方程、***保性能滤波器联立构成闭环***，对***的噪声输入通道矩阵进行加权处理；

(4)针对***输出的精度要求设计***鲁棒耗散滤波器，并LMI算法求解***鲁棒耗散滤波器，完成组合导航；

所述步骤(1)中的捷联惯导地理坐标系误差状态方程的仿射参数依赖模型描述方法为：将时变的地理坐标系下捷联惯导误差状态方程中的参数变化作为***的不确定性，并使用不确定***的仿射参数依赖模型来描述地理坐标系下的捷联惯导误差状态方程，其中主要是确定载***置、速度变化域，取其顶点并将其代入捷联惯导误差状态方程，得到仿射参数依赖模型描述的捷联惯导误差状态方程的顶点，进而得到仿射参数依赖模型描述的捷联惯导误差状态方程；

所述步骤(3)中的闭环***的联立以及对噪声输入通道矩阵进行加权处理的方法如下：

(3.1)闭环***状态方程

将地理坐标系捷联惯性导航***误差状态方程、***量测方程与***鲁棒耗散滤波器联立构成滤波误差状态方程：

∑_e：e(k+1)＝(A-K·C)·e(k)+(B-K·D)·ω(k)

其中滤波误差状态e(k)＝x(k)-x_f(k)，B为组合导航***的噪声增益阵，D为量测输出中噪声增益阵；

(3.2)闭环***鲁棒耗散可调输出

为提高滤波器对捷联惯导导航误差的估计，将滤波器输出与捷联惯导导航误差之差作为闭环***输出，并根据耗散性能指标对滤波高精度的要求，确定可调输出矩阵，得闭环***的鲁棒耗散可调输出z(k)为：z(k)＝L·e(k)，

其中L为耗散性能的可调输出矩阵；

(3.3)噪声输入通道加权处理

滤波误差***： ${\mathrm{\&Sigma;}}_o:\left\{\begin{array}{c}e(k+1)=(A-K\&CenterDot;C)\&CenterDot;e\left(k\right)+(B-K\&CenterDot;D)\&CenterDot;\mathrm{\&omega;}\left(k\right)\\ z\left(k\right)=L\&CenterDot;e\left(k\right)\end{array}\right.$

为平衡对不同噪声输入通道进入的噪声的抑制效果，需预先对噪声输入矩阵做加权处理，即B＝B·W，D＝D·W，W为***噪声输入通道重要性加权矩阵，根据对各通道噪声的干扰抑制需要确定各输入通道的重要性加权系数，W为对角阵，对角线相应元素为相应噪声输入通道的重要性加权系数；

所述步骤(4)中的鲁棒耗散滤波器的设计如下：

∑_f：x_f(k+1)＝A·x_f(k)+K·[y(k)-C·x_f(k)]

使得滤波器状态x_f尽可能逼近导航误差状态x，其中A为组合导航***矩阵，C为观测矩阵，y(k)为量测输出，K为滤波器增益。

2.根据权利要求1所述的一种基于鲁棒耗散滤波的组合导航方法，其特征在于：所述步骤(4)中LMI算法求解***鲁棒耗散滤波器的方法如下：

(1)将问题采用一组线性矩阵不等式LMIS表示，并使用Matlab的线性矩阵不等式工具箱LMI Toolbox中lmivar、lmiterm函数求解；

(2)最后通过代数变换将所得LMI决策变量转化为***的鲁棒耗散滤波器。