利用估计滤波器决定系统的状态的方法与流程

本发明关于利用估计滤波器决定系统的状态的方法。

背景技术：

为了决定系统的状态，通常所使用的状态数据利用不同的方法来决定。在此程序中，该状态数据通常被测量误差所影响，使得所测量的该状态数据与该实际状态有所偏差。因此，为了决定该系统的状态，其有必要一方面组合以不同的方式所获取的状态数据，而在另一方面减少由于测量误差的误判。为此，通常使用估计滤波器以基于先前的状态测量来推断该系统的发展并且同时地针对该情况来指示以该方式计算出的该系统的状态与该实际状态相符合的概率。为了将该推断状态耦合至所测量的数据，将其与所测量的该状态数据进行比较且在一定的时间之后进行校正。

此种方法特别地使用于决定一物体的位置数据，例如载具、船舶或飞机。为此，该估计滤波器从所收集的相对的以及绝对的位置数据来决定导航解决方案(亦即用于导航所必要的位置数据)。作为一个估计滤波器(通常是卡尔曼滤波器)，其被使用以估计位置数据且通过迭代地所发出的新近测量数据来校正该位置数据。在此，特别是使用惯性测量数据(亦即该物体的旋转速率与加速度)以及绝对位置数据(亦即参考一个固定的参考系统的该位置)。该卡尔曼滤波器允许评估用于一般导航解决方案的该两种类型的位置数据。一般而言，相对位置数据被使用于估计位置，而绝对数据被使用于校正解决方案。

在此程序中，特别是该校正步骤(亦即该滤波器的更新)是特别地密集计算。若用于校正所必要的数据是连续可得的，则此一校正步骤通常以恒定的时间间隔来执行。另外，若用于校正所必要的该数据已经被收集，则校正将接着被执行。此导致被使用于计算该校正的处理器的恒定利用且因此导致恒定的能量消耗。在另一方面，该连续的校正导致滤波器需要更高的精密度。然而，若此高精密度是不必要的或若该估计滤波器由于时间延长操作而操作使得频繁的校正亦未能导致质量的增进，则被使用于计算该导航解决方案的处理器不必要通过连续的校正来采用且不必要发生高能量消耗。

技术实现要素：

本发明的目的是欲提供一个用于利用估计滤波器来决定系统的状态的方法，其中将减少不必要的计算处理器的利用以及由其导致的能量消耗。

此问题将通过独立权利要求所述的方案来解决。有利的进一步改良将在从属权利要求中指明。

根据本发明，一种用于利用估计滤波器来决定系统的状态的方法包括：

通过计算针对该状态的概率分布的平均值来决定第一状态值；针对该第一状态值与该系统的实际状态偏差的情况来计算偏差的概率，并且测量该系统的该状态作为状态数据。在此，若且只要该偏差的概率大于临限值，则利用该状态数据来校正该第一状态值。

因此，利用该估计滤波器不仅执行该状态的估计，亦利用该偏差的概率来计算该估计的质量。若该估计的质量超过特定临限值，则只好接着校正该估计值。若指示该估计的距离与该系统的实际状态偏差的概率变得大于预定临限值，则此为之后的情况。该临限值可以被预先固定或可以被动态地决定。以此方式，该整个状态决定的质量可以利用该临限值来调整。再者，该临限值针对决定该偏差的概率的不同方式可以被不同的定义。

对于不需要高质量的应用或对于该应用高质量是次要的，则校正步骤的数量便能以此方式来减少。由于此原因，可以减少被使用于计算该状态的处理器的利用。同时，该处理器的能量消耗亦由于减少利用而被减少。

在该方法中，该第一状态值可以在第一时间增量中被决定。接着，若且只要该偏差的概率等于或小于该临限值，则在该第一时间增量之后的第二时间增量中基于该第一状态值来决定第二状态值。若该偏差的概率大于该临限值，则在该第二时间增量中基于已校正的该第一状态值来决定该第二状态值。

因此，若该估计值的质量不足够高且该第一状态值已因此在该第一时间增量中被校正，则在该第二时间增量中的该估计基于这些已校正状态值。另外，为了该估计的足够的质量，在该第一时间增量中没有执行任何校正。接着，在该第二时间增量中的该估计基于已经在该第一时间增量中进行估计的该未校正的第一状态值。

此允许利用该估计滤波器迭代地超过数倍的增量来执行该估计而不需要执行校正。在另一方面，由于考虑到该偏差的概率，若该估计变得不精确，则接着可以执行该校正。该校正之后的该估计接着具有更高的精密度，因为其基于该已校正的估计值。因此其能够使该处理器负载以及该能量消耗保持为低，且在另一方面达到足够高的估计质量。

该估计滤波器可以是一个卡尔曼滤波器且该系统的状态可以决定物体的位置。接着，该状态值指示该位置的位置值而所测量的状态数据是位置数据。

此允许决定用于载具(诸如船舶或飞行器)的导航解决方案，其具有足够高的精密度且同时使用于决定该导航解决方案的能量消耗保持在低电平。此在其他的用于具有长期的任务或操作周期且需要具有低的能量消耗的飞行器(诸如无人的航空载具(uav)或无人的航空系统(uas))之中是有利的。在此情况中，例如，该临限值可以是该最大地被允许的水平位置误差。再者，uav的任务以及导航数据处理器可以被结合，其导致在重量上的减少且允许更长期的任务或操作周期。

该位置数据包括该物体的绝对位置及该物体的相对位置改变。在此，该相对位置改变被使用以决定该位置的概率分布的平均值，而该绝对位置被使用以校正该位置值。

此导致一个不同的测量位置数据的最佳组合。该相对位置改变(诸如该物体的旋转速率或加速度)被使用以基于该先前的估计值来估计该物体的进一步的移动。就一个特定的参考系统(诸如经度以及纬度)所获取的该绝对位置数据可以被使用以校正该估计。

在另一方面，用于决定该位置的该绝对位置数据的测量误差是较不主要的，因为若该估计被相似的误差所影响，则其便不会被识别为测量误差。因此，两种不同类型的位置决定彼此结合以相互地减少测量误差的影响。同时，若该估计的质量变得太差，则通过只好执行校正的该条件，其保证用于该位置决定的该能量消耗被保持在低电平。

该位置数据是利用卫星导航系统及线性加速度感测器及/或旋转速率感测器来测量。此确保该位置数据的撷取可以是自动化的，这样就不需要频繁的监测或由人类参与决定。

为了测量该位置数据，可以使用一微机电感测器(mems)。此允许用于执行该方法所必需的该装置的微型化，其保证该方法的可能应用的广泛范围。相反的，亦可以使用光纤感测器(例如光纤陀螺仪)或环形激光陀螺仪以测量该位置数据。

该偏差的概率可以基于该概率分布的协方差矩阵来决定。一般而言，此协方差矩阵在一估计滤波器(诸如卡尔曼滤波器)中自动地产生。因此，该偏差的概率的计算可以被包含至已经既有的滤波器中而不需要额外的处理步骤，使得没有任何额外的处理器负载或额外的时间损失发生。

然而，该偏差的概率亦可以基于一残差(亦即所估计的与所测量的位置之间的比较)来决定。此使得该质量调整的灵活使用是可能的，因为其可能在一定的条件下必须考虑到不仅在该滤波器中的该协方差矩阵计算，还需要具有用于决定该估计质量的第二基础。因此，通过该替代的或额外的残差的使用，可扩展该方法的应用性的灵活度。

用于决定一物体的位置的装置包括被组态成用以测量位置数据的测量单元及具有一估计滤波器的计算单元，该估计滤波器被组态成用以通过计算该位置的概率分布的平均值来决定第一位置值，且用以针对该第一位置值与该物体的实际位置所偏差的情况来计算偏差的概率。在此，若且只要该偏差的概率大于临限值，则该计算单元将被组态成利用该位置数据来校正该第一位置值。

此装置确保根据本发明的方法可以被执行，由此一物体的位置可以被决定而无需利用该计算单元(例如一处理器)，且无需不必要的能量消耗。

该测量单元可以包括卫星导航系统及线性加速度感测器及/或旋转速率感测器。在此，该线性加速度感测器及/或旋转速率感测器被组态成用以测量相对位置改变，该相对位置改变被使用以决定针对该位置的该概率分布的平均值。在另一方面，该卫星导航系统被组态成用以测量绝对位置，该绝对位置被使用以校正该位置值。此确保该装置使用用于位置决定的测量值的基础，其尽可能地广泛，其中该测量值由该估计滤波器最佳化地结合。由于此原因，用于位置决定的必要的精密度可以与减少能量消耗同时地实现。

一无人航空载具或一无人航空系统可以根据以上所述的方法来操作。无人航空载具或无人航空系统可以包括上述装置之一或多者。此确保由这些航空载具或系统所使用的导航解决方案具有足够高的精密度且同时使用于决定导航解决方案的能量消耗保持在低电平。航空载具或系统的低能量消耗又长期的任务或操作周期的情况是可以被实现的。

附图说明

在接下来的本发明的实施例中，其功能以及其优点将就图式来进行描述。该实施例的元件可以彼此组合除非这些元件彼此不相容。其表示：

图1a与1b是表示用于利用一估计滤波器来决定系统的状态的装置的实施例；

图2是表示根据一个实施例用于利用一估计滤波器来决定系统状态的方法；

图3是表示根据进一步的实施例用于利用一估计滤波器来决定系统的状态的方法；及

图4是表示根据一个实施例用于利用一估计滤波器来决定一个物体的位置的方法。

具体实施方式

图1a绘示用于决定系统的状态的装置100。为此，装置100包括一测量单元110以及一计算单元150。

测量单元110被组态成用以测量不同的系统状态且用以输出所测量的该状态作为状态数据。

该计算单元150(例如计算机或处理器)基于已经从测量单元110被测量的状态数据来计算该系统的状态。为此，计算单元150使用一个估计滤波器(亦即一种利用可以被估计的状态值的演算法)。

该估计滤波器基于该状态数据来计算针对该状态的概率分布的该平均值。在同一时间，该估计滤波器针对该情况来决定针对该状态的该计算平均值与该系统的实际状态所偏差的概率。

根据一个实施例，该质量值可以从此偏差的概率来形成。该质量值愈高则该偏差愈大。根据另一个实施例，该质量值愈小，则该偏差愈大。接着，该质量值与该测量的质量是成比例的。

不论由该估计滤波器所估计的该状态值被校正与否，其基于该偏差的概率来决定。若该偏差的概率大于预定临限值，则将校正该估计值。

此确保若该估计太不精确而无法进一步使用(亦即若该估计的质量变得太低)，则方能执行涉及计算的该估计值的校正。然后，若此真的必要，则计算单元150才执行该估计状态值的校正。由于此原因，将利用计算单元150且因此减少能量消耗。

根据一实施例，由装置100所决定的该状态是抽象的参数，例如纯粹的数学参数或数学模型(例如一个经济模型)的参数。根据进一步的实施例，该状态是系统的具体参数(例如具体的测量结果)。

根据一实施例，装置100被使用以决定一个物体的位置。为此，测量单元110测量位置数据而计算单元10的该估计滤波器通过针对该位置所计算的概率分布的平均值来决定位置值。若此估计的该质量太低(亦即若描述该位置值与该实际位置的偏差的偏差概率大于临限值)，则该估计滤波器将利用由测量单元110所测量的进一步的位置数据来校正该位置值。

此允许使用上述来自计算单元150的负载的缩减亦允许用于位置数据以及导航解决方案的计算。

图1b进一步详细地绘示装置100。测量单元110包括一卫星导航系统120以及一线性加速度感测器及/或旋转速率感测器130。

可以使用卫星导航系统120以通过在被定位于该地球轨道中的数个卫星之间的三角测量来决定在地球表面上的物体的绝对位置。因此卫星导航系统120测量物体相对于地球表面的绝对位置。

对比而言，该线性加速度感测器及/或旋转速率感测器130测量一个物体的相对位置的改变(诸如物体的旋转速率或加速度)。因此其能够通过利用由线性加速度感测器及/或旋转速率感测器130所测量的数据来整合运动的方程式以计算物体在空间中的移动。例如线性加速度感测器及/或旋转速率感测器130可以是一个微机电感测器(mems)。为了测量旋转速率，亦可以使用光纤感测器(例如光纤陀螺仪)、环形激光陀螺仪等等。

在计算单元150中该相对位置改变被使用以估计该物体的位置。由于每个测量会被测量误差所影响，因此其不能够精确地计算该位置。该位置仅可以在测量精密度内被估计。由于各种测量误差在时间的进程中累加，该估计在时间的进程中亦变得越来越不精确。因此，有必要校正该估计以满足精密度的要求。

为此，所使用的绝对位置数据与由该估计滤波器所计算的估计位置值进行比较。在此方式中，其能够利用绝对位置的测量去补偿该相对位置改变的测量误差。

在另一方面，该绝对位置测量亦可能被误差所影响。然而，若基于该相对位置改变的该估计具有与该绝对位置测量相同的误差趋势，则此将变成为唯一相关者。但是由于测量误差统计上的波动，情况通常并非如此。因此，该估计亦可以被使用于校正绝对位置测量的测量误差。

根据一个实施例，该估计滤波器自动地计算该平均值的方差与协方差。在所得的协方差矩阵中的元素越大，则该估计就越差。对比而言，若该元素是小的，则其将没有必要去校正该估计。此确保没有任何不必要的校正步骤被执行，该校正步骤不必要地利用计算单元150而导致不必要的能量消耗。

根据进一步的替代的或额外的实施例，一残差可以被使用作为偏差的概率，其指示该估计数据与通过测量所决定的该位置的偏差。亦在此方式中，若该估计仍足够好，则其可以避免不必要的校正步骤被执行。

在接下来所描述的不同方法中，通过装置100可以决定系统的状态。

图2展示一个用于决定系统的状态值的方法的实施例的流程图。

在s200中，通过计算针对状态的概率分布的平均值而决定系统的状态值。此表示，该状态值基于概率分布而被估计。为此，可使用估计滤波器(诸如卡尔曼滤波器)。待被估计的该状态值的概率分布在此程序中从被测量误差所影响的该状态的先前测量来获取。

基于该估计来计算一偏差的概率。该偏差的概率越大，则该状态值与该系统的实际状态所偏差的该概率越大。该偏差的概率越大，该估计越不精确且该估计的质量越低。因此一旦该偏差的概率变得太大，就需要尽快地增进该估计的质量。

根据进一步的实施例，该质量值是从该偏差的概率来计算的，对于状态值与该实际状态偏差大的概率大的情况，该质量值是小的。此表示，所得的质量值越小，则估计的质量越低。然后，若质量值变得太小，则必须增进质量。

在s220中，将该偏差的概率与临限值进行比较。其决定该偏差的概率是否大于该临限值。若非此情况(否)，则不执行任何状态值的校正。或者，比较该质量值。然后，若该质量值足够大，则省略该校正。

若该偏差的概率大于该临限值(是)，则该系统的状态将被重新测量且该状态值将利用所测量的该状态来校正。根据进一步的实施例，若已经决定该偏差的概率大于该临限值，则之前已经被测量的该系统的状态方能被使用于校正该状态值。

此方法确保若必要则该状态值才被校正。此允许减少计算单元(例如计算机或处理器)的利用、执行该估计以及校正，且因此减少能量消耗。

图3是展示用于决定系统的状态的方法的进一步实施例的示意流程图。

根据图3的方法大部分地对应于根据图2的方法。因此，仅阐述不同的该方法的步骤。

按照根据图3的方法与在本文中的方法彼此不同之处在于该状态值在步骤s300中被迭代地进行估计。若该偏差的概率大于该临限值，则该状态值将以如针对图2所述的方法利用进一步的测量状态来校正。接着，该校正状态被使用以在进一步的时间增量中基于该先前时间增量的该已校正的状态值来重新估计状态值。

对比而言，若该偏差的概率不大于该临限值，则该校正步骤被跳过且在接下来的时间增量中该状态值基于已经在该先前的时间增量中被决定的该无校正状态值来进行估计。

此允许执行一系列的估计而不执行中间的校正步骤。只要该迭代地被决定的估计值具有足够大的质量，则该估计的校正可以被省略。只有在一定的时间之后该质量由于测量误差或因为其他的原因而下降至低于预定临限值，才插入一个校正步骤以导致估计的质量在一个被允许的范围中。因此其能够经由该临限值来限制计算密集的校正步骤的数量以及频率，使得可以减少执行该估计的处理器的利用以及能量消耗。

图4是展示根据本发明的方法的实施例的示意流程图，根据该方法，一个物体(诸如载具、船舶或飞行器)的位置被决定为系统的状态。

为此，在s400中测量该物体的旋转速率及/或线性加速度。例如，此通过一个惯性感测器(例如微机电感测器)或通过旋转速率感测器(形成为光纤陀螺仪或环形激光陀螺仪)来执行。这些相对位置改变在s410中被馈入卡尔曼滤波器中，该卡尔曼滤波器通过计算针对该位置的概率分布的平均值来决定位置值。

此外，在s420中计算偏差的概率(亦即，该位置值与该实际位置所偏差的概率)。在s430中，此偏差的概率与临限值进行比较。若该偏差的概率比该先前预定临限值更大(是)，则将执行先前被估计的位置值的校正。

在s440中测量该物体的绝对位置。为此，例如使用一卫星导航系统以相对于一个固定参考系统(诸如地球的经度与纬度)来指示该物体的位置。在s450中该位置值利用该被测量的绝对位置而被校正。该已校正的位置值作为用于在下一个时间增量中该位置的估计的起始点。

若在s430中所决定的该偏差的概率不大于该临限值，则省略该位置值的校正且该卡尔曼滤波器将接着基于在先前的时间增量中所决定的该位置值以及该新近所测量的相对位置改变而直接地进行至下一个估计。

使用此方法其能够组合在卡尔曼滤波器中的惯性测量以及绝对位置测量的数据，使得该校正步骤仅在估计的质量变得太低时才执行。此确保仅在确实必要的情况下才执行计算密集的校正步骤。因此，可减少处理器的利用及因而造成的能量消耗。