基于软件接收机的GNSS/INS深组合导航算法研究

深组合导航系统将导航参数估计与GNSS卫星信号跟踪融合在一起,将相关器的输出I/Q信息作为GNSS/INS组合导航kalman滤波器的观测量,提高系统的导航精度、抗干扰性和动态性能。利用GNSS软件接收机方便处理基带信号的优势进行深组合导航算法研究,推导了深组合kalman滤波器的观测方程。仿真结果表明:在高动态条件下,深组合导航系统的导航精度明显优于紧组合导航系统的导航精度,位置误差稳定在2m范围内,速度误差稳定在0.04m/s内。     

基于IGGⅢ权函数的GNSS/INS组合导航RAIM模型

将IGGⅢ权函数引入GNSS/INS组合导航中,提出基于IGGⅢ权函数的GNSS/INS组合导航RAIM模型,根据Kalman残差平方和服从x2分布,论证运用IGGⅢ权函数探测粗差星的可行性.开发模拟平台生成GPS、Galileo、GLONASS和BeiDou卫星星座,卫星观测值加入单粗差和多粗差,测试RAIM模型的粗差探测能力.算例表明,RAIM模型能够准确定位粗差星,剔除粗差星后,可提高GNSS/INS组合导航精度.     

顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法EI北大核心CSCD

为解决不同GNSS间信号差异引起的多GNSS RTK/INS紧组合导航应用中卫星系统间模糊度固定失败的问题,本文提出顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法,以进一步发挥多GNSS在复杂环境下的互补性和灵活性。本文推导了顾及ISB/IFB的多GNSS RTK/INS紧组合导航观测方程,给出了综合利用抗差估计方法和粒子群优化的ISB/IFB参数估计方法。试验结果表明,顾及ISB/IFB参数可以在一定程度上提高卫星系统间模糊度固定成功率;结合抗差估计方法提高卡尔曼状态估计浮点解精度,可显著提高多GNSS RTK/INS紧组合导航系统在复杂环境下的系统间模糊度固定成功率与导航精度。     

抗差EKF滤波在GNSS/INS组合导航中的应用

GNSS/INS组合导航中,姿态解算和比力转换精度是影响精度的关键因素,且GNSS观测数据存在粗差,易对组合导航系统产生影响,针对以上问题,本文设计了一种顾及姿态解算精度的组合导航抗差算法,利用罗德里格斯公式进行姿态更新和比力转换,通过引入抗差估计理论,利用观测值和预测值的差值构造抗差因子,重新设计观测量噪声矩阵.一组跑车实验验证,抗差估计可以减弱粗差对组合导航系统的影响,提高在干扰环境下的导航性能.     

基于抗差EKF的GNSS/INS紧组合算法研究

提出了GNSS/INS紧组合导航的抗差EKF算法,采用21状态GNSS/INS紧组合状态方程,根据多余观测分量及预测残差统计构造抗差等价增益矩阵,建立抗差EKF算法,通过迭代给出GNSS/INS组合导航的抗差解,并开发GNSS/INS紧组合导航模拟平台,通过对观测值加入单粗差、多粗差及缓慢增长三类误差,测试本文算法对不同粗差的抑制能力。分析表明,抗差EKF可以将三类粗差抑制在相应观测值的残差中,达到削弱其对状态参数估计的影响。本文算例证明,抗差EKF算法可将导航解的误差精度从dm级提高为cm级甚至mm级,导航精度及可靠性得到明显提高。     

GNSS/INS组合导航系统定位精度分析

GNSS/INS组合导航系统近年来得到了快速发展,应用领域越来越广泛。组合导航的定位精度是一个重要的研究方向,本文将应用于航空遥感领域的高精度GNSS/INS组合导航系统放置在地面平台上,采集试验数据,通过与NRTK定位结果比较,对组合导航系统定位精度进行分析,得出GNSS/INS组合导航系统的定位精度可达到厘米级的试验结论。     

附加约束条件对GNSS/INS组合导航结果的影响分析

针对车载全球导航卫星系统/惯性导航系统（global navigation satellite system/inertial navigation system,GNSS/INS）组合导航中卫星信号中断,惯性导航系统单独导航误差积累较大的问题,提出了附加载体运动条件约束的卡尔曼（Kalman）滤波解算方法。通过利用载体固有的运动约束,包括近似高程约束、近似速度约束和近似姿态约束,减少载体自由度和模型参数;通过引入新的观测类型,增加观测冗余,可以加强Kalman滤波解,提高在GNSS信号中断时组合导航系统的定位精度,实现无缝导航。     

基于预积分的IMU/ODO外参估计

里程计通常被用于辅助车载GNSS/INS组合导航系统,以解决当遇到高楼、密林、隧道等信号干扰和遮蔽严重情景时导致精度下降的问题,而里程计辅助需要获取准确的里程计杆臂和安装角。鉴于此,本文提出了一种基于预积分的IMU/ODO外参估计算法,使用由里程计观测和GNSS/INS组合导航解算得到的一段时间内的里程增量差异构建代价函数,通过非线性优化器进行标定参数求解。仿真与实际测试均表明了本文标定方法的有效性,里程计观测在经过标定外参补偿后,可为车载GNSS/INS组合导航系统提供厘米级的精度辅助。     

因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。     

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

针对GNSS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在异常的情形,结合自适应滤波算法和神经网络算法,提出了两种GNSS/INS抗差自适应组合导航解算方案,根据观测信息和动力学模型信息异常情况,给出了4种GNSS/INS抗差自适应滤波算法。利用实测数据进行了验证,结果表明,4种抗差自适应滤波算法在观测信息不足的情况下,不但能够抑制动力学模型扰动异常对导航解的影响,而且能够较好地抑制异常观测信息对导航解的影响。     

INS辅助的实时动态GNSS单频周跳探测

采用全球卫星导航系统（Global Navigation Satellite System，GNSS）模糊度固定解可提高GNSS/惯性导航系统（inertial navigation system，INS）组合导航定位精度，而在复杂环境下，单频GNSS难以实现完善的实时动态周跳探测，影响GNSS模糊度保持。研究了星间单差与站星双差的INS辅助GNSS单频周跳探测检验量，重点分析检验量的误差特性。分析得出检验量误差主要与INS增量误差有关，受接收机至待检星与参考星之间星地矢量夹角的影响。提出了选取两颗参考星并优选探测检验量的方法，降低方位角因素的影响，提高周跳探测性能。周跳探测的阈值在滑动窗口内估计，对INS误差被GNSS误差淹没的部分进行抑制，充分反映INS误差影响，阈值估计具有较强的自适应性。     

CNS+GNSS+INS船载高精度实时定位定姿算法改进研究

天文导航（CNS）、卫星导航（GNSS）和惯性导航（INS）3种系统组合可提供高精度的定位定姿结果。实际工程中因INS长时间误差累积，以及系统硬件传输存在不可忽略的时间延迟，导致INS提供给CNS的预报粗姿态误差较大，恶劣海况下难以保障快速搜星，造成天文导航可靠性下降、姿态测量精度较低的问题。为此，本文提出了一种CNS+GNSS+INS高精度信息融合实时定位定姿框架，引入了等角速度外推措施，有效地解决了惯导信息延迟问题。通过高精度转台模拟恶劣海况下载体大角速度摇摆，验证了本文提出的改进算法的有效性。试验结果表明，该算法架构简单，性能可靠，显著提高了恶劣环境下星敏感器的快速、准确搜星能力，保障了三组合姿态测量的精度和可用性。     

GNSS/INS紧组合导航系统自主完好性监测分析

可靠性和对故障的可区分性是评价系统完好性的两个重要因素。本文将多GNSS系统与不同精度的INS系统进行组合,由此分析不同因素对组合系统内部的可靠性和故障探测与隔离能力的影响。仿真结果表明,集成多GNSS系统可以改善卫星星座的几何分布结构,从而提高系统的内部可靠性和对故障的区分能力;当GNSS系统与INS系统相结合时,也能大幅度提高系统的可靠性和区分性;相较于低精度的INS系统,采用高精度的INS系统能够进一步的提高系统的可靠性,并增强对故障的区分能力。     

陆地导航中GNSS/陀螺仪组合实时测姿方法

在陆地导航系统中使用GNSS/INS组合导航会增加系统成本,多天线GNSS测姿精度受基线长度影响,且存在的模糊度固定问题。本文提出仅利用一个陀螺仪和单天线GNSS组合来进行实时测姿。先由单天线GNSS计算姿态角3参数,航向角为陆地导航的关键参数,为此将陀螺信息与GNSS导出的航向角进行融合。分析了单天线测姿在载体静止或低速运动时精度很差的原因,提出了在组合滤波中进行解决的方案。推导了GNSS和陀螺信息融合的滤波模型,将陀螺仪信息作为状态模型的控制输入,以GNSS航向为滤波观测值。实验结果表明,GNSS/陀螺仪组合计算的航向角精度和可靠性相对GNSS测姿结果均有很大提升。     

相位平滑伪距GNSS PPP/INS紧耦合算法

针对在导航实践中低成本MEMS使用传统紧耦合方法计算精度受到限制的问题,提出了一种采用载波相位平滑伪距GNSS PPP/INS紧耦合的算法。实验表明,使用相位平滑伪距的GNSS PPP/INS紧耦合方法后低精度的MEMS和GPS组合位置精度为dm级,速度精度为cm/s甚至mm/s,比传统C/A码紧耦合定位精度高,有较好的收敛性;其次当增加相位平滑的历元数后精度也相应提高。当出现GPS信号中断时,该方法能够加速中断以后滤波收敛的速度,将导航精度控制在中高精度惯导作业要求范围内。该方法节约了导航作业的设备成本,具有一定实际意义。     

抗差估计在RTK／INS紧组合中的应用研究

针对动态环境下GNSS／INS导航定位结果常受粗差影响的问题,提出了一种基于抗差卡尔曼滤波的GPS／BDS双系统RTK／INS紧组合导航定位算法,根据方差膨胀模型,建立抗差卡尔曼算法,得到GNSS／INS紧组合抗差解,并通过两个不同区域的实测车载实验进行了算法验证. 实验结果表明:本方法相较于传统方法，在N、E、D三个方向的导航精度分别提高1.4～4.6 cm,0.7～9 cm,1.5～2 cm,模糊度固定成功率提高10.3％～25.6％,导航精度及可靠性得到显著提高,对动态环境下车载或自动驾驶等应用具有一定的理论参考和实用价值.      

Using Allan variance to improve stochastic modeling for accurate GNSS/INS integrated navigation

MEMS-based integrated system of a global navigation satellite system (GNSS) and an inertial navigation system (INS) has been widely used in various navigation applications. However, such integration encounters some major limitations. On the one hand, the noisy MEMS-based INS undermines the accuracy with time during the frequently occurring GNSS outages caused by signal blockage or attenuation in certain situations such as urban canyon, tunnels, and high trees. On the other hand, the model mismatch between actual GNSS error and the assumed one would also degrade the obtained accuracy even with continuous GNSS aiding. To improve the overall performance for GNSS/MEMS-INS, better error models can be obtained using Allan variance (AV) analysis technique for modeling inertial sensor errors instead of the commonly recommended auto-regressive processes, and on the other hand, the measurement update in Kalman filter is improved using innovation filtering and AV calculation. The performance of each method and the combined algorithm is evaluated by a field test with either differential GNSS (DGNSS) or single-point positioning (SPP) as external aid. In addition to the considerable navigation enhancement brought by each method, the experimental results show the combined algorithm accomplishes overall accuracy improvements by about 18% (position), 8% (velocity), and 38% (attitude) for integration with DGNSS, and by about 15% (position), 75% (velocity), and 77% (attitude) for that with SPP, compared with corresponding traditional counterparts.     

城市场景智能手机GNSS/MEMS融合车载高精度定位

智能手机凭借其普遍性、便携性和低成本等优势,已成为大众用户导航与位置服务的主流终端载体,其多频多系统GNSS（global navigation satellite system）观测值的开放进一步激发了手机高精度定位的研究。然而,受限于消费级GNSS器件性能,手机卫星观测值呈现出信号衰减严重、伪距噪声大、粗差周跳多等问题;并且受城市复杂环境影响,手机GNSS定位的连续性、可靠性也难以保证。提出一种城市场景手机GNSS/ MEMS（micro-electro mechanical system）融合的车载高精度定位方案。首先,构建了速度约束的GNSS差分定位模型;然后,通过手机内置MEMS与车辆运动约束,在挑战环境下进行GNSS/MEMS融合精密定位。实验结果表明,在开阔和树荫场景下,速度约束方法可达到分米至米级定位精度,相比于常规方法分别提升了35.2%和78.9%;在高架场景下,GNSS/MEMS融合定位的精度和连续性均提升显著;在隧道场景下,MEMS推算位置累积误差约为2.5%。实验结果初步表明,手机GNSS具备开阔环境下的车道级定位能力,手机GNSS/MEMS融合可提升城市复杂环境下车载定位的精度和连续可用性。