车载移动测量中定位定姿系统误差校正与补偿研究

讨论了全球导航卫星系统(global navigation satellite system,GNSS)/里程计(odometer,ODO)/惯性导航系统(inertial navigation system,INS)组合定位定姿中误差校正与ODO/INS组合导航两个方面的问题。针对里程计刻度因子和安装误差角的校正,在不改变原GNSS/INS滤波器的基础上,设计了GNSS/INS与INS/ODO两级卡尔曼滤波器级联结构,将INS导航误差与里程计刻度因子误差、安装误差角分别列入两个滤波器的系统状态中,在GNSS连续观测和固定模糊度条件下,利用里程计和惯导里程增量之差作为INS/ODO卡尔曼滤波器的外部观测,对误差进行校正。另一方面,使用校正过的里程计和安装误差角,在GNSS失锁条件下对INS进行观测和修正。跑车实验结果表明,本文算法可以有效校正里程计刻度因子和定位定姿(positioning and orientaton system,POS)安装误差角,同时大幅提高GNSS失锁条件下的定位精度,配合平滑卡尔曼滤波器,可将城市移动测量两分钟GNSS失锁条件下的定位误差控制在0.5m以内。     

RTK/INS紧组合算法在卫星数不足情况下的性能分析

设计了一套基于集中式卡尔曼滤波的实时动态定位（real-time kinematic,RTK）/惯性导航系统（inertial navigation system,INS）紧组合算法,通过实测车载数据对比分析了3颗可用卫星时的固定解和浮点解在位置漂移误差水平和模糊度恢复时间上的差异,验证了该算法在卫星较少情况下的良好性能。该算法在即使观测卫星不足4颗时使用固定解或浮点解进行滤波更新,提高了组合导航在复杂环境下的位置精度,并加快了模糊度恢复过程。实验结果表明,使用中等精度的惯导,在可见卫星数为3颗时,失锁30 s时的水平位置漂移误差为0.3 m;失锁60 s内,平均1~2 s就能可靠地恢复整周模糊度。在位置漂移误差与模糊度恢复方面,固定解和浮点解在GNSS信号短期部分失锁时的差异并不显著,但同时都明显优于信号完全失锁情形。     

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。     

R-T-S平滑算法在POS数据后处理中的应用

高精度的定位定姿系统（POS,Position and Orientation System）在测绘领域发挥着重要的作用,为了提高数据的精度,将平滑技术应用于POS数据的后处理中.文中介绍POS数据后处理算法的流程,对平滑技术尤其是应用最为广泛的R-T-S平滑进行详细分析,并对该算法进行数值仿真.结果表明,与传统的卡尔曼滤波相比,R-T-S平滑不仅可以提高位置姿态精度,而且在卫星信号失锁的情况下精度也能得到大幅改善,是一种有效的数据处理算法.     

INS位置精度对GPS整周模糊度解算影响分析

在基于载波相位观测值的DGPS/INS组合导航中,GPS失锁重捕获时,仅利用自身的观测信息很难快速恢复整周模糊度,使用INS位置信息辅助GPS模糊度解算的方法可以有效解决这个问题。以模糊度精度衰减因子(ADOP)作为指标,分别研究了松组合和紧组合两种模式下INS位置精度与GPS模糊度解算成功率之间的关系。结果表明:中低精度的惯导设备能够有效减小ADOP值,提高GPS模糊度解算的精度及可靠性。     

城市环境下BDS+GPS RTK+INS紧组合算法性能分析

城市环境下运动载体接收的GNSS信号会被频繁地干扰和遮挡,GNSS RTK独立工作模式难以连续且可靠地固定模糊度以满足厘米级高精度定位需求。为此,本文设计了一套基于集中式卡尔曼滤波的BDS+GPS RTK紧组合算法,给出了其动力学模型、观测模型和算法架构流程。通过城市环境下的实际车载测试,对比分析了BDS、GPS、BDS+GPS 3种模式下RTK及RTK+INS紧组合的定位性能。试验结果表明,BDS+GPS双系统大大增加了可见卫星数,提高了城市环境下GNSS动态精密定位的可用性和精度;相对于GNSS RTK,紧组合极大地提高了精密定位的可靠性和可用性。     

基于简易惯导/GPS组合和无线网络的搜救机器人群开发

为解决灾后受困人员的快速搜救和精确定位问题,提出了一种基于简易惯导/GPS组合导航和无线网络的多功能搜救机器人群的设计方案,将BP神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到简易惯导/GPS组合导航系统中,并进行了样机研制.实验结果表明:在复杂环境下或室内,采用该方法可以有效提高组合导航系统的定位速度和精度以及解决快速搜索和精确定位问题.     

GNSS PPP/INS紧组合定位测速性能分析

针对动态高精度定位测速的问题,该文对卫星导航与惯性导航系统的数学模型进行研究,采用扩展卡尔曼滤波的处理方法,实现了GNSS PPP/INS紧组合的定位测速算法。利用实测数据验证本文实现的紧组合算法,并对BDS、GPS与GPS+BDS单频、双频观测值与INS紧组合的定位性能进行分析。结果表明:GNSS PPP/INS紧组合定位测速精度在动态开阔环境下优于PPP定位测速精度,对定位结果有1%～70%不同程度的改善,对测速结果则有一个量级的提升,平面测速精度在1(cm·s~(-1))左右,高程测速精度达到亚厘米级。     

基于B1C新信号的BDS/INS深组合改进的跟踪环路设计

针对北斗卫星导航系统/惯性导航系统(BDS/INS)的深组合定位系统,提出了一种利用惯性导航系统(INS)辅助B1C正交分量的信号跟踪算法,以解决定位过程中信号较弱致深组合定位系统失锁的问题. 该算法使用了考虑INS数据的卡尔曼滤波算法,并同时利用导频分量和数据分量构成本地码,对信号进行跟踪. 由该算法对实测数据计算,并利用传统算法进行对比,可以得出在弱信号的环境下跟踪环路较为稳定,伪距精度较高.      

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。