车载GNSS/SINS/里程计分布式弹性融合导航方法

为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法。该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合。通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证。试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能。此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用。     

改进的GNSS/SINS组合导航系统自适应滤波算法

GNSS/SINS(global navigation satellite system/strapdown inertial navigation system)组合导航系统已得到广泛的应用与研究,当处于复杂环境时,GNSS输出容易出现误差均方差突变、误差均方差缓变、硬故障和软故障4种现象,进而影响组合导航系统滤波精度及载体的导航安全。为了解决上述问题,提出了一种改进的GNSS/SINS组合导航系统自适应滤波算法。首先,利用滤波过程中的观测异常检验统计量与滤波器门限值构建观测因子,然后,将变分贝叶斯原理与抗野值滤波方法结合,设计了改进的组合导航系统自适应滤波算法。仿真实验表明,相较于传统算法,当GNSS输出误差均方差发生变化时,所提算法可将位置精度及速度精度提高11.8%及13.7%;在GNSS输出发生硬故障时,所提算法可将位置精度及速度精度提高70.8%及69.6%。实验结果表明,所提算法具有较强的自适应性,可提升复杂环境下组合导航系统的精度和连续可用性。     

ARAIM算法多故障检测排除性能初步分析

介绍了最新的ARAIM算法,使用实际数据分析了单个及多(两)个故障情况下由于ARAIM算法自身缺陷导致计算得到的多个导航系统完备性性能的下降。统计了一天之内ARAIM算法成功的概率,正确检测排除故障的概率以及通过卡方检验的概率,并分析了算法在不同故障模式下所能实现的导航系统可用性级别。     

LSTM辅助车载GNSS/INS组合导航算法及性能分析

针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能.     

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。     

一种GNSS/视觉观测紧组合导航定位算法研究

全球卫星导航系统(GNSS)在弱信号环境下,GNSS信号易受到遮挡或者电磁干扰,严重影响导航定位的可靠性、连续性和精度. 针对此问题,本文作者研究了一种GNSS和视觉观测紧组合导航定位方法. 首先基于相机采集图像数据,利用ORB-SLAM2开源平台求解得到视觉位置结果增量,再联合GNSS伪距观测数据采用卡尔曼滤波(KF)进行组合定位解算. 采用实测的GNSS伪距观测数据和图像数据进行测试,试验结果表明:该算法不仅能有效地提升GNSS弱信号环境下导航定位的连续性和精度,还能在卫星数少于4颗时保持持续导航定位.      

GNSS/INS紧组合最大熵卡尔曼滤波算法

针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度.      

基于新息χ~2检测的扩展抗差卡尔曼滤波及其应用

针对INS/GNSS松组合导航中GNSS因信号受到遮挡和干扰而产生的位置、速度观测故障问题,研究了新息χ~2检测算法,在此基础上提出了一种扩展抗差卡尔曼滤波,对容易受到遮挡和干扰的GNSS位置、速度观测量进行了抗差处理,解决了在缺少多余观测量时难以进行抗差滤波的问题,最后用实测数据对算法进行了验证。实验结果表明,基于新息χ~2检测的扩展抗差卡尔曼滤波在没有多余观测量的情况下也能够有效抑制观测粗差的影响,提高组合导航系统的稳定性和可靠性。     

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。     

面向低成本车载IMU的安装姿态估计

车载IMU相对于车体的安装姿态信息是应用车辆非完整约束的必需条件，而车辆非完整约束可以有效解决GNSS信号长时间中断的情形下低成本INS+GNSS组合导航系统精度降低的问题。本文针对车载场景下的低成本消费级IMU，基于卡尔曼滤波和粒子滤波提出了一种估计IMU安装姿态的算法。该算法无需限制IMU相对于车体的姿态为小角度；随后，基于仿真平台对低成本消费级IMU进行建模，利用生成的若干组不同安装姿态的IMU数据对算法进行验证；最后进行车载测试。仿真结果和车载测试结果都表明，该算法可以准确地估计IMU相对于车体的安装姿态，对于低成本INS+GNSS组合导航系统精度的提高具有实际意义。     

一种基于加表零偏稳定性的GNSS/SINS组合导航异常探测方法

在地面车载组合导航中,全球导航卫星系统（global navigation satellite system,GNSS）的观测值容易受地面复杂环境的干扰,导致其定位结果出现异常,严重影响GNSS/捷联惯性导航系统（strap-down inertial navigation system,SINS）组合的滤波解算。从惯导系统误差特性的角度,研究了一种基于加表零偏稳定性的组合导航异常探测新方法。该方法从加表零偏解算的异常来发现GNSS位置、速度等观测值中的粗差,并采取剔除和降权的抗差方法抵御粗差影响。通过一组车载数据的分析表明,观测粗差对加表零偏解算的影响十分显著,以此为判别条件能够准确地发现观测粗差。采用该方法后,位置误差、速度误差和姿态误差的均方根分别减小了70.8%、87.9%和77.7%,显著提高了组合导航的解算精度和鲁棒性,为组合导航数据的抗差处理提供了一种新思路。     

Design of a low-cost attitude determination GPS/INS integrated navigation system

Due to their complementary features of GPS and INS, the GPS/INS integrated navigation system is increasingly being used for a variety of commercial and military applications. An attitude determination GPS (ADGPS) receiver, with multiple antennas, can be more effectively integrated with a low-cost IMU since the receiver gives not only position and velocity data but also attitude data. This paper proposes a low-cost attitude determination GPS/INS integrated navigation system. The proposed navigation system comprises an ADGPS receiver, a navigation computer unit (NCU), and a low-cost commercial MEMS IMU. The navigation software includes a fault detection and isolation (FDI) algorithm for integrity. In order to evaluate the performance of the proposed navigation system, two flight tests have been performed using a small aircraft. The first flight test confirmed the fundamental operation of the proposed navigation system and the effectiveness of the FDI algorithm. The second flight test evaluated the performance of the proposed navigation system and demonstrated the benefit of GPS attitude information in a high dynamic environment. The flight test results show that the proposed ADGPS/INS integrated navigation unit gives reliable navigation performance even when anomalous GPS data is provided and gives better navigation performance than a conventional GPS/INS unit.     

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.     

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。