露天矿区里程计辅助的GPS/INS车辆导航算法研究

由于INS误差容易快速积累,所以在GPS/INS组合导航过程中依赖于GPS信号的稳定性,露天矿区GPS信号容易发生中断或遮挡,引起INS误差的快速增长,降低导航精度。在GPS/INS组合导航的基础上,提出了露天矿区里程计辅助的组合导航算法,修正了GPS信号中断过程中导航参数误差。介绍了里程计速度和位置的解算方法和传统的GPS/INS组合导航的动力学模型及观测模型,给出了里程计辅助GPS/INS组合导航算法的结构图,描述了里程计辅助的GPS/INS组合导航算法的详细过程,通过车载验证了算法的有效性。实验结果表明:GPS信号缺失的情况下,GPS/INS组合导航的误差快速积累,导航精度较低;通过引入里程计辅助组合导航,可以及时修正GPS信号中断阶段的导航参数误差,加入的里程计辅助的GPS/INS组合导航误差在NED三个方向的最大值分别为11.336 m、8.056 m和19.782 m,比无里程计辅助的误差(在NED三个方向的最大值分别为40.324m、38.776m和79.693m)有较大提高,数据解算满足导航要求。     

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。     

自适应联邦滤波器在GPS-INS-Odometer组合导航的应用

针对多传感器观测信息较多、计算效率较低、对动力学模型误差稳键性不佳的问题,提出了一种自适应联邦滤波器并应用于GPS-INS-Odometer组合导航。首先介绍GPS-INS-Odometer组合导航的动力学模型和观测模型,比较分析了信息分配因子和自适应因子的共同特性,论证了联邦滤波器和自适应滤波器的等价性及其等价成立条件,提出了自适应联邦滤波器的信息分配因子构造方法。最后利用实测数据验证了算法的有效性。结果表明,相比于基于GPS和Odometer(里程计)初始方差构造信息分配因子的联邦滤波器,本文提出的自适应联邦滤波器兼容了联邦滤波器高效计算效率,且具有较好的抵抗动力学模型误差效果,能够有效削弱多传感器动力学模型误差对于导航解算的影响,对直接可测参数和间接可测参数的精度提高均起到了积极的作用。     

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

一种GPS/GLONASS/INS数据融合算法

针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。     

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。     

异步联邦UKF的GNSS／SINS／摄影定位组合导航算法仿真

在飞行器进近过程中,为了提高组合系统的导航精度,针对传统联邦滤波器对非线性系统模型易导致滤波发散问题.分析了两种导航方式的优缺点,提出了基于卫星导航／惯性导航／摄影测量(GNSS／SINS／Photogrammetry)的组合导航联邦滤波算法,并推导了系统误差模型.该算法取长补短利用联邦无迹卡尔曼滤波器将GNSS定位和摄影定位、定姿精度高的优势对SINS进行在线误差估计.针对多传感器非等间隔数据采样问题,采用时间与量测更新分离的异步非等间隔联邦滤波算法进行信息融合,并对滤波器结构进行改进以减少算法复杂度.仿真实验证明基于联邦UKF的组合导航系统较传统联邦滤波算法位姿精度有明显的提高,且系统鲁棒性也有一定的增强.      

多普勒平滑伪距在GPS/INS紧耦合导航中的应用

针对GPS/INS紧耦合导航中GPS伪距观测值精度较低的问题,提出了一种多普勒平滑伪距在GPS/INS紧耦合导航的应用算法。首先给出了GPS/INS紧耦合导航详细的动力学模型和观测模型,在载波相位平滑伪距的基础上推导了多普勒平滑伪距的具体算法和方差-协方差计算公式,并引入遗传算法对平滑因子进行最优估计;然后利用实测数据验证了新算法的有效性。结果表明,平滑算法能够有效提高伪距观测值的精度,从而提高组合导航的定位精度,相对于载波相位平滑伪距,多普勒平滑伪距的精度略有提高,而且多普勒平滑伪距不受周跳的影响,算法的效率更高。与此同时,伪距观测值精度的提高使其与伪距率观测值精度相当,增强了滤波系统的稳定性。     

惯性辅助强多径环境中的北斗三频周跳探测与修复

针对北斗三频信号,引入了惯性信息辅助周跳探测与修复,建立了北斗/INS松组合模型,提高了多径误差严重影响下的BDS周跳探测成功率和修复率。在常规伪距-相位组合与几何无关组合探测三频周跳的基础上,提出了INS定位辅助的北斗三频组合法,构建了INS辅助的周跳决策量,分析了INS定位误差对周跳探测的影响。该方法克服了周跳探测受伪距观测值精度影响的不足,实现了北斗系统多径环境中的小周跳探测。试验采用船载INS/BDS三频组合系统进行数据实测分析,结果表明,在水面强多径噪声环境导致传统三频探测模型失效的情况下,该方法显著提高了探测成功率与修复率,并适用于低频北斗观测数据。     

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。     

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。     

应用EKF平滑算法提高GPS/INS定位定姿精度

为了提高城市遮挡环境下GPS较长时间(60s)无法单独定位情况下GPS/INS组合定位定姿精度,研究了扩展卡尔曼滤波及其RTS(Rauch Tung Striebel)平滑算法;同时给出了基于ψ角惯导误差模型的GPS/INS组合系统状态方程和基于位置、速度更新的量测方程。实验中模拟GPS信号失锁60s,应用RTS后处理算法进行了GPS/INS组合数据处理。结果表明,扩展卡尔曼滤波EKF平滑算法可以有效地提高城市遮挡环境下GPS/INS组合定位定姿精度,特别是对GPS失锁的情况。从而很大程度上降低对高成本惯导的依赖。     

扩展区间Kalman滤波器及其在GPS/INS组合导航中的应用

针对具有不确定动态模型参数的 GPS/INS 组合导航系统,首先介绍一种新型的区间Kalman滤波器,讨论了GPS/INS 组合系统中模型参数不确定性的问题,分析了惯性传感器建模中相关时间常数的区间特性,并建立了适合非线性特性的GPS/INS组合系统的扩展区间卡尔曼滤波器.计算结果表明,扩展区间卡尔曼滤波器对非线性GPS/INS组合系统是很有效的,它能给出组合系统导航误差的上下界,这对组合系统的设计具有指导的意义.     

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。     

固定区间平滑滤波增强UWB/INS/NHC组合算法研究

针对当前室内位置服务技术难以同时满足定位的高精度性、连续性和和可靠性等显著问题,本文提出了一种多传感器数据融合室内定位算法,综合利用超宽带(Ultra-Wide Band,UWB)的室内高精度定位特性、惯性导航系统(Inertial Navigation System,INS)的自主定位和短期高精度定位特性,在非完整性约束模型(Non-Holonomic Constraint,NHC)的辅助下,采用固定区间平滑滤波,实现室内高精度连续定位.实测数据分析结果表明:1)UWB能实现分米级的定位和测速精度;2)在INS、NHC和固定区间平滑滤波的辅助下,可实现厘米级的平面定位精度和分米级的高程定位精度,测速精度达到优于3 cm/s;3)在UWB定位性能较差的环境下,NHC、INS和RTS对UWB定位性能的改善最为明显.     

GNSS精密单点定位与惯性导航紧组合理论模型

针对精密单点定位(Precise Point Positioning,PPP)动态定位精度低、收敛速度慢等问题,本文采用PPP/INS紧组合系统来达到改善PPP动态定位性能的目的。本文对PPP/INS紧组合的观测方程、误差补偿模型、参数估计模型等进行详细推导。通过车载实验采集的卫星观测数据和不同等级的惯性数据,对动态PPP及PPP/INS紧组合的定位定姿性能进行分析,评估不同等级惯性传感器对PPP/INS紧组合定位精度和收敛速度的影响。实验结果表明:PPP/INS紧组合在北—东—高方向的位置RMS相对于PPP分别改善了70.2%、29.1%和16.8%,达到4.8 cm、12.3 cm和7.4 cm。在卫星跟踪条件良好时,惯性传感器性能对PPP/INS紧组合定位精度影响不大;而在卫星观测条件不足时,惯性传感器性能对PPP/INS紧组合定位精度影响明显。此外,仿真和恶劣条件下的数据结果表明,PPP/INS初始定位精度与收敛速度随惯性传感器性能提高而改善明显。     

城市环境下多系统实时PPP/MEMS INS紧组合模型构建与性能分析

以GNSS和INS为代表的传感器提供的高精度实时位置是自动驾驶、智能交通等领域的重要基础。为提升GNSS和MEMS INS在城市环境下的实时定位性能,本文利用IGS播发的实时精密轨道和钟差改正数,构建了多系统实时PPP/MEMS INS紧组合模型,分析和评估了多系统实时PPP与PPP/MEMS INS紧组合的性能,并与事后精密产品获得的结果进行对比。试验结果表明,在GNSS短时中断期间,多系统PPP/MEMS INS紧组合可以实现连续可靠定位;水平和高程分量的定位精度分别可达0.374和0.339 m,但与事后精密产品相比仍有差距,点位定位精度相差约为0.15 m。PPP/INS紧组合的测速及定姿精度主要取决于INS,测速精度约为1 cm/s,与使用IGS事后产品得到的结果相比,无明显差异;航向角的可观测性较弱,静止期间航向角误差明显增加。     

利用牛顿插值的GPS/INS组合导航惯性动力学模型

针对GPS/INS组合导航中INS动力学建模不准确的问题,提出了一种基于牛顿插值的GPS/INS组合导航惯性动力学多阶建模算法。首先,介绍了牛顿插值的计算方法;然后,利用其对惯性系统Gauss-Markov模型进行改进,实现了多阶建模;最后,给出了组合导航详细的动力学模型和观测模型。利用实测数据对算法进行验证,并通过对比不同阶数建模方法寻求牛顿插值的最优建模阶数。结果表明,相比于传统GaussMarkov过程,基于牛顿插值的GPS/INS组合导航惯性动力学模型能够有效提高组合导航位置精度和姿态精度。与此同时,实验分析表明,4阶牛顿插值建模在实现模型准确性的前提下,降低了模型的复杂性,为牛顿插值建模阶数选取提供了良好的借鉴。     

GNSS/INS组合车辆协同精密定位方法

自动驾驶和智能交通要求载体的高精度定位,更要求载体之间的高精度协同控制。当前依靠增加传感器来提升载体定位精度的研究思路依然无法有效解决卫星信号长时间失锁的复杂情况。本文提出了基于GNSS/INS组合的载体协同高精度定位方法,通过建立载体之间的相对位置关系来实现载体间观测值的共享,从而提升载体的定位精度和可信度。试验结果表明,GNSS/INS组合的协同定位模式相比于单独定位模式能显著改善载体恶劣环境下的定位精度。     

支持向量回归辅助的GPS/INS组合导航抗差自适应算法

卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。