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。     

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。     

改进Sage-Husa算法在飞机组合导航中的应用

针对机载组合导航系统,考虑不同飞行阶段的气压高度,提出一种改进的Sage-Husa自适应滤波算法,以提高组合导航系统定位精度. 该算法通过引入气压高度,实时计算并修正滤波异常判定的调节因子,以满足飞机不同飞行阶段的滤波需求. 通过捷联式惯性导航系统(SINS)、全球卫星导航系统(GNSS)定位误差特性仿真、卡尔曼滤波组合算法仿真、以及改进的Sage-Husa自适应滤波算法仿真,并对相关结果进行比较验证. 仿真结果表明,改进Sage-Husa自适应滤波可以提高滤波的自适应性,降低组合导航系统定位误差,取得较好的效果.      

两种滤波方法在SINS/GPS组合导航中的分析比较

本文针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况:介绍并分析了自适应滤波和H∞滤波算法原理,并进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

超宽带/GNSS/SINS融合定位模型与方法研究EI北大核心CSCD

全球卫星导航系统(GNSS)与捷联惯性导航系统(strapdown inertial navigation system,SINS)的组合可在室外环境或卫星信号短暂失锁的条件下提供连续、可靠的定位服务。但针对室内或弱GNSS信号区域,组合系统的服务受限;超宽带(ultra-wideband,UWB)系统以其可提供厘米级的理论测距精度且布设方便的优势,可为该区域提供有效的测距信息。论文以车载试验平台为依托,分别就UWB/SINS、GNSS/SINS和UWB/GNSS/SINS 3类室内外定位模型及相应的模型参数估计方法展开研究,主要研究成果如下。     

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。     

车载分散式协同定位算法性能分析

为了提高GNSS拒止环境下车辆编队的定位精度,克服集中式滤波依赖中央处理单元且整体计算量大,进而导致协同定位系统可靠性低的问题,提出一种基于OD/SINS(里程计/捷惯导组合导航)模式下分散式协同定位算法.在OD/SINS组合导航系统方程的基础上构建了分散式协同定位模型,建立了基于位置反馈校正的测量模型,并引入载体连线边横向误差和边纵向误差来对协同定位后的相对精度进行评价.仿真结果表明,该算法与非协同模式相比,能够有效减小定位误差和航向角误差,并且能够显著提升载体之间的相对精度和编队构型的稳定程度.     

GNSS／INS组合导航误差补偿与自适应滤波理论的拓展

对GNSS/INS组合导航误差补偿与自适应滤波理论进行了系统而深入的研究。针对GNSS/INS组合导航实际应用中存在的随机模型不精确、GNSS观测条件不佳、INS误差累积迅速等问题,引入Allan方差、ARMA模型、载波相位平滑伪距、伪距差分求解速度、自适应滤波、误差模型修正等算法,对其进行改进并进一步提高了导航精度和可靠性。     

GNSS/SINS定位稳健SE2(3)-EKF方法

GNSS/SINS组合导航中因姿态失准角等误差较大会引起状态误差坐标定义不一致和线性化误差较大问题,导致传统滤波和定位性能有所降低,尤其在面临较复杂的GNSS观测环境时更为显著。本文通过将姿态、速度及位置状态构造为特殊SE₂(3)-EKF群元素,考虑陀螺及加速度计零偏误差,形成群-矢量混合误差模型,在此基础上设计了一种基于量测左不变的GNSS/SINS抗差滤波方法(RLIEKF),通过市区环境下存在大失准角误差和GNSS异常的车载组合导航试验,验证本文方法的优越性。试验结果表明：相对于传统EKF方法,RLIEKF方法由于在时间更新及GNSS量测更新中顾及了姿态角误差,在不同大失准角情况下仍具有较快的收敛速度,无须复杂且长时间的姿态对准步骤,较好地弥补了GNSS信号短时间缺失无法定位问题,可显著提升滤波新息精度,具备更好的抗差性能,对于复杂观测环境表现更为稳健,且计算效率相当,具备较好的工程实用价值。     

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。     

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。     

四大GNSS广播星历精度评估与对比分析

分析了 目前广播星历精度评估中存在的问题,详细论述了广播星历精度评估过程中对精密星历进行天线相位中心改正的取值方法,提出了利用单颗星单日钟差均值作二次差对广播星历钟差的系统性偏差进行改正的方法.选取2019-09-01-2019-11-01 共计62天的多模 GNSS 实验(multi-GNSS experiment,...     

信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析

为解决可观测基站受遮挡情况下仅采用到达时间（time of arrived, TOA）无法定位或精度较差的问题,将第5代移动通信技术（5th generation,5G）中多天线阵列提供的信号离开角（angle of departure, AOD）应用在定位解算中,通过卡尔曼滤波将5G定位与捷联惯性导航（strapdown inertial navigation system,SINS）融合,构成融合TOA/AOD的5G/SINS组合导航方案。通过模拟可观测5G基站数量充足、遮挡这两类场景下的仿真实验,对基于TOA的5G定位、基于TOA/AOD的5G定位、TOA组合导航、TOA/AOD组合导航这4种解算方法的位置误差进行了比较。仿真实验结果表明,当可观测基站受遮挡时,融合TOA/AOD进行5G/SINS组合导航能确保100%的定位成功率,并有效降低组合导航发散的概率,减小40%~70%的位置误差。     

INS/GNSS/ODO嵌入式系统的容错技术研究

车载低成本嵌入式组合导航系统的可靠性容易受到多种传感器故障和环境的影响,基于全球卫星导航系统(GNSS)状态的惯性导航系统(INS)/GNSS/里程计(ODO)抗差组合导航算法,提出了一种两级故障检测处理方法. 其中,第一级检测使用了基于解析冗余的残差卡方检验法,第二级检测使用了改进的双状态传播卡方检验算法. 利用自主研制的GN310低成本嵌入式系统采集路测数据. 结果表明:相对于传统算法,水平定位精度提升了39.7%;另外在半实物仿真下,水平定位误差保持在3 m以内,表明该容错方法能够有效地处理ODO、INS故障和GNSS软硬故障.      

函数模型误差弹性自适应滤波修正

多源导航信息融合过程中,观测模型和动力学模型随时间和空间变化复杂,高精度的动态载体导航与定位需要观测模型和动力学模型具有准实时或实时修正的能力。针对包含观测模型误差以及动力学模型误差的滤波系统,提出了一种基于信息滤波的弹性自适应滤波算法。所提算法以不含模型误差的标准信息滤波器为主滤波器,分别构造了观测函数模型及动力学函数模型误差补偿滤波器,对两类模型误差进行补偿。所提方法强调模型补偿项的弹性自适应估计和状态参数的弹性组合,提高了时变模型误差估计的稳定性。半物理仿真实验结果表明,基于函数模型补偿的弹性自适应滤波算法可以有效地估计观测模型和载体动力学模型误差项,水下拖体的三维位置偏差在0.2 m以内,两类模型误差的影响基本消除,明显提高了载体动态参数的估计精度。     

BDS-3/GNSS非组合精密单点定位

北斗三号卫星导航系统（BeiDou-3 navigation satellite system,BDS-3）全球组网工作全面建成,标志着BDS-3迈入全球定位、导航和授时服务的新时代。为了全面比较BDS-3系统与其余全球导航卫星系统（global navigation satellite system,GNSS）非组合精密单点定位（precise point positioning,PPP）性能,重点分析不同分析中心BDS-3精密轨道和钟差产品的一致性、BDS-3/GNSS卫星可用性、BDS-3/GNSS单系统及多系统融合PPP定位性能。结果表明,基于5个分析中心的精密轨道和钟差产品,BDS-3静态PPP三维均方根误差约为2.31~4.00 cm,其单系统收敛时间明显慢于其余GNSS系统,GPS系统的加入对BDS-3/GNSS双系统融合PPP改善效果最为明显,且四系统融合能够有效地缩短收敛时间,并提高动态PPP定位精度。随着BDS-3系统的发展以及轨道和钟差产品的进一步完善,BDS-3同样具备其余GNSS系统提供优质导航定位服务的潜力。     

黄土高原地区PWV影响因素分析及精度评定

大气水汽是对流层的重要组成部分之一,研究影响水汽的因素及精度具有重要意义。主要研究黄土高原地区大气可降水量（precipitable water vapor, PWV）的影响因素,并对其实际精度进行评估。首先,对ERA5（the fifth-generation atmospheric reanalysis data of ECMWF）的气压、气温数据和全球导航卫星系统（global navigation satellite system, GNSS）获取的天顶对流层延迟（zenith troposphere delay, ZTD）进行评定;然后,依据ERA5的气压、气温数据和GNSS的ZTD数据计算1 h分辨率的PWV,并利用误差传播理论推导PWV的理论误差; 最后, 与PWV实际计算误差进行对比,分析黄土高原地区PWV的精度。结果表明,基于GAMIT/GLOBK软件获得的GNSS ZTD与PANDA软件解算的GNSS ZTD差值的均方根（root mean square, RMS）和Bias分别为4.05 mm和-0.46 mm;ERA5气压和气温的平均RMS和Bias分别为3.36 hPa/1.97 K和-0.01 ?hPa/0.04 K;黄土高原地区PWV的理论误差为1.51 mm,实际误差为1.94 mm。计算得到的PWV精度较高,对水汽分布以及气候监测的研究具有重要意义。     

动力学模型自适应滤波算法研究

在全球导航卫星系统（global navigation satellite system,GNSS）动态测量中,常采用Kalman滤波进行导航解算。但是,载体运动的不规则性经常会导致动力学模型偏差增大,从而出现定位精度下降的问题。针对此,在实时估计协同转弯模型（coordinated turn,CT）转弯率的基础上提出了两种减弱动力学模型偏差影响的自适应滤波算法。一种是实时估计转弯率的CT模型与改进的椭球约束方程相结合的滤波算法;另一种是通过对载体运动规律的分析,推导了实时估计转弯率的三维转弯模型,提出了一种三维转弯模型与新息向量构造的自适应因子相结合的自适应滤波算法。实验结果表明,这两种算法在不同的机动情况下都能较好地控制动力学模型误差的影响,其精度明显优于标准Kalman滤波和CT模型与常速度模型相结合的滤波算法。尤其是第二种算法,不仅通过自适应估计提高了动力学模型的精确性,还通过自适应因子进一步控制了动力学模型扰动的影响,显著提高了动态导航解的精度和可靠性。