运动状态下MEMS IMU随机误差的Allan方差分析方法

在车载全球卫星导航系统（global navigation satellite system,GNSS）/微机械系统（micro-electro mechanical system,MEMS）惯性测量单元（inertial measurement unit,IMU）组合导航滤波解算时,通常使用MEMS厂商标定的加速度计和陀螺仪的随机模型参数（简称为标称参数）。这些标称参数由传感器厂商在静止状态或通过实验室转台设备来测定,是否适用于运动状态下的组合导航滤波解算并获得最优的定位精度,需要进一步研究和评估。本文提出了一种运动状态下MEMS IMU随机误差的Allan方差分析方法,将不同精度等级的IMU安装在同一车载平台上同步采集观测数据,用高精度IMU观测数据提取车辆运动信息,然后从低精度MEMS IMU观测数据中剔除车辆运动信息得到类似静止的观测数据,进行Allan方差分析,获得运动状态下的MEMS随机模型参数,并将其应用于GNSS/惯性导航系统（inertial navigation system,INS）组合导航解算。试验结果表明,采用运动状态下标定的随机模型参数,组合导航的定位精度优...     

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。     

GNSS/INS组合导航系统初始对准及其故障修复研究

正全球卫星导航系统可在无遮蔽环境中为用户提供高精度、低频率的导航定位服务,但在复杂环境中,GNSS信号易被遮挡或干扰。惯性导航系统经过初始化后,能够独立自主提供高频率、连续的位置、速度和姿态信息。通过二者合理结合,能够在遮蔽或半遮蔽环境中为用户提供连续且可靠的导航解。本文重点研究了GNSS/INS组合导航系统初始化及其故障修复方法,内容包括高精度惯导快速自对准技术、大失准角故障处理、磁力计辅助MEMS IMU抗差自适应姿态融合、神经网络辅助GNSS/INS组合导航系统故障识别与修复和惯导辅助BDS三频周跳探测与修复技术等,主要研究成果如下:     

城市环境下智能手机车载GNSS/MEMS IMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元（microelectro-mechanical system inertial measurement unit,MEMS IMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明：城市场景下紧组合滤波定位算法平面位置精度统计约为5～6 m,高程方向约为5 m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。     

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。     

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。     

低精度INS／GPS组合导航大方位失准角初始对准方案

在低精度MEMS-IMU和GPS组合导航中,由于IMU的精度问题,无法通过传统的解析方法实现方位失准角的粗对准,造成了大方位失准角问题,从而导致系统的强非线性。通过变换状态量,用方位失准角的两个三角函数代替方位失准角作为状态量,建立了新的线性系统方程。用改进奇异值分解法对新对准系统进行可观测度分析,完成了车载导航试验,结果表明：本初始对准方案在低精度的组合导航中具有很好的对准精度和对准速度。     

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...     

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.     

超紧组合中不同精度IMU对GNSS信号跟踪性能的提升

详细推导了惯性测量单元(IMU)精度与全球导航卫星系统(GNSS)接收机信号跟踪环路误差之间的数学模型,分析了IMU辅助的高动态载波跟踪环路误差精度,比较了不同精度IMU辅助GNSS信号捕获性能,证明了分析推导的正确性和合理性,指出了惯性卫星超紧组合导航系统对IMU的精度要求。     

一种低成本GPS/INS紧耦合组合导航系统

描述了一种低成本的GPS/INS组合导航系统,经过理论推导得到了系统具体的实现方法,并通过市场上大量使用的低成本GPS模块和MEMS陀螺和加速度计实现了该系统。实际路测数据结果显示,该系统基本达到了理论预期。     

空间目标三维姿态估计方法

针对运动车辆的姿态角传统估计方法成本较高、模型复杂等问题,提出一种低成本、高效率、高精度的基于载波相位时间差分(time-differenced carrier phase, TDCP)的车辆航向角和俯仰角估计模型。该模型利用一台全球卫星导航系统(global navigation satellite system,GNSS)接收机的观测数据,使用复杂度低的TDCP算法得到精确的车辆位移矢量,进而估计车辆航向角和俯仰角;为了提高估计效率,对传统载波相位时间差分算法进行了优化。基于中国香港连续运行参考站(continuously operating reference stations,CORS)数据的静态实验和基于车载数据的动态实验结果表明,优化的载波相位时间差分较一般载波相位时间差分效率更高,所提出的航向角和俯仰角估计模型能提供精确的航向角和俯仰角估计值,其均方根误差小于0.2°,最大误差小于1.5°。     

GNSS+INS组合定位在矿山无人驾驶卡车的应用

面向矿山无人驾驶卡车场景,针对GNSS定位不连续且容易被干扰、INS存在累计误差的缺点,本文提出了一种基于GNSS+INS组合的导航算法,该算法融合了两种算法的优点,提高了定位的精度和可靠性。分别将RTK算法和组合导航算法结果与开源软件RTKLIB和NovAtel板载输出结果对比。试验结果表明,本文算法在精度上与NovAtel板载输出结果基本持平,明显优于RTKLIB软件。本文算法平面和高程误差均值及STD均优于5 cm,姿态误差均值和STD优于1°,可以满足矿用无人驾驶卡车的定位精度需求。     

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。     

基于北斗GEO的电离层延迟修正方法比较与分析

电离层延迟是影响导航定位精度的最主要因素。北斗卫星导航系统采用Klobuchar模型修正单频接收机用户的电离层延迟误差,对于双频接收机,可以利用不同频率信号的伪距观测数据解算得到电离层延迟值。为比较两种方法在天津地区的电离层延迟修正效果,利用NovAtel GPStation6接收机(GNSS电离层闪烁和TEC监测接收机)采集到的卫星实测数据进行计算。以国际全球导航卫星系统服务组织(IGS)发布的全球电离层格网数据为参考,对两种方法的修正效果进行比较分析。结果表明,在天津地区,利用双频观测值解算电离层延迟比Klobuchar模型计算结果更加精确,且平均每天的修正值达到IGS发布数据的82.11％,比Klobuchar模型计算值高948％      

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。     

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。     

Using multiple portable/wearable devices for enhanced misalignment estimation in portable navigation

Global navigation satellite system (GNSS), such as global positioning system (GPS), has been widely used for vehicular and outdoor navigation. Accuracy is one, among many, of the advantages of using GNSS in the open sky. However, GNSS finds difficulty in achieving similar results in portable navigation, where users spend most of their time indoors or in urban canyons, places where GNSS signals suffer from multipath error or signal blockage. One of the most common solutions for providing location services in such challenging environments is integrating GNSS with inertial sensors, such as accelerometers and gyroscopes. However, the arbitrary orientation of the portable device can present a more difficult challenge when using inertial sensors for portable navigation. In order to obtain a navigation solution using inertial sensors, an accurate heading estimation is required. Resolving the heading misalignment angle between the portable navigation device and the moving platform, such as using the device while walking or in a vehicle while driving, is critical to obtaining an accurate heading estimation. We present a solution for resolving the misalignment between the portable device and the moving platform, which exploits multiple portable devices like smartphones or tablets and/or smart wearable devices such as smart watches, smart glasses, and/or smart fitness and activity trackers/monitors. Several real field test experiments using portable devices were conducted to examine the performance of the proposed method. Results show how a portable navigation solution can be improved by further enhancing misalignment estimation.     

多传感器行人航位推算方法和UKF融合算法

针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。