Modeling and verifying the impact of time delay on INS-aided GNSS PLLs

The timing error between global navigation satellite system (GNSS) and inertial navigation system (INS) processes limits the integration performance in GNSS/INS integrated systems. In a deeply coupled system, this timing error affects not only the integrated navigation solution, but also the GNSS signal tracking. We propose a time-domain model of INS-aided second-order phase-locked loops (PLLs) in consideration of the INS aiding delay, and analyze the effect of INS aiding delay on the tracking errors in details. In addition, an integrated hardware deeply coupled system platform was developed to verify the impact of time delay on INS-aided PLLs. Simulation and field vehicles testing results demonstrate that the tracking error of the INS-aided PLL caused by aiding delay increases with the lengthening of the delay time, the compression of the bandwidth, and the increase in the acceleration. Testing results verify the proposed model.     

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。     

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.      

一种改进的GNSS／INS非相干深组合导航

针对GNSS／INS非相干深组合导航中通道滤波器状态模型中信号幅值估测不准而导致跟踪环路观测噪声较大的问题,提出了一种改进的GNSS／INS非相干深组合导航方法。该方法通过去除通道滤波器中信号幅值状态变量,增加载波相位变化率加速度误差,重新设计了通道滤波器数学模型。仿真结果表明：相比于传统的非相干深组合导航方法,这种滤波器的跟踪性能与导航精度有了进一步提高。     

GNSS/INS紧组合导航系统自主完好性监测分析

可靠性和对故障的可区分性是评价系统完好性的两个重要因素。本文将多GNSS系统与不同精度的INS系统进行组合,由此分析不同因素对组合系统内部的可靠性和故障探测与隔离能力的影响。仿真结果表明,集成多GNSS系统可以改善卫星星座的几何分布结构,从而提高系统的内部可靠性和对故障的区分能力;当GNSS系统与INS系统相结合时,也能大幅度提高系统的可靠性和区分性;相较于低精度的INS系统,采用高精度的INS系统能够进一步的提高系统的可靠性,并增强对故障的区分能力。     

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。     

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.      

虚拟卫星法在 GNSS / INS组合导航中的应用

在 GNSS / INS车载组合导航系统中,GNSS信号易受遮挡或干扰而失锁,造成组合导航精度有所降低.针对这种情况,将虚拟卫星法应用于 GNSS / INS组合导航系统中.通过增加虚拟卫星,构造虚拟观测量,将实测观测量、虚拟观测量用于组合导航 Kalman滤波器解算.试验结果表明,此方法能够有效地提高系统的可观测性和导航精度.     

Improved decentralized multi-sensor navigation system for airborne applications

The integration of Global Navigation Satellite System (GNSS) and Inertial Navigation System (INS) technologies is a very useful navigation option for high-accuracy positioning in many applications. However, its performance is still limited by GNSS satellite availability and satellite geometry. To address such limitations, a non-GNSS-based positioning technology known as “Locata” is used to augment a standard GNSS/INS system. The conventional methods for multi-sensor integration can be classified as being either in the form of centralized Kalman filtering (CKF), or decentralized Kalman filtering. However, these two filtering architectures are not always ideal for real-world applications. To satisfy both accuracy and reliability requirements, these three integration algorithms—CKF, federated Kalman filtering (FKF) and an improved decentralized filtering, known as global optimal filtering (GOF)—are investigated. In principle, the GOF is derived from more information resources than the CKF and FKF algorithms. These three algorithms are implemented in a GPS/Locata/INS integrated navigation system and evaluated using data obtained from a flight test. The experimental results show that the position, velocity and attitude solution derived from the GOF-based system indicate improvements of 30, 18.4 and 20.8% over the CKF- and FKF-based systems, respectively.     

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。     

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。     

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。     

非完整约束的OD/SINS自适应组合导航方法

在地面车载组合导航GNSS/OD/SINS中,全球导航卫星系统（GNSS）信号容易受到环境的干扰甚至发生中断,将非完整性约束（NHC）应用于里程计（OD）/捷联惯性导航系统（SINS）组合,可以有效抑制GNSS信号中断期间组合导航系统的误差发散。通常NHC的噪声设定基于固定的经验值,然而在实际运动过程中,车辆运行轨迹复杂多变,其运动状态不能完全满足NHC前提假设,经验给定的噪声无法准确反映车辆实际运动情况。为此,本文分析了NHC噪声与车辆运动状态的关系,构建了一种基于车辆运动状态的NHC噪声自适应方法。通过所选场景的实测数据验证表明：采用噪声自适应的NHC/OD/SINS组合导航结果相比于固定噪声的NHC/OD/SINS组合,在GNSS信号中断110 s、车辆连续转弯的情况下,最大水平位置误差减小了68.4%;在GNSS信号中断74 s、车辆直线行驶的情况下,最大水平位置误差减小了87.3%;能较好地抑制GNSS中断期间组合导航系统的误差发散。     

PPP／INS组合系统研究进展与展望

随着GNSS多系统的建设,精密单点定位(PPP)技术向着实时固定解方向发展,PPP／INS组合系统因无需布设基准站,在导航测绘领域有着广泛应用前景。本文系统总结了GNSS多系统、PPP模糊度固定、INS辅助对PPP／INS组合系统的贡献,以及组合系统在滤波方法、平滑算法、随机模型建立等方面的工作,并展望了PPP／INS组合系统的发展趋势。      

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...     

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。     

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。     

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。     

INS辅助的实时动态GNSS单频周跳探测

采用全球卫星导航系统（Global Navigation Satellite System,GNSS）模糊度固定解可提高GNSS/惯性导航系统（inertial navigation system,INS）组合导航定位精度,而在复杂环境下,单频GNSS难以实现完善的实时动态周跳探测,影响GNSS模糊度保持。研究了星间单差与站星双差的INS辅助GNSS单频周跳探测检验量,重点分析检验量的误差特性。分析得出检验量误差主要与INS增量误差有关,受接收机至待检星与参考星之间星地矢量夹角的影响。提出了选取两颗参考星并优选探测检验量的方法,降低方位角因素的影响,提高周跳探测性能。周跳探测的阈值在滑动窗口内估计,对INS误差被GNSS误差淹没的部分进行抑制,充分反映INS误差影响,阈值估计具有较强的自适应性。