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。     

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。     

顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法EI北大核心CSCD

为解决不同GNSS间信号差异引起的多GNSS RTK/INS紧组合导航应用中卫星系统间模糊度固定失败的问题,本文提出顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法,以进一步发挥多GNSS在复杂环境下的互补性和灵活性。本文推导了顾及ISB/IFB的多GNSS RTK/INS紧组合导航观测方程,给出了综合利用抗差估计方法和粒子群优化的ISB/IFB参数估计方法。试验结果表明,顾及ISB/IFB参数可以在一定程度上提高卫星系统间模糊度固定成功率;结合抗差估计方法提高卡尔曼状态估计浮点解精度,可显著提高多GNSS RTK/INS紧组合导航系统在复杂环境下的系统间模糊度固定成功率与导航精度。     

一种LiDAR平面配准方法辅助的IMU室内定位算法

室内环境由于缺乏观测条件,无法使用全球导航卫星系统(global navigation satellite system,GNSS)进行定位,而单独惯性导航系统(inertial navigation system,INS)由于传感器的误差累积,定位结果快速偏移且无法受到限制.因此,针对室内未知环境下移动背包的定位问题...     

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。     

附加约束条件对GNSS/INS组合导航结果的影响分析

PPP-RTK(precise point positioning real time kinematic)是一种具有潜力的定位技术,它既避免了RTK(real time kinematic)覆盖范围受限的缺陷,又解决了PPP(precise point positioning)收敛速度慢的问题。但在城市复杂环境下,由于信号遮挡严重,PPP-RTK无法实现高精度连续定位。惯性导航(inertial navigation system,INS)和视觉导航能提供连续的定位信息,但存在误差漂移,由此提出多系统PPP-RTK/VIO(visual inertial odometry)半紧组合算法,并在武汉大学校园内采集车载数据进行验证。实验结果显示,多系统PPP-RTK/VIO半紧组合在定位表现上相比于GPS(global positioning system)+BDS(BeiDou navigation satellite system),PPP-RTK能带来超过30%的精度提升,达到平面0.58 m,高程1.12 m。多系统PPP-RTK/VIO半紧组合的测速和姿态估计性能也较好,测速精度在北向、东向和地向分别达到0.04 m/s、0.04 m/s和0.02 m/s,横滚角、俯仰角和航向角估计精度分别达到0.10°、0.06°和0.17°。     

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...     

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。     

移动测量技术及其应用

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0.5 m以内。     

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.     

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。     

城市环境下BDS+GPS RTK+INS紧组合算法性能分析

城市环境下运动载体接收的GNSS信号会被频繁地干扰和遮挡,GNSS RTK独立工作模式难以连续且可靠地固定模糊度以满足厘米级高精度定位需求。为此,本文设计了一套基于集中式卡尔曼滤波的BDS+GPS RTK紧组合算法,给出了其动力学模型、观测模型和算法架构流程。通过城市环境下的实际车载测试,对比分析了BDS、GPS、BDS+GPS 3种模式下RTK及RTK+INS紧组合的定位性能。试验结果表明,BDS+GPS双系统大大增加了可见卫星数,提高了城市环境下GNSS动态精密定位的可用性和精度;相对于GNSS RTK,紧组合极大地提高了精密定位的可靠性和可用性。     

谷歌Nexus 9智能终端原始GNSS观测值的质量分析

受限于低成本、低功耗的全向线性极化天线和导航芯片,手机原始的全球导航卫星系统（global navigation satellite system,GNSS）观测数据存在伪距噪声大、多路径效应严重以及载波相位观测值周跳频繁等特点,从而造成定位不准、轨迹不平滑等问题。基于此,提出了一种速度约束的双频实时伪距差分（real time differential,RTD）/实时动态差分（real time kinematic,RTK）自适应切换滤波定位算法,充分发挥L5/E5a/B2a信号抗多径能力强的优势,提升定位精度和模糊度固定率;使用速度约束载体历元间位置变化的方法,有效平滑了伪距噪声;通过RTD/ RTK自适应切换的方式,保证了不同观测条件下获得稳定的高精度位置信息。基于Huawei Mate40智能手机的实测定位结果表明,静态定位和行人动态定位的模糊度固定率分别为99.67%和57.99%;行人在半遮挡环境的动态定位平面精度约为0.5 m,城市典型环境下车载动态定位中超过70%历元的平面误差在1.5 m以内,实现了手机用户在城市环境下的高精度导航定位。     

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.     

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。     

一种新的利用历元间位置变化量约束的GNSS导航算法

目前常用相位或多普勒观测值平滑伪距的方式提高全球导航卫星系统(global navigation satellite system, GNSS)的导航性能。然而在城市环境下,GNSS观测信号中断严重,且行人等载体运动具有很大随机性,常规的相位平滑伪距或者常速度/常加速度导航算法效果有限。因此,提出了一种基于历元间载体位置变化量约束的单机GNSS导航算法,该算法利用历元间相位差分观测值计算高精度历元间位置变化量,并以此描述载体的运动,构建滤波模型的状态方程,同时利用伪距观测值构建观测方程,采用扩展卡尔曼滤波实时估计载体的位置。实验使用低成本的单频u-blox接收机实测数据,结合该算法进行导航解算。结果表明,静态情况下,导航结果的平面精度优于0.56 m;在动态情况下,平面精度优于1.0 m。在使用基站播发的GNSS差分改正数后,导航平面精度、垂向精度分别提高约49%、46%。该算法性能可靠,即使前后历元仅有4颗卫星连续观测,仍能够提供连续、平滑的实时定位结果,为用户提供更优的导航体验。     

全球导航卫星系统反射测量（GNSS+R）最新进展与应用前景

全球卫星导航系统反射测量（global navigation satellite system-reflectometry,GNSS-R）技术可以同时接收导航卫星直射信号和来自水面的反射信号,进而利用伪距、载波相位和信噪比信息实现高时空分辨率的水面高度反演。由于岸基设备特别是单频设备在部分受限环境中观测量不足,导致基于载波相位处理的GNSS-R实时测高性能降低,因此提出了一种利用GNSS重叠频率B1C/L1/E1信号的紧组合模型以提升单频GNSS-R的测高性能。首先,从天线极化方式的角度对差分系统间偏差(differential inter‐system bias,DISB)进行评估和分析。结果表明,对于左圆极化天线和右圆极化天线组成的短基线,在使用同型号接收机时可以忽略DISB的影响。然后,基于实测北斗三号卫星导航系统/全球定位系统（global positioning system,GPS）/伽利略(Galileo)系统数据评估了多系统紧组合模型下的GNSS-R测高性能。实验结果表明,相比于松组合模型,多系统紧组合模型能够显著减少安装环境对设备的限制,特别是在单系统反射信号观测量不足4个的条件下,紧组合模型GNSS-R水面高度反演在保证厘米级精度的条件下成功率仍高达约94%,从而有效提升恶劣观测条件下GNSS-R测高性能。

     

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。     

利用Galileo多个载波观测值解算整周模糊度的方法研究

利用GNSS进行高精度导航定位的前提是正确固定载波相位观测值的整周模糊度。由Galileo系统的4个载波观测值可以形成诸多有良好特性的组合观测值,利用这些组合观测值,结合MCAR方法,可以有效地确定整周模糊度。MCAR方法是一种利用多个载波观测值及其组合直接解算整周模糊度的方法,通过一系列“层叠”步骤,最大化模糊度解算的成功率。利用Galileo组合观测值,采用五步层叠的MCAR方法,分析选用不同的观测值组合时模糊度解算的成功率。比较发现,如果选用适当的长波长观测值组合,MCAR方法能够以较高成功率固定Galileo E5a或E5b甚至是E2-L1-E1信号的模糊度。借助Galileo组合观测值和MCAR方法,Galileo信号能够提供稳定可靠的高精度导航定位服务。     

基于非组合精密单点定位的区域电离层建模

电离层是地球空间的重要组成部分,电离层延迟是全球导航卫星系统(global navigation satellite system,GNSS)数据处理的重要误差源,电离层的影响主要表现为地面站接收到的卫星载波和伪距信号的附加时延效应,最大可达几十米,精确的电离层模型可以有效提高GNSS单频数据处理的精度。利用GNSS观测值研究电离层,一般采用无几何距离组合的码和相位观测值,使用相位平滑伪距方法得到平滑电离层观测值,但是该方法容易受到伪距多路径和观测噪声的影响,导致电离层估计不准确。因此,先基于非组合精密单点定位(precise point positioning,PPP)提取电离层,利用国际GNSS服务的轨道、钟差等产品,有效减少待估参数个数,提高电离层延迟的估计精度;再使用纬度差和太阳时角差的多项式拟合进行区域电离层建模。利用某省连续运行参考站系统数据提取了天顶方向总电子含量信息进行建模,与PPP解算结果进行比较,在测站天顶方向上的模型值和解算值差异较小(除个别卫星外),可达到2 TECU左右。