CN105758401A - 一种基于多源信息融合的组合导航方法和设备 - Google Patents

Abstract

本发明提供了一种基于多源信息融合的组合导航方法和设备，该方法包括：获取多源导航信息，包括从设置于飞行器上的全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备中的一个或者多个中获取导航相关信息；采用联邦滤波器对多源信息进行融合处理，联邦滤波器包括一个主滤波器和与主滤波器相连的多个局部滤波器，其中：将每一种多源导航信息与一参考信号共同输入至一局部滤波器；触发各局部滤波器分别计算局部估计值和误差协方差阵；触发主滤波器对参考信号进行滤波，以及根据各局部滤波器的输出结果和自身对所述参考信号的滤波结果进行最优融合，得到全局最优估计值。从而提高机载导航设备的可用性和完好性。

Description

一种基于多源信息融合的组合导航方法和设备

技术领域

本发明属于导航技术领域，尤其涉及一种组合导航方法和设备。

背景技术

随着技术及其应用的推广，全球卫星导航系统(GNSS)接收机已经成为机载电子装备中核心部件之一。GNSS接收机的性能一般通过精度、完好性、连续性和可用性等四个方面来进行评估。其中完好性主要是对接收机在应用的安全性方面的要求，因此在对安全要求较高的应用中，完好性是必须要解决的关键问题。

完好性一般定义为：完好性是一种概率，在特定时期、系统覆盖区域内的任一点，位置误差不超出告警门限(AlarmLimit)，不给用户在告警时限(TimeToAlarm)内发出告警信息的概率。

完好性问题对于航空来说是关系重大的，因为用户正以高速航行，如果不能及时的检测并排除故障卫星的话，飞机就很可能会偏离航路。随着机载系统对安全性能要求的日益提高，飞机上的导航系统也呈现多信息化、智能化、集成化的发展趋势。精确性与安全可靠性成为机载导航系统的重要特点。而精确定位定姿、故障检测隔离，已成为机载导航领域的重要学科技术之一，越来越受到人们的重视，近几年来得到了迅猛的发展。

GNSS虽然有传统陆基无线电导航系统无法比拟的全球覆盖、高精度等性能，但目前在飞行器导航领域并没有得到普遍应用。不考虑政治方面的影响，从技术而言，精度、完好性、连续性及可用性四个方面都没有可满足所有飞行阶段的需求。从完好性方面看，GNSS系统本身能进行一定程度的完好性监测，但告警时间太长，通常需几个小时。从连续性和可用性方面看，GPS虽然能保证所有地区能有4颗以上可视卫星，但卫星几何结构仍然存在较差情况，如果加上完好性要求，其可用性会更差。

GNSS接收机进行完好性监测采用RAIM算法，其基本原理是利用卫星测量的冗余观测信息对接收机导航定位结果进行超差判定，因此单纯卫星导航接收机完好性能受接收机跟踪锁定卫星数量、卫星几何分布及告警门限制约，具体如下：

(1)GNSS接收机完好性受限于可见卫星数

GNSS接收机通过基带处理单元可以输出接收机相对卫星的伪距，忽略噪声后，伪距是接收机三维位置和接收机钟差的函数，因此在进行三维导航时至少需要接收机跟踪4颗卫星才能解算出正确的接收机位置和钟差信息。假设只有一颗卫星出现故障，当观测到5颗卫星时，可以利用伪距间的冗余信息检测出对于当前飞行阶段，GNSS接收机存在不可接受的定位误差，但是由于没有其它信息，此时虽然可以给出超差告警，但不能锁定是哪颗卫星出现了故障；只有在同时观测到6颗以上卫星时才能确定出是哪颗卫星出现了故障。

(2)GNSS接收机完好性受限于卫星几何分布

GNSS接收机完好性能除和可见卫星数有关外，还和可见卫星的几何分布密切相关。通常在跟踪4颗以上卫星的条件下，当卫星与接收机之间构成的多面体体积最大时定位性能最佳，这时卫星星座的精度因子(DOP)最小。卫星几何分布越理想，接收机定位结果估计越准确，就越不容易超差，同时对故障卫星的监测能力也越高。因此GNSS卫星几何分布对接收机完好性有重要影响。

(3)GNSS接收机完好性受限于应用精度要求

GNSS接收机完好性是衡量接收机定位结果超差时的告警能力，因此完好性与告警门限密切相关，而告警门限的设定取决于实际的应用精度需求。

飞行器不同飞行阶段对GNSS导航的完好性能要求不同，随着GNSS导航在飞机精密进近阶段的应用研究，GNSS导航系统的精度和完好性能要求越来越高。

在精密进近阶段，尤其在3类精密进近阶段，对机载GNSS系统的完好性要求较高。考虑到卫星导航的体制局限性，单凭GNSS接收机算法优化很难满足要求。

发明内容

有鉴于此，本发明的一个目的是提供一种基于多源信息融合的组合导航方法和设备，由外部增强信息和辅助信息为GNSS导航系统提供更精确的测量信息和冗余测量信息，从而提高机载导航设备的可用性和完好性。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

本发明提供了一种基于多源信息融合的组合导航设备，包括：

导航相关的多源信息系统，包括全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备中的一个或者多个；

用于将对多源信息进行融合处理的联邦滤波器，所述联邦滤波器包括一个主滤波器和多个局部滤波器，其中：

每一多源信息系统均与一参考系统共同输入至一局部滤波器；

各局部滤波器分别将计算出的局部估计值和误差协方差阵输出至所述主滤波器；

所述主滤波器还与所述参考系统相连，用于根据各局部滤波器的输出结果和自身对所述参考系统的滤波结果进行最优融合，得到全局最优估计值。

较佳地，所述参考系统包括GNSS系统、INS系统、卡尔曼EKF滤波器和反馈电路，其中：

所述EKF滤波器，用于对GNSS系统和INS系统进行紧组合滤波，包括：获取以地心惯性坐标系ECI为导航坐标系下，GNSS系统伪距测量结果与根据相应的INS系统导航解算得到的伪距预测结果之差，和GNSS伪距率与根据相应的INS系统导航解算得到的伪距率之差，综合所述两差值构成EKF量测方程，执行导航误差状态估计；

所述反馈电路，用于使用所述导航误差状态估计对INS系统的参数进行校正；以及量测校正数据输入ECI坐标系下的INS系统的力学编排，解算得到飞行器最优PVA估计值作为所述参考系统的输出。

较佳地，所述EKF滤波器对GNSS系统和INS系统进行紧组合滤波时采用开环形式或者闭环形式，其中：

在采取开环形式时，包括时间更新过程和量测更新过程，其中：

时间更新公式为：

量测更新公式为：

在采取闭环形式时，包括时间更新过程、量测更新过程和自适应反馈校正过程，其中：

时间更新公式为：

量测更新公式为：

自适应反馈校正公式为：

其中：

表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

较佳地，各局部滤波器对输入信号进行融合时：

时间更新公式：

$\left.\begin{array}{c}{\hat{X}}_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)X_i(k-1)\\ P_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)P_i(k-1){{\mathrm{\Φ}}_i}^T(k/k-1)+{\mathrm{\Γ}}_i(k-1)Q_i(k-1){{\mathrm{\Γ}}_i}^T(k-1)\end{array}\right\}$

量测更新公式：

$\left.\begin{array}{c}{K}_i\left(k\right)=P_i(k/k-1){H_i}^T\left(k\right){\left(H_i\right(k\left)P_i\right(k/k-1\left){H_i}^T\right(k)+R_i(k\left)\right)}_{-1}\\ P_i(k/k)=(I-K_i(k\left)H_i\right(k\left)\right)P_i(k/k-1){\[I-K_i\left(k\right)H_i\left(k\right)\]}^T+K_i\left(k\right)R_i\left(k\right){K_i}^T\left(k\right)\\ {\hat{X}}_i(k/k)={\hat{X}}_i(k/k-1)+K_i\left(k\right)\[Z_i\left(k\right)-H_i(k/k){\hat{X}}_i(k/k-1)\]\end{array}\right\}$

其中：

表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

较佳地，主滤波器对输入信号进行融合时：

全局的最优估计值公式为：

最优估计方差阵公式为：

其中：

表示系统当前时刻状态估计值；P_i(k/k)表示系统状态误差估计协方差阵。

较佳地，联邦滤波中的信息分配原则为：

$\left\{\begin{array}{c}{P}_i^{-1}\left(k\right)={\mathrm{\β}}_i{P_g}^{-1}\left(k\right)\\ {\hat{X}}_i\left(k\right)={\hat{X}}_g\left(k\right)\\ {Q_i}^{-1}\left(k\right)={\mathrm{\β}}_i{Q_g}^{-1}\left(k\right)\end{array}\right.(i=1,2,\mathrm{...},N)$

其中，β_i为信息分配因子，需满足信息守恒原理：

较佳地，所述联邦滤波器还包括反馈电路，其中：

所述反馈电路，分别与主滤波器、各局部滤波器和参考系统相连，用于使用全局最优估计值对参考系统的参数进行校正，以及反馈重置各局部滤波器和主滤波器。

较佳地，局部滤波器重置公式为：

较佳地，主滤波器重置公式为：

其中，β_i为“信息分配系数”，用来对主、子滤波器进行信息分配，且满足信息守恒原则：

较佳地，所述GNSS系统包括：

GPS导航接收机、GLONASS导航接收机、GALILEO导航接收机和北斗导航接收机中的一种或者多种，用于接收对应的卫星信号；

融合电路，用于将一种或者多种导航接收机接收到的卫星信号进行时空归一化处理后，进行数据融合处理后输出作为GNSS系统的输出信号。

较佳地，所述MLDAS系统包括：

设置于各服务区内的多个参考站，用于提供差分改正数；

信号接收设备，用于经广播或网络接收各服务区内参考站提供的差分改正数，从GNSS系统获取GNSS信号；以及，利用差分改正数对GNSS伪距进行差分改正，利用载波相位观察量平滑GNSS伪距计算，组建GNSS伪距观察方程，以最小二乘法求解定位结果。

本发明还提供了一种基于多源信息融合的组合导航方法，包括：

获取多源导航信息，包括从设置于飞行器上的全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备中的一个或者多个中获取导航相关信息；

采用联邦滤波器对所述多源信息进行融合处理，所述联邦滤波器包括一个主滤波器和与所述主滤波器相连的多个局部滤波器，其中：

将每一种多源导航信息与一参考信号共同输入至一局部滤波器；

触发各局部滤波器分别计算局部估计值和误差协方差阵；

触发主滤波器对参考信号进行滤波，以及根据各局部滤波器的输出结果和自身对所述参考信号的滤波结果进行最优融合，得到全局最优估计值。

较佳地，通过一卡尔曼EKF滤波器对GNSS信号与INS信号进行紧组合滤波，融合得到所述参考信号，包括：

获取以地心惯性坐标系ECI为导航坐标系下，GNSS系统伪距测量结果与根据相应的INS系统导航解算得到的伪距预测结果之差，和GNSS伪距率与根据相应的INS系统导航解算得到的伪距率之差，综合所述两差值构成EKF量测方程，执行导航误差状态估计；

使用所述导航误差状态估计对INS系统的参数进行校正；以及量测校正数据输入ECI坐标系下的INS系统的力学编排，解算得到飞行器最优PVA估计值作为所述参考系统的输出。

较佳地，采用所述EKF滤波器对GNSS系统和INS系统进行紧组合滤波时采用开环形式或者闭环形式，其中：

在采取开环形式时，包括时间更新过程和量测更新过程，其中：

时间更新公式为：

量测更新公式为：

在采取闭环形式时，包括时间更新过程、量测更新过程和自适应反馈校正过程，其中：

时间更新公式为：

量测更新公式为：

自适应反馈校正公式为：

其中：

表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

较佳地，触发各局部滤波器对输入信号进行融合时：

时间更新公式：

$\left.\begin{array}{c}{\hat{X}}_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)X_i(k-1)\\ P_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)P_i(k-1){{\mathrm{\Φ}}_i}^T(k/k-1)+{\mathrm{\Γ}}_i(k-1)Q_i(k-1){{\mathrm{\Γ}}_i}^T(k-1)\end{array}\right\}$

量测更新公式：

$\left.\begin{array}{c}{K}_i\left(k\right)=P_i(k/k-1){H_i}^T\left(k\right){\left(H_i\right(k\left)P_i\right(k/k-1\left){H_i}^T\right(k)+R_i(k\left)\right)}_{-1}\\ P_i(k/k)=(I-K_i(k\left)H_i\right(k\left)\right)P_i(k/k-1){\[I-K_i\left(k\right)H_i\left(k\right)\]}^T+K_i\left(k\right)R_i\left(k\right){K_i}^T\left(k\right)\\ {\hat{X}}_i(k/k)={\hat{X}}_i(k/k-1)+K_i\left(k\right)\[Z_i\left(k\right)-H_i(k/k){\hat{X}}_i(k/k-1)\]\end{array}\right\}$

其中：

表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

较佳地，触发主滤波器对输入信号进行融合时：

全局的最优估计值公式为：

最优估计方差阵公式为：

其中：

表示系统当前时刻状态估计值；

P_i(k/k)表示系统状态误差估计协方差阵。

较佳地，联邦滤波中的信息分配原则为：

$\left\{\begin{array}{c}{P}_i^{-1}\left(k\right)={\mathrm{\β}}_i{P_g}^{-1}\left(k\right)\\ {\hat{X}}_i\left(k\right)={\hat{X}}_g\left(k\right)\\ {Q_i}^{-1}\left(k\right)={\mathrm{\β}}_i{Q_g}^{-1}\left(k\right)\end{array}\right.(i=1,2,\mathrm{...},N)$

其中，β_i为信息分配因子，需满足信息守恒原理：

较佳地，还包括：使用全局最优估计值对参考信号进行校正，以及反馈重置各局部滤波器和主滤波器。

较佳地，局部滤波器重置公式为：

较佳地，主滤波器重置公式为：

其中，β_i为“信息分配系数”，用来对主、子滤波器进行信息分配，且满足信息守恒原则：

较佳地，在获取GNSS系统信号时，获取GPS导航卫星信号、GLONASS导航卫星信号、GALILEO导航卫星信号和北斗导航卫星信号中的一种或者多种；

将所述一种或者多种导航卫星信号进行时空归一化处理后，进行数据融合处理后输出，作为GNSS系统信号。

较佳地，在各服务区内设置多个参考站，用于提供差分改正数；

经广播或网络接收各服务区内参考站提供的差分改正数，从GNSS系统获取GNSS信号；以及，利用差分改正数对GNSS伪距进行差分改正，利用载波相位观察量平滑GNSS伪距计算，组建GNSS伪距观察方程，以最小二乘法求解定位结果。

为了上述以及相关的目的，一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面，并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显，所公开的实施例是要包括所有这些方面以及它们的等同。

附图说明

图1是本发明第一实施例基于多源信息融合的组合导航架构示意图；

图2是本发明第一实施例利用多模区域差分系统的完好性增强流程图；

图3是本发明第一实施例MLDAS地面站完好性监测流程示意图；

图4是本发明第一实施例用于融合多源信息的联邦滤波器结构图；

图5是本发明第一实施例GNSS系统和INS系统紧组合滤波结构图；

图6是本发明第二实施例基于多源信息融合的组合导航方法流程图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。

申请人注意到，在飞行器运行过程中，各种传感器都在时刻探测着飞行器自身和外界信息，由于这些信息本身之间是飞行器所处环境的映射，因此其具有很强的关联性，这种关联性反映到数据之上就代表着其数据之间具有互补、冗余特性。利用数据之间的互补性来提升探测系统性能是数据融合的核心目的。因此，申请人在本申请中提出利用外部增强系统和传感器辅助信息提高卫星导航接收机输出导航信息完好性能。由外部增强信息和辅助信息为GNSS导航系统提供更精确的测量信息和冗余测量信息，从而提高机载导航设备的可用性和完好性。

第一实施例

申请人通过深入分析导航系统的数据来源和关联性，提供一种基于多源信息融合的组合导航架构，如图1所示，包括导航相关的多源信息系统和用于对多源信息进行融合处理的联邦滤波器。其中，导航相关的多源信息系统，包括但不限于如下一种或者多种：全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备。

下面将对本发明所选择的多源信息进行分析：

(1)可利用惯性辅助提升机载完好性

惯性导航具有不受电磁干扰、独立自主输出载体导航信息和姿态信息的能力，其缺点是定位误差受初始对准精度影响较大，且误差随时间有积累。将惯导与卫星导航进行组合，可以利用卫星导航测量信息没有误差积累的优点对惯导误差进行修正，同时当采用紧组合方式时，短时间内可以在卫星数低于4颗情况下进行精确导航。惯导独立输出的定位结果给卫星导航提供了多种冗余信息，合理利用这些冗余信息不仅可以提高卫星导航定位精度，还可以对卫星测量伪距精度进行有效评估，从而可以提高机载卫星导航接收机的完好性。

当前卫星导航完好性大都是基于单颗卫星故障进行研究的，故障卫星越多需要的冗余信息越多，而惯导提供的冗余信息为多颗卫星故障监测提供了理想的解决途径。

(2)星基辅助提升机载完好性：

现有的四大GNSS系统分别是：我国正在建设的北斗第二代导航系统、美国的GPS系统、俄罗斯GLONASS系统和欧洲的GALILEO系统。随着全球卫星导航卫星系统的建设，可见卫星数目逐渐增多，同一历元时刻可见星从单GPS的10颗左右上升到近40颗。

星基辅助主要是指利用如GPS、GLONASS、GALILEO等的其它卫星导航系统及伪卫星系统来改善北斗系统星座分布、提供冗余测量信息从而可以增强机载北斗接收机的完好性能。

单星座导航系统由于卫星数目有限或是某些恶劣环境中信号受到严重干扰等问题，提供的卫星定位服务的精度、可靠性、安全性和可用性无法得到保障。同时，各个卫星导航系统单独工作时可能存在难以覆盖的空白带，而且用户在使用过程中会受到主控国的限制。

由于例如GPS、GLONASS、GALILEO和北斗等这几种星基导航系统在系统构置、导航定位机理、工作频段、调制方式、信号和星历数据结构等在方面是基本相同和近似的，都以发射扩频测距码、测量卫星与用户之间的伪距来完成导航定位，所以就存在利用一部用户设备同时接收这四种卫星信号的可能性。如果能将多个系统组合使用，由于可用卫星数目增多，不仅能填补单一系统存在的覆盖空白问题，而且可使系统精度显著提高。

星基组合定位是用一台接收机或者多个接收机同时接收和测量多个GNSS系统的卫星信号，然后进行数据融合处理。例如，目前可此采用GPS/GLONASS/GALILEO/北斗组合定位，就是用一台接收机或者多个接收机同时接收和测量GPS、GLONASS、GALILEO和北斗四种卫星信号，然后进行数据融合处理。从而实现在世界上任何地方、任何时间精确测出三维位置、三维速度、时间和姿态参数，为用户提供仅用单一卫星系统定位无法获得的性能。它将提高系统完善性、可靠性、定位精度以及导航连续性。

对于多星融合实现组合导航，需要进行如下设计：

1、共有接收射频资源设计：由于各GNSS系统，例如GPS/GLONASS/GALILEO/北斗之间的载波频率和码率上是不同的，需要设计一个能同时得到各GNSS系统的本振频率和钟频频率的频率综合器。

2、时空归一化处理：由于各GNSS系统，例如GPS/GLONASS/GALILEO/北斗系统的坐标系是不一致的，所以需要实现多星座系统的坐标系统一计算。同时上述四个系统的时间尺度也是不一致的，这也需要系统进行时间对准处理。而且在上述处理过程中不要将单一系统误差传递到最终的组合系统上来。

利用多卫星定位系统进行导航定位都是要基于一定的卫星几何分布，也就是首先需要知道卫星的空间位置，判断可用于导航定位的可见卫星数目和分布情况，再根据可见卫星的伪距或者载波相位等相关方法来求解用户位置。

卫星导航定位，是以卫星和用户接收机天线之间的距离观测量为基准，根据已知的卫星瞬时坐标，来确定用户接收机天线的位置。卫星导航定位方法的实质是以星地空间距离为半径的三球交汇，因此，在一个观测站上，只需要3个独立距离观测量。

但是，由于各GNSS系统采用的都是单程测距原理，卫星钟与用户接收机时钟之间难以保持严格同步，受卫星钟和接收机时钟同步差的共同影响，实际上观测量不是观测站到卫星之间的真实距离，而是含有误差的伪距。当然，卫星钟差是可以通过卫星导航电文中所提供的相应钟差参数加以修正的，而接收机的钟差，由于精度低、随机性强，难以预先准确测定。所以，可将接收机的钟差作为一个未知参数与观测站坐标在数据处理中一并解出。因此，在一个观测站上，为了实时求解4个未知参数(3个用户坐标x、y、z和一个接收机时钟误差δt)，至少需要同步观测4颗卫星。

在多星座组合导航定位中，需要同时接收多个卫星星座的导航电文信息，而由于各系统之间存在时间偏差，以及坐标系不同，而且接收机对不同系统信号的时延也不同，所以，在多星座组合导航中需要考虑时空统一问题，进而进行组合导航解算。

根据各个卫星星座仿真器输出的可见卫星的位置，给定用户初始近似位置信息，获得伪距观测量，按照上述介绍的多星座组合导航定位方法，进而可以求解含有定位误差的用户位置，实现多星座组合导航定位。

在我国不同纬度地区，GPS和GLONASS卫星导航系统的可见卫星数目分布在5～8颗，而GALILEO系统分布在8～11颗。因此，与GPS和GLONASS卫星导航系统相比，GALILEO系统具有一定的优势，相同环境下能观测到更多的可见卫星。与单星座系统相比，组合系统的可见卫星数目能增加几倍，在任何时段任何地点都能观测到18颗及以上的导航卫星，这样将有利于组成更好的卫星几何分布，在任何时段都能满足定位要求，提高定位精度。

(3)地面差分站辅助提升机载完好性：

GNSS测量中为了消除或者减弱GNSS的各种误差如卫星星历误差、卫星钟差、电离层延迟和对流层延迟误差等，常常使用差分测量技术，这主要是利用了误差的相关性原理。

差分根据原理可分为：位置差分，伪距差分(包括了相位平滑伪距差分)、广域差分以及载波相位差分(准载波相位和载波相位差分)。其中对于非高精度测量来说，应用最广的差分技术是伪距差分和载波相位平滑伪距差分。它们两者的原理基本一样，区别在于载波相位平滑伪距差分在计算改正数的时候使用了相位平滑技术，使定位精度有了较大的提高。而且因为伪距改正数信息量小，在播发格式设计的设计中更容易自动纠错。动态载波相位差分又称为RTK，是近些年来快速发展并逐步成熟的高精度定位技术，其精度可达厘米级。

伪距差分是最为广泛使用的差分技术之一。参考站的接收机坐标已经精确确定，根据卫星星历求得卫星的位置可求得站星距离，并将此距离与利用观测数据求解的包含误差的伪距值比较。求出的偏差就是伪距改正数。求解出所有的可视卫星改正数后经数据链播发给用户，用户根据改正数来改正测量伪距。然后利用经过改正过的伪距求解用户的坐标，从而就实现了消除公共误差，提高定位精度的目的。

载波相位观测量的精度相对于码伪距的观测精度大约高2数量级，所以，如果能够直接获取载波相位整周数，那么噪声非常小的伪距观测量就能获得。但是载波的整周数无法直接获得，而一般能够直接获得的是载波的多普勒计数。多普勒值反应的是载波相位频率的变化情况，即伪距的变化率，测量中一般用它来估计用户的速度。由于载波多普勒值具有很高的精度，而且能够精确地反映伪距变化情况，因此利用多普勒信息来对码伪距观测进行辅助能够获得比单独的使用码伪距更好的精度。

RTK技术(RealTimeKinematic)是以实时处理两个测站的载波相位测量值为基础。它能够实时的提供流动站的高精度三维坐标，其精度可达到厘米级。载波相位差分的原理与伪距差分相同，参考站利用数据链将其载波观测量及站坐标信息实时传送给流动站。流动站根据接收到的GNSS卫星的载波相位观测量和通过数据链接收的来自于参考站的载波相位值，组成差分观测值进行实时地解算，从而实时给出厘米级的高精度定位结果。GNSS载波相位差分可分为修正法和差分法。修正法与伪距差分的原理一样，即参考站将载波相位改正数播发给用户，进而改正用户的载波相位观测值提高定位精度。而载波相位差分是将参考站处接收到的载波相位观测值发送给流动站，流动站进行求差来计算三维坐标。前者可称为准RTK技术，后者才是真正的RTK技术。

当前国内外很多科研机构都开展了增强系统的研究，但对于多模区域差分增强系统MLDAS(Multi-ModeLocalDifferenceAugmentSystem)的综合利用及设计并不多，针对多模区域差分增强系统的原理和要实现的功能，对MLDAS进行总体设计和各个组成子系统的详细设计具有重要的意义。

所述MLDAS系统包括：设置于各服务区内的多个参考站，用于提供差分改正数。信号接收设备，用于经广播或网络接收各服务区内参考站提供的差分改正数，据以增强GNSS系统的精度和完好性。

多模区域差分增强系统的工作过程为：

地面参考站的功能是接收GNSS卫星信号。由于多路径是参考站接收机和用户接收机之间非共同误差的主要因素，因此在参考站必须采用扼流圈天线等使之被有效抑制。且参考站的位置应设置在不易产生多路径影响的地方。参考站的主要功能是跟踪可见的卫星，采集数据，包括伪距和相位数据和气象数据，对接收的数据进行处理并计算差分改正信息，将差分改正信息通过数据链发播出去。

数据传输采用数传电缆，数据广播通过甚高频(VHF)波段，广播内容为差分改正和完善信息。为保证系统的可用性通常需要配置两路以上通讯链路。途径有两个：一个是加大发射设备的输出功率；一个是引进数据中继转发机制。

信号接收设备不仅具有接收多种卫星导航系统卫星信号的能力，还能够接收来自地面广播站的差分改正和完善信息。用户处理器对GNSS观测数据进行差分定位计算，同时确定垂直及水平定位误差保护级，以决定当前导航误差是否超限。

通过增加区域地面站，将实现对机载系统的定位精度提升和完好性增强，地面站采用以下三个方面来实现对导航系统完好性的增强：(1)观察量质量控制；(2)电文数据检测；(3)故障自主判断和排除。

利用多模区域差分系统的完好性增强流程如下图2所示：

伪距差分定位的精度与参考站到用户的距离密切相关，距离越近，其误差的相关性越强，通过差分越能更好的消除它们的共有误差，但是随着参考站到用户距离的增加，误差的相关性下降，则伪距差分后仍有相当部分的误差残差，因此为了提高伪距差分的精度，可以采用多参考站技术，即在服务区域内均匀的布设3个或3个以上的参考站，每个参考站都提供差分改正数，通过广播或网络发播给用户，用户根据接收到的各参考站的改正数用一定的数学模型进行加权改正。

对于区域差分增强系统来说，增强包括了两个方面的内容，一个是精度的提高，这主要是通过差分算法和载波平滑伪距来实现；增强的另一个方面是完好性的增强，它通过一系列的完好性的算法和技术来进行保障。区域差分系统的完好性主要包括两部分：系统级的完好性理论技术与设计，主要是指地面参考站的完好性监测；另一部分是接收机自主完好性监测(简称RAIM)。区域增强系统利用高精度的载波相位测量值平滑精度较低的码伪距测量值来提高伪距精度。

在参考站形成的伪距改正值及其相应误差通过通信链路发播给用户接收机之后，用户接收机根据这些数据以及它自身的伪距观测量和估计方差值求解定位结果，并得到它们的误差置信限值。

MLDAS地面站完好性监测的目的是对卫星或地面设备是否发生故障进行监测，保证发播给用户的差分改正数完全可靠。在有故障发生并且威胁到了发播改正数的安全时，能够及时警告。地面站完好性监测内容很多，主要包括一系列的质量检测和逻辑处理执行以及完好性算法设计。整个完好性监测如图3所示，主要包括三部分：载波平滑伪距和改正数及其误差的产生、基于完好性算法的数据监测、逻辑处理执行。基于完好性算法的检测主要包括下面一系列内容：信号质量监测(SignalQualityMonitoring,SQM)、数据质量监测(DataQualityMonitoring,DQM)、观测质量监测(MeasurementQualityMonitoring,MQM)、多参考站一致性监测(MultipleReferenceConsistencyCheck，MRCC)、均值标准差监测(μσMonitoring)、信号域监测(MessageFieldRangeMonitoring，MFRT)；逻辑处理执行(ExecutiveMonitoring,EXM)的作用是系统在一系列检测中发现问题和故障后设置对应的报警标识，并根据一定的逻辑给出可用的卫星和参考站，并且在故障排除后重新将其纳入完好性监测体系之中。

信号质量监测的目的是监测卫星发播的信号是否变形。这由高质量的信号接收机实现，它们报告不同相关空间的C/A码观测值，经处理后就能够判断出C/A码波形是否为理想三角形。

数据质量监测是对接收到的卫星导航信息进行可靠性检测，当卫星初次被捕获跟踪后或者在卫星星历更新后，系统对它们进行正确性的检测。对于新捕获和跟踪的卫星，在捕获之后6小时内，对根据广播星历计算出的卫星坐标和根据年历得到的卫星坐标以5分钟为间隔进行对比，广播星历更新间隔为2小时，而年历包含了所有卫星星历，其精度和更新率更低，DQM算法能保证据广播星历计算出的卫星位置与据年历计算出的位置之差小于门限值(一般取7000米)，否则判定存在故障。对于DQM算法对星历更新的情况监测问题，一般是根据前后星历应该保持一致的原则，确保通过两者计算的卫星位置误差小于250米。

观测质量监测(MQM)是对由参考站接收机故障和星钟故障造成的观测量质量突然大幅降低的情况进行监测，MQM监测算法主要是根据历元时刻之前的几个历元的码伪距以及载波相位值是否具有一致性来进行。此算法主要包括3个部分：接收机锁定时间检测、载波的累计步长检测以及载波平滑伪距测量更新检测。如果在上述检测中发现故障，就在发生故障的通道设告警标示。

(4)机载高程设备辅助机载完好性

GNSS信号存在受遮挡引起失锁、抗干扰性能弱及数据滞后等问题，在高度方向的定位精度较差，因受对流层延迟影响在近地面时准确度更差；尤其其安全性可能受他国影响或人为干扰得不到保障。

气压高度表是飞行器不可或缺的仪表设备，具有不依赖外界信息、隐蔽性好、抗辐射性强、全天候等优点。气压高度表的短时精度较高，但会随着大气压与温度的变化而发生变化，随时间的变长会产生较大的高度测量误差。

气压式高度表的工作原理是根据高度升高气压降低，利用真空膜盒感受大气压力的变化表示飞行高度的变化，当前在飞机上使用的高度表，他们的工作原理都是利用高度上升，气压降低的规律工作的。

由于机载高度表可以提供高度信息，所以可以通过增加一个高度表信息，再加上三个导航卫星信息即可完成。

(5)机载守时设备辅助机载完好性

机载守时系统可实现对机载系统提供高精度的时钟信号，利用机载守时系统结合GNSS实现对接收机与GNSS信号偏差的计算，避免了对时间偏差的估计，这样就可以采用三个卫星信号完成定位解算。如果卫星信号增加，则利用机载守时系统将实现对故障信号的检测与隔离修正，从而提高系统的完好性。

本发明通过将飞行器所携带的GNSS导航系统、INS惯导系统、地面差分站、机载高程设备、机载守时系统等来形成组合导航系统，用以完成对GNSS导航系统的信号缺失补偿、提高对卫星信号的捕获和跟踪精度和提高系统抗干扰性，从而达到最终提高组合导航精度的目标。

多源信息虽然具有互补性，但是其时空属性如采样率、数据形式、向融合中心报告的时间、对环境的描述、空间测量偏差等往往不一致，在进行信息融合之前需要完成对信息的时空对准，即将信息转换为相同的形式、相同的参照、相同的描述之后，才能完成信息融合处理。

时间配准指的是将各传感器时间同步到统一基准时标下，并将不同步的量测信息配准到同一融合时刻。时间系统是复杂的系统，现行的时间系统主要有恒星时(siderealtime,ST)、世界时(universaltime,UT)、历书时(ephemeristime,ET)、国际原子时(internationalatomictime,TAI)、协调世界时(coordinateuniversaltime,UTC)、地球动力学时(terrestrialdynamictime,TDT)和质心动力学时(barycenterdynamictime,TDB)。导航系统的时间同步采用UTC作为基准。

在组合导航系统中，时间误差主要来自于三个方面：

1、各传感器时间基准之间的误差，由于各传感器时钟精度不同形成的时间偏差，这部分误差目前通常通过时间统一装置进行补偿，补偿后误差较小。

2、各传感器开机时刻和采样周期是不一致的，它们向融合中心报告的时刻往往也是不相同的，造成了不同步误差。

3、各传感器量测信息和时间基准统一信号都会在通信中有延时，而且由于数据传输的复杂性，即使是同一网络，通信延迟时间也不同，仍会造成时间不同步。

为分析时间误差对导航系统造成的影响，以INS和GPS组合系统为例进行理论分析。首先考虑时间误差对速度的影响，根据速度误差方程：

$\mathrm{\δ}\stackrel{\·}{V}=(I-{C_n}^b)f+\▿$

其中，f是比力，是加速度计误差，C_n ^b是方向余弦矩阵。在姿态角为小量时，

$\[\mathrm{\φ}\]=\left[\begin{array}{ccc}0& -{\mathrm{\φ}}_U& {\mathrm{\φ}}_N\\ {\mathrm{\φ}}_U& 0& {\mathrm{\φ}}_E\\ -{\mathrm{\φ}}_N& -{\mathrm{\φ}}_E& 0\end{array}\right]$

于是可得：

$\mathrm{\δ}\stackrel{\·}{V}=-\[\mathrm{\φ}\]f+\▿$

又有姿态误差方程为：

$\stackrel{\·}{\mathrm{\φ}}=\[\mathrm{\φ}\]{\mathrm{\ω}}_{ib}+\mathrm{\ϵ}$

其中，

使用间接法建立观测方程，速度观测量应为：

$\begin{array}{c}{Z}_V\left(t\right)=V_{INS}-V_{GPS}=\[V\left(t\right)\mathrm{\δ}V\]-\[V(t-\mathrm{\Δ}t)+\mathrm{\ν}\]\\ =V\left(t\right)+\mathrm{\δ}V-V\left(t\right)+\stackrel{\·}{V}\left(t\right)\mathrm{\Δ}t-\mathrm{\ν}=\mathrm{\δ}V-\stackrel{\·}{V}\left(t\right)\mathrm{\Δ}t-\mathrm{\ν}\end{array}$

当时，即载体静止或匀速直线运动时，观测方程不受时间误差的影响。

当时，忽略高度通道，得简化的速度状态：

$\mathrm{\δ}\stackrel{\·}{V}=\left[\begin{array}{c}\mathrm{\δ}{\stackrel{\·}{V}}_E\\ \mathrm{\δ}{\stackrel{\·}{V}}_N\end{array}\right]=\left[\begin{array}{c}0\\ g\end{array}\right]{\mathrm{\φ}}_E+\left[\begin{array}{c}-g\\ 0\end{array}\right]{\mathrm{\φ}}_N+\left[\begin{array}{c}{f}_N\\ -f_E\end{array}\right]{\mathrm{\φ}}_U+\left[\begin{array}{c}1\\ 0\end{array}\right]{\mathrm{\Δa}}_E+\left[\begin{array}{c}0\\ 1\end{array}\right]{\mathrm{\Δa}}_N$

考虑两种代表性运动，直线加速运动和圆周运动。

当载体直线加速运动时，速度状态变为：

$\mathrm{\δ}\stackrel{\·}{V}=\left[\begin{array}{c}\mathrm{\δ}{\stackrel{\·}{V}}_E\\ \mathrm{\δ}{\stackrel{\·}{V}}_N\end{array}\right]=\left[\begin{array}{c}0\\ g\end{array}\right]{\mathrm{\φ}}_E+\left[\begin{array}{c}-g\\ 0\end{array}\right]{\mathrm{\φ}}_N+V\left[\begin{array}{c}\cos K\\ \sin K\end{array}\right]{\mathrm{\φ}}_U+\left[\begin{array}{c}1\\ 0\end{array}\right]{\mathrm{\Δa}}_E+\left[\begin{array}{c}0\\ 1\end{array}\right]{\mathrm{\Δa}}_N$

其滤波稳态时，有：

$\mathrm{\δ}\stackrel{\·}{V}=\stackrel{\·\·}{V}\mathrm{\Δ}t$

由上面两式知，直线加速运动时，时间误差将对速度估计造成影响，由于时间误差本身是小量，在加速度变化不大时，其影响不大。

当载体圆周运动时，速度状态变为：

$\mathrm{\δ}\stackrel{\·}{V}=\left[\begin{array}{c}\mathrm{\δ}{\stackrel{\·}{V}}_E\\ \mathrm{\δ}{\stackrel{\·}{V}}_N\end{array}\right]=\left[\begin{array}{c}0\\ g\end{array}\right]{\mathrm{\φ}}_E+\left[\begin{array}{c}-g\\ 0\end{array}\right]{\mathrm{\φ}}_N+V\mathrm{\ω}\left[\begin{array}{c}\cos K\\ \sin K\end{array}\right]{\mathrm{\φ}}_U+\left[\begin{array}{c}1\\ 0\end{array}\right]{\mathrm{\Δa}}_E+\left[\begin{array}{c}0\\ 1\end{array}\right]{\mathrm{\Δa}}_N$

其滤波稳态时，有：

$\mathrm{\δ}\stackrel{\·}{V}={\mathrm{V\ω}}^2\left[\begin{array}{c}\cos K\\ \sin K\end{array}\right]\mathrm{\Δ}t$

此时，时间误差与方位角具有信息的一致特征性，滤波时，会把时间误差归因于方位角，从而直接造成方位角估计错误，给速度估计带来较大的误差。

综上，时间误差对速度的影响主要原因是载体的牵连加速度，当载体机动时，时间误差会对速度估计造成影响。

然后分析时间误差对位置的影响，考虑到速度与位置的积分关系，因此可以简化分析过程。

位置误差的表达式为：

$\mathrm{\δ}\stackrel{\·}{L}=\frac{{\mathrm{\δV}}_N}{R_M}$

$\mathrm{\δ}\stackrel{\·}{\mathrm{\λ}}=\frac{{\mathrm{\δV}}_E}{R_N}\sec L+\frac{V_E}{R_N}\sec L\tan L\mathrm{\δ}L$

位置观测量为：

$\begin{array}{c}{Z}_p\left(t\right)=P_{INS}-P_{GPS}=P\left(0\right)+\∫(V+\mathrm{\δ}V)dt+\∫\∫a(t+\mathrm{\Δ}t)dtdt-P(t+\mathrm{\Δ}t)-\stackrel{\‾}{\mathrm{\ω}}\\ =P\left(0\right)+\∫Vdt+\∫\mathrm{\δ}Vdt+\∫\∫a\left(t\right)dtdt+\∫\∫\stackrel{\·}{a}\left(t\right)\mathrm{\Δ}tdtdt-P\left(t\right)+P\left(\mathrm{\Δ}t\right)-\stackrel{\‾}{\mathrm{\ω}}\\ =Zp\left(t\right)+\∫\mathrm{\δ}Vdt+\∫\∫\stackrel{\·}{a}\left(t\right)\mathrm{\Δ}tdtdt+P\left(\mathrm{\Δ}t\right)\end{array}$

其中，是时间差在位置观测上造成的外观测误差，P(Δt)可视为直接对位置估计造成影响的时间误差如起始时刻误差等。由可知，当载体加速度变化时(包括线速度和角速度)，会产生速度观测量的直接误差。由速度造成的误差分量会直接积分到位置中，因此可知时间误差在组合导航系统中的作用不容轻易忽视。

空间配准不仅包括传感器的坐标系统一，即将各传感器坐标系中的信息变换到统一的导航坐标系中；而且包括校正各传感器因空间位置所造成的相对偏差。空间配准有两个配准任务:坐标系统一和传感器空间偏差校正。

空间误差来源主要有：1，不同坐标系体系存在定位偏差；2，各导航传感器参考坐标系不一；3，传感器测量单元或天线处于不同位置所造成的空间测量偏差；4，受载体扭曲形变影响造成的空间测量偏差。

考虑到多源信息的时空属性如采样率、数据形式、向融合中心报告的时间、对环境的描述、空间测量偏差等因素，本发明采用基于异步分布式的融合，对各源信息进行融合。

基于上述考虑，本发明实施例提供了一种设计灵活、计算量小、容错性能好的联邦滤波器，如图4所示，该滤波器是一个分散化系统，可分为多个局部滤波器和一个主滤波器，其中：每一多源信息系统均与一参考系统共同输入至一局部滤波器；各局部滤波器分别将计算出的局部估计值和误差协方差阵输出至所述主滤波器；所述主滤波器还与所述参考系统相连，用于根据各局部滤波器的输出结果和自身对所述参考系统的滤波结果进行最优融合，得到全局最优估计值。

其中，联邦滤波器融合算法主要包括子滤波器融合算法、主滤波器融合算法和联邦滤波信息分配三个环节，具体如下：

a.各子滤波器融合算法

时间更新算法：

$\left.\begin{array}{c}{\hat{X}}_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)X_i(k-1)\\ P_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)P_i(k-1){{\mathrm{\Φ}}_i}^T(k/k-1)+{\mathrm{\Γ}}_i(k-1)Q_i(k-1){{\mathrm{\Γ}}_i}^T(k-1)\end{array}\right\}$

量测更新算法：

$\left.\begin{array}{c}{K}_i\left(k\right)=P_i(k/k-1){H_i}^T\left(k\right){\left(H_i\right(k\left)P_i\right(k/k-1\left){H_i}^T\right(k)+R_i(k\left)\right)}_{-1}\\ P_i(k/k)=(I-K_i(k\left)H_i\right(k\left)\right)P_i(k/k-1){\[I-K_i\left(k\right)H_i\left(k\right)\]}^T+K_i\left(k\right)R_i\left(k\right){K_i}^T\left(k\right)\\ {\hat{X}}_i(k/k)={\hat{X}}_i(k/k-1)+K_i\left(k\right)\[Z_i\left(k\right)-H_i(k/k){\hat{X}}_i(k/k-1)\]\end{array}\right\}$

其中：

表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

b.主滤波器信息融合算法

联邦主滤波器不进行滤波处理，只是将各个子滤波器的局部估计值信息按下式进行融合，得到全局的最优估计值和最优估计方差阵：

$\left\{\begin{array}{c}{P}_g={\left(\underset{i=1}{\overset{n}{\Σ}}{P}_i^{-1}\right(k/k\left)\right)}^{-1}\\ {\hat{X}}_g=P_g\left(\underset{i=1}{\overset{n}{\Σ}}{P}_i^{-1}\right(k/k\left){\hat{X}}_i\right(k/k\left)\right)\end{array}\right.$

c.联邦滤波信息分配

联邦滤波中的信息分配原则为：

$\{P_i^{-1}\left(k\right)={\mathrm{\β}}_i{P}_g^{-1}\left(k\right)$

${\hat{X}}_i\left(k\right)={\hat{X}}_g\left(k\right),(i=1,2,\mathrm{...},N)$

${Q_i}^{-1}\left(k\right)={\mathrm{\β}}_i{Q_g}^{-1}\left(k\right)$

式中，β_i为信息分配因子，需满足信息守恒原理：

较佳地，所述联邦滤波器还可以包括反馈电路，其中：

所述反馈电路，分别与主滤波器、各局部滤波器和参考系统相连，用于使用全局最优估计值对参考系统的参数进行校正，以及反馈重置各局部滤波器和主滤波器。

在一具体实施例中，在反馈重置各局部滤波器和主滤波器时：

局部滤波器重置公式为：

主滤波器重置公式为：

其中，β_i为“信息分配系数”，用来对主、子滤波器进行信息分配，且满足信息守恒原则：

对于参考系统的选择，在具体实施时，一般选择某个信息全面、输出频率高、可靠性高的子系统作为公共参考系统，与各种多源信息系统两两输入一个局部滤波器中，各局部滤波器并行工作，然后分别将各自的估计信息输入到主滤波器，主滤波器对各局部滤波器的输入信息进行最优融合，进而得到基于所有量测信息的全局最优估计。

较佳地，本发明实施例选择GNSS系统和INS系统的融合结果作为参考系统。即，本发明实施例提供的参考系统包括GNSS系统、INS系统、卡尔曼EKF滤波器和反馈电路，其中：

所述EKF滤波器，用于对GNSS系统和INS系统进行紧组合滤波，包括：获取以ECI为导航坐标系下，GNSS系统伪距测量结果与根据相应的INS系统导航解算得到的伪距预测结果之差，和GNSS伪距率与根据相应的INS系统导航解算得到的伪距率之差，综合所述两差值构成EKF量测方程，执行导航误差状态估计；

所述反馈电路，用于使用所述导航误差状态估计对INS系统的参数进行校正；以及量测校正数据输入ECI坐标系下的INS系统的力学编排，解算得到飞行器最优PVA估计值作为所述参考系统的输出。

参见图5，该图示出了本发明实施例一具体的GNSS和INS系统融合作为参考系统的结构图。惯性导航系统和卫星导航系统采用线性卡尔曼滤波器进行融合，系统的状态方程为纯捷联惯性导航系统的误差方程。结合捷联惯性导航系统的基本导航参数误差方程以及惯性仪表的误差方程，可以获得惯性/卫星组合导航系统的状态方程为：X(t)＝F(t)X(t)+G(t)W(t)

式中F(t)表示惯性/卫星组合导航系统状态方程的一步状态转移矩阵；G(t)表示惯性/卫星组合导航系统状态方程的系统白噪声误差矩阵；W(t)为惯性/卫星组合导航系统状态方程的系统误差白噪声矢量，系统状态矢量定义为：

式中φ_e,φ_n,φ_u表示三个惯性导航平台误差角；δv_e,δv_n,δv_u表示三个速度误差；δL,δλ，δh表示三个位置误差；ε_bx,ε_by,ε_bz,ε_rx,ε_ry,ε_rz表示陀螺三个常值漂移误差和三个一阶马尔可夫漂移误差；表示加速度计三个一阶马尔科夫漂移误差。

组合导航系统的白噪声矢量为：W＝[ω_gx,ω_gy,ω_gz,ω_rx,ω_ry,ω_rz,ω_ax,ω_ay,ω_az]^T

对应于白噪声矢量，白噪声方差矩阵Q(t)为：

$diag\[{{\mathrm{\σ}}^2}_{gx},{{\mathrm{\σ}}^2}_{gy},{{\mathrm{\σ}}^2}_{gz},\frac{2{{\mathrm{\σ}}^2}_{rx}}{T_{rx}},\frac{2{{\mathrm{\σ}}^2}_{ry}}{T_{ry}},\frac{2{{\mathrm{\σ}}^2}_{rz}}{T_{rz}},\frac{2{{\mathrm{\σ}}^2}_{ax}}{T_{ax}},\frac{2{{\mathrm{\σ}}^2}_{ay}}{T_{ay}},\frac{2{{\mathrm{\σ}}^2}_{az}}{T_{az}}\]$

组合导航系统噪声系数矩阵为：

$G\left(t\right)=\left(\begin{array}{ccc}-C_b^n& 0_{3\×3}& 0_{3\×3}\\ 0_{9\×3}& 0_{9\×3}& 0_{9\×3}\\ 0_{3\×3}& I_{3\×3}& I_{3\×3}\\ 0_{3\×3}& 0_{3\×3}& I_{3\×3}\end{array}\right)$

组合导航系统的状态转移矩阵为：

$A\left(t\right)=\left(\begin{array}{cc}{\left(A_{INS}\right)}_{9\×9}& {\left(A_{sg}\right)}_{9\×3}\\ 0_{9\×9}& {\left(A_{IMU}\right)}_{9\×3}\end{array}\right)$

上式中，

$A_{IMU}=diag\left[\begin{array}{ccccccccc}0& 0& 0& -\frac{1}{T_{rx}}& -\frac{1}{T_{ry}}& -\frac{1}{T_{rz}}& -\frac{1}{T_{ax}}& -\frac{1}{T_{ay}}& -\frac{1}{T_{az}}\end{array}\right]$

$A_{sg}=\left(\begin{array}{ccc}-C_b^n& -C_b^n& 0_{3\×3}\\ 0_{3\×3}& 0_{3\×3}& C_b^n\\ 0_{3\×3}& 0_{3\×3}& 0_{3\×3}\end{array}\right)$

A_INS对应9个基本导航参数的系统阵，由惯性导航系统的导航参数基本误差方程决定，其具体形式如下：

$\begin{array}{cc}\left\{\begin{array}{c}A(1,2)=-w_{ie}\sin L-v_{e}tgL/\mathrm{Re}\\ A(1,3)=v_n/Rn\\ A(1,5)=1/\mathrm{Re}\\ A(1,7)=-w_{ie}\sin L\end{array}\right.& \left\{\begin{array}{c}A(3,1)=v_n/Rn\\ A(3,2)=-w_{ie}\cos L-v_e/\mathrm{Re}\\ A(3,5)=tgL/\mathrm{Re}\\ A(3,7)=-w_{ie}\cos L-v_e/R_e{\cos }^{2}L\end{array}\right.\\ \left\{\begin{array}{c}A(4,2)=-f_d\\ A(4,3)=f_e\\ A(4,4)=v_d/R_n\\ A(4,5)=-2(w_{ie}\sin L+v_{e}tgL/R_e)\\ A(4,6)=v_n/R_n\\ A(4,7)=-(2w_{ie}\cos L+v_e{R}_e/{\cos }^{2}L)v_e\end{array}\right.& \left\{\begin{array}{c}A(2,1)=w_{ie}\sin L+v_{e}tgL/R_e\\ A(2,3)=w_{ie}\cos L+v_e/\mathrm{Re}\\ A(2,4)=-1/R_n\end{array}\right.\end{array}$

$\begin{array}{c}\left\{\begin{array}{c}A(5,1)=f_d\\ A(5,3)=f_e\\ A(5,4)=2w_{ie}\sin L+v_{e}tgL/R_e\\ A(5,5)=(v_{n}tgL+v_d)/R_e\\ A(5,6)=2w_{ie}\cos L+v_e/R_e\\ A(5,7)=2w_{ie}(v_n\cos L-v_d\sin L)+v_n{v}_e/R_e{\cos }^{2}L\end{array}\right.\\ \left\{\begin{array}{cc}\begin{array}{c}A(6,1)=-f_e\\ A(6,2)=f_n\\ A(6,4)=-2v_n/R_n\\ A(6,5)=-2(w_{ie}\cos L+v_e/R_e)\\ A(6,7)=2w_{ie}{v}_e\sin L\\ A(6,9)=-2g/R\end{array}& \begin{array}{c}A(7,4)=1/R_n\\ \left\{\begin{array}{c}A(8,5)=1/\left(R_n\cos L\right)\\ A(8,7)=v_{e}tgL/\left(R_e\cos L\right)\end{array}\right.\\ A9,6)=-1\end{array}\end{array}\right.\end{array}$

量测方程中的量测信息由惯性导航系统输出的三维速度、三维位置分别与卫星输出的三维速度、三维位置的差值构成，如下式所示，其中R_n和R_e为参考椭球子午圈和卯酉圈上各点的曲率半径。

$Z_{GPS}\left(t\right)=\left[\begin{array}{c}{v}_{nINS}-v_{nGPS}\\ v_{eINS}-v_{eGPS}\\ v_{dINS}-v_{dGPS}\\ (L_{INS}-L_{GPS})R_n\\ ({\mathrm{\λ}}_{INS}-{\mathrm{\λ}}_{GPS})R_e\cos L\\ h_{INS}-h_{GPS}\end{array}\right]=\left[\begin{array}{c}{\mathrm{\δv}}_n+M_{nGPS}\\ {\mathrm{\δv}}_e+M_{eGPS}\\ {\mathrm{\δv}}_d+M_{dGPS}\\ R_n\mathrm{\δ}L+N_{nGPS}\\ R_e\cos L\mathrm{\δ}\mathrm{\λ}+N_{eGPS}\\ \mathrm{\δ}h+N_{hGPS}\end{array}\right]=\left[\begin{array}{c}{H}_v\left(t\right)\\ H_p\left(t\right)\end{array}\right]X\left(t\right)+N_{GPS}\left(t\right)$

上式中：

H_v(t)_3×18＝[0_3×3diag[111]0_3×30_3×9]_3×18

H_p(t)_3×18＝[0_3×30_3×3diag[R_nR_ecosL1]0_3×9]_3×18

子系统测量白噪声矢量为：

N_GPS(t)＝[M_nGPSM_eGPSM_dGPSN_nGPSN_eGPSN_dGPS]^T

测量白噪声矢量方差阵为：

R_GPS(t)＝diag[σ² _vnGPSσ² _veGPSσ² _vdGPSσ² _pnGPSσ² _peGPSσ² _pdGPS]^T

采用卡尔曼滤波进行惯性/卫星组合导航信息融合，其开环形式为：

时间更新算法：

量测更新算法：

其中：

表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

对开环滤波器引入控制项后变成闭环形式，在完全闭环修正时，滤波方程组变为：

时间更新算法：

量测更新算法：

基于可观测度分析的惯性/卫星组合导航系统卡尔曼滤波算法采用闭环模式，主要包括时间更新过程、量测更新过程以及自适应反馈校正过程。其中时间更新、量测更新如上式所示，自适应反馈校正算法为：

式中，表示卡尔曼滤波当前时刻状态估计值，η_i表示归一化的可观测度系数，表示用于对系统参数进行补偿的修正量。

采用本发明上述滤波器，能够将多源信息进行最优融合，利用所选取的多源数据的关联性和互补性，对GNSS导航系统的信号缺失补偿、提高对卫星信号的捕获和跟踪精度和提高系统抗干扰性，从而达到最终提高组合导航精度的目标。

第二实施例

如图6所示，本发明实施例还提供了一种基于多源信息的组合导航方法，使用实施例一提供的组合导航设备获取多源导航信息，基于多源信息各自的特点和彼此间的互补性，提升GNSS导航系统完好性，该方法包括：

步骤S601：获取多源导航信息，包括从设置于飞行器上的全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备中的一个或者多个中获取导航相关信息；

步骤S602：将每一种多源导航信息与一参考信号共同输入至一局部滤波器；

步骤S603：触发各局部滤波器分别计算局部估计值和误差协方差阵；

步骤S604：触发主滤波器对参考信号进行滤波，以及根据各局部滤波器的输出结果和自身对所述参考信号的滤波结果进行最优融合，得到全局最优估计值。

本发明实施例充分利用多源导航信息各自的个性和互补型，经一联邦滤波器将多源信息进行融合处理，提升GNSS导航系统的完好性。

较佳地，还包括步骤S605：使用全局最优估计值对参考信号进行校正，以及反馈重置各局部滤波器和主滤波器。

其中，各局部滤波器和主滤波器进行数据融合的算法参见实施例一种的设计，本发明在此不再赘述。

其中，所述参考信号是通过一卡尔曼EKF滤波器对GNSS信号与INS信号进行紧组合滤波，融合得到。具体包括：

获取以地心惯性坐标系ECI为导航坐标系下，GNSS系统伪距测量结果与根据相应的INS系统导航解算得到的伪距预测结果之差，和GNSS伪距率与根据相应的INS系统导航解算得到的伪距率之差，综合所述两差值构成EKF量测方程，执行导航误差状态估计；

使用所述导航误差状态估计对INS系统的参数进行校正；以及量测校正数据输入ECI坐标系下的INS系统的力学编排，解算得到飞行器最优PVA估计值作为所述参考系统的输出。

采用所述EKF滤波器对GNSS系统和INS系统进行紧组合滤波的算法参见实施例一描述，本发明在此不再赘述。

较佳地，在获取GNSS系统信号时，获取GPS导航卫星信号、GLONASS导航卫星信号、GALILEO导航卫星信号和北斗导航卫星信号中的一种或者多种；将所述一种或者多种导航卫星信号进行时空归一化处理后，进行数据融合处理后输出，作为GNSS系统信号。

较佳地，可在各服务区内设置多个参考站，用于提供差分改正数；经广播或网络接收各服务区内参考站提供的差分改正数，从GNSS系统获取GNSS信号；以及，利用差分改正数对GNSS伪距进行差分改正，利用载波相位观察量平滑GNSS伪距计算，组建GNSS伪距观察方程，以最小二乘法求解定位结果。

根据所述公开的实施例，可以使得本领域技术人员能够实现或者使用本发明。对于本领域技术人员来说，这些实施例的各种修改是显而易见的，并且这里定义的总体原理也可以在不脱离本发明的范围和主旨的基础上应用于其他实施例。以上所述的实施例仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于多源信息融合的组合导航方法，其特征在于，包括：

获取多源导航信息，包括从设置于飞行器上的全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备中的一个或者多个中获取导航相关信息；

采用联邦滤波器对所述多源信息进行融合处理，所述联邦滤波器包括一个主滤波器和与所述主滤波器相连的多个局部滤波器，其中：将每一种多源导航信息与一参考信号共同输入至一局部滤波器；触发各局部滤波器分别计算局部估计值和误差协方差阵；触发主滤波器对参考信号进行滤波，以及根据各局部滤波器的输出结果和自身对所述参考信号的滤波结果进行最优融合，得到全局最优估计值。

2.如权利要求1所述的方法，其特征在于：

通过一卡尔曼EKF滤波器对GNSS信号与INS信号进行紧组合滤波，融合得到所述参考信号，包括：获取以地心惯性坐标系ECI为导航坐标系下，GNSS系统伪距测量结果与根据相应的INS系统导航解算得到的伪距预测结果之差，和GNSS伪距率与根据相应的INS系统导航解算得到的伪距率之差，综合所述两差值构成EKF量测方程，执行导航误差状态估计；

使用所述导航误差状态估计对INS系统的参数进行校正；以及量测校正数据输入ECI坐标系下的INS系统的力学编排，解算得到飞行器最优PVA估计值作为所述参考系统的输出。

3.如权利要求2的方法，其特征在于：采用所述EKF滤波器对GNSS系统和INS系统进行紧组合滤波时采用开环形式或者闭环形式，其中：

在采取开环形式时，包括时间更新过程和量测更新过程，其中：

时间更新公式为：

量测更新公式为：

在采取闭环形式时，包括时间更新过程、量测更新过程和自适应反馈校正过程，其中：

时间更新公式为：

量测更新公式为：

自适应反馈校正公式为：

其中：表示系统当前时刻状态估计值；表示系统状态一步预测值；K_i(k)表示系统当前时刻滤波增益阵；P_i(k/k-1)表示系统状态一步预测误差估计协方差阵；P_i(k/k)表示系统状态误差估计协方差阵；Q_i(k-1)表示系统状态噪声阵；R_i(k)表示量测噪声阵。

4.如权利要求1所述的方法，其特征在于：

触发各局部滤波器对输入信号进行融合时：

时间更新公式：

$\left.\begin{array}{c}{\hat{X}}_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)X_i(k-1)\\ P_i(k/k-1)={\mathrm{\Φ}}_i(k/k-1)P_i(k-1){{\mathrm{\Φ}}_i}^T(k/k-1)+{\mathrm{\Γ}}_i(k-1)Q_i(k-1){{\mathrm{\Γ}}_i}^T(k-1)\end{array}\right\}$

量测更新公式：

$\left.\begin{array}{c}{K}_i\left(k\right)=P_i(k/k-1){H_i}^T\left(k\right){\left(H_i\right(k\left)P_i\right(k/k-1\left){H_i}^T\right(k)+R_i(k\left)\right)}_{-1}\\ P_i(k/k)=(I-K_i(k\left)H_i\right(k\left)\right)P_i(k/k-1){\[I-K_i\left(k\right)H_i\left(k\right)\]}^T+K_i\left(k\right)R_i\left(k\right){K_i}^T\left(k\right)\\ {\hat{X}}_i(k/k)={\hat{X}}_i(k/k-1)+K_i\left(k\right)\[Z_i\left(k\right)-H_i(k/k){\hat{X}}_i(k/k-1)\]\end{array}\right\}$

触发主滤波器对输入信号进行融合时：

全局的最优估计值公式为：

最优估计方差阵公式为：

5.如权利要求1的方法，其特征在于，联邦滤波中的信息分配原则为：

$\left\{\begin{array}{c}{P}_i^{-1}\left(k\right)={\mathrm{\β}}_i{P_g}^{-1}\left(k\right)\\ {\hat{X}}_i\left(k\right)={\hat{X}}_g\left(k\right)\\ {Q_i}^{-1}\left(k\right)={\mathrm{\β}}_i{Q_g}^{-1}\left(k\right)\end{array}\right.,(i=1,2,\mathrm{...},N)$

其中，β_i为信息分配因子，需满足信息守恒原理：

6.如权利要求1所述的方法，其特征在于，还包括：

使用全局最优估计值对参考信号进行校正，以及反馈重置各局部滤波器和主滤波器；

其中，局部滤波器重置公式为：

主滤波器重置公式为：

其中，β_i为“信息分配系数”，用来对主、子滤波器进行信息分配，且满足信息守恒原则：

7.如权利要求1所述的方法，其特征在于：

在获取GNSS系统信号时，获取GPS导航卫星信号、GLONASS导航卫星信号、GALILEO导航卫星信号和北斗导航卫星信号中的一种或者多种；将所述一种或者多种导航卫星信号进行时空归一化处理后，进行数据融合处理后输出，作为GNSS系统信号。

8.如权利要求1所述的方法，其特征在于：

在各服务区内设置多个参考站，用于提供差分改正数；

经广播或网络接收各服务区内参考站提供的差分改正数，从GNSS系统获取GNSS信号；以及，利用差分改正数对GNSS伪距进行差分改正，利用载波相位观察量平滑GNSS伪距计算，组建GNSS伪距观察方程，以最小二乘法求解定位结果。

9.一种基于多源信息融合的组合导航设备，其特征在于，包括：

导航相关的多源信息系统，包括全球卫星导航系统GNSS、惯性导航系统INS、多模区域差分增强系统MLDAS、气压高度表和守时设备中的一个或者多个；

用于将对多源信息进行融合处理的联邦滤波器，所述联邦滤波器包括一个主滤波器和多个局部滤波器，其中：每一多源信息系统均与一参考系统共同输入至一局部滤波器；各局部滤波器分别将计算出的局部估计值和误差协方差阵输出至所述主滤波器；所述主滤波器还与所述参考系统相连，用于根据各局部滤波器的输出结果和自身对所述参考系统的滤波结果进行最优融合，得到全局最优估计值。

10.如权利要求9所述的设备，其特征在于，所述参考系统包括GNSS系统、INS系统、卡尔曼EKF滤波器和反馈电路，其中：

所述EKF滤波器，用于对GNSS系统和INS系统进行紧组合滤波，包括：获取以地心惯性坐标系ECI为导航坐标系下，GNSS系统伪距测量结果与根据相应的INS系统导航解算得到的伪距预测结果之差，和GNSS伪距率与根据相应的INS系统导航解算得到的伪距率之差，综合所述两差值构成EKF量测方程，执行导航误差状态估计；

所述反馈电路，用于使用所述导航误差状态估计对INS系统的参数进行校正；以及量测校正数据输入ECI坐标系下的INS系统的力学编排，解算得到飞行器最优PVA估计值作为所述参考系统的输出。