CN101464152B - 一种sins/gps组合导航系统自适应滤波方法 - Google Patents
一种sins/gps组合导航系统自适应滤波方法 Download PDFInfo
- Publication number
- CN101464152B CN101464152B CN2009100712310A CN200910071231A CN101464152B CN 101464152 B CN101464152 B CN 101464152B CN 2009100712310 A CN2009100712310 A CN 2009100712310A CN 200910071231 A CN200910071231 A CN 200910071231A CN 101464152 B CN101464152 B CN 101464152B
- Authority
- CN
- China
- Prior art keywords
- gps
- noise
- sins
- integrated navigation
- size
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明提供的是一种SINS/GPS自适应组合导航方法,其特征是将捷联惯导系统与GPS全球定位系统进行信息融合,并按组合频率,对由串口接收到的GPS信号进行噪声实时计算。本发明以量测残差为判断基准,通过对滑动窗大小的自动调节,有效地将新息引入到量测信号噪声的实时计算中来,可在GPS量测信号噪声增大时,减小滤波增益,降低量测信号对组合导航系统定位的作用;在量测信号噪声减小时,加大滤波增益,增大新息对组合导航的影响,自动延长的滑动窗口又保持了系统的平稳特性,有效地解决了由时变噪声导致的传统卡尔曼滤波精度下降的问题,提高了组合导航系统的定位精度。
Description
(一)技术领域
本发明涉及的是一种SINS/GPS组合导航系统自适应滤波方法,可有效地抑制由时变噪声引起的传统卡尔曼滤波精度下降的情况。
(二)背景技术
SINS/GPS组合导航系统因其结合了惯导系统与GPS全球定位系统的优势,一直吸引大量科研人员进行深入的理论研究,并在车载、舰船、飞行器中有着广泛的应用。卡尔曼滤波作为通用的SINS/GPS组合导航系统信息融合算法,要求精确获知量测噪声的统计信息;当噪声模型不准确或无法预知的情况下,传统卡尔曼滤波精度会大大降低。而GPS全球定位系统的定位精度不仅取决于器件误差,同时还依赖于星可见度及载体运行环境,仅按经验值预置GPS观测噪声无法适应GPS的工作特性,如何有效地解决时变GPS噪声对卡尔曼滤波算法的影响,对提高SINS/GPS组合导航系统精度具有重要意义。
近年来,许多学者对自适应滤波进行了深入的研究,如协方差及系统噪声缩放算法,多模自适应估计算法(MMAE),引入模糊逻辑的自适应算法,基于新息序列的自适应算法,等等。多模自适应估计算法采用多个并行卡尔曼滤波器实现对模型及噪声的估计,但由于其计算量大,并没有被广泛的应用于实际工程中。常用的Sage-Husa噪声统计估值器采用新息序列均值法对噪声进行估计, 滑动窗长度为k(k为当前时刻),易知,随着时间的增加,当前新息对估值的作用逐渐降低,k→∞, 系统长时间运行后,当由于环境或载体机动引起噪声变化时,Saga-Husa算法无法解决该情况的噪声估算问题。本发明基于新息序列的自适应算法,提出了根据基于当前量测残差自动调节滑动窗长度的方法,进行在线噪声估计,将新息值与噪声估计有效地结合起来,既保证了系统的原有平稳特性,又充分利用新息序列对时变噪声进行有效的在线估计,具有实际的工程应用意义。
(三)发明内容
本发明的目的在于提供一种能够有效地提高GPS噪声未知的情况下组合导航系统的定位精度的一种SINS/GPS组合导航系统自适应滤波方法。
本发明的目的是这样实现的:
步骤1:用捷联惯导系统实时采集陀螺加速度信息,对实时采集的陀螺加速度信息进行位置速度姿态解算;
步骤2:通过串口实时采集GPS信号,按照数据格式从缓冲区中读取GPS提供的位置速度信息;
步骤3:根据SINS动态误差模型建立组合导航系统的状态方程,利用SINS与GPS的位置速度误差建立量测方程;
步骤4:依组合导航解算频率,根据解算出的SINS位置、速度信息与GPS信号计算新息大小,及量测残差值,量测残差大小反映了GPS信号噪声大小;
步骤5:利用量测残差值,对滑动窗口长度进行自动调节;
步骤6:依滑动窗大小计算新息均值,对GPS量测信号噪声协方差进行实时计算;
步骤7:将噪声协方差代入到滤波预测过程及量测更新过程,计算滤波增益,进行组合导航解算。
本发明根据当前新息自动调节滑动窗长度,对时变噪声进行计算的自适应组合导航方法,具体步骤为:
1、根据SINS与GPS观测量及观测方程求取当前新息及量测残差值(第k时刻)。
其中,vk为新息值,Ck为新息均方差,d为量测残差值。
2、根据当前量测残差值求取滑动窗长度。
N=1,d>αmax
N=k,d<αmin
易知,滑动窗最小长度为1,即N=1,Ck只取决于当前新息,与历史新息序列无关。此时,当前新息比重对噪声估值起了最大作用,残差值大于设置的最大阈值,即d>αmax。
残差值小于设置的最小阈值时,滑动窗取最大长度N=k,此时与Sage-Husa极大后验噪声统计估值器一致,即
当判断出残差值介于两者之间时,即αmin<d<αmax,滑动窗长度为 λ为调节因子,它的大小决定了滑动窗口随量测残差大小的变化趋势,λ<1,N≥1。
3、依滑动窗大小(滤波窗口大小)计算新息均值,计算时变信号噪声协方差的方法为;
根据滑动窗大小计算K,K-1,K-2,…,K-N+1时刻新息方差的均值,作为进一步估算观测噪声协方差阵的依据。
为了避免矩阵奇异,当Rk<0时,进行规一化处理,令Rk=0
4、将噪声协方差代入到滤波预测过程及量测更新过程,根据噪声方差调节滤波增益,进行组合导航解算:
Pk=(I-KkHk)Pk/k-1
本发明利用了通用的导航设备,通过对噪声的实时计算,调节滤波增益,有效地解决了由时变噪声导致的传统卡尔曼滤波精度下降的情况。常用的Sage-Husa噪声统计估值器作为一种极大后验估值方法,适用于对未知常值噪声进行估计,其缺点和局限性是不能处理时变噪声。本发明通过对滑动窗大小的自动调节,有效地将新息引入到噪声估值中来,可在量测信号噪声增大时,减小滤波增益,降低量测信号对组合导航系统定位的作用;在量测信号噪声减小时,加大滤波增益,增大新息对组合导航的影响,自动延长的滑动窗口又保持了系统的平稳特性,有效的解决了由时变噪声导致的传统卡尔曼滤波精度下降的问题,提高了组合导航系统的定位精度。
(四)附图说明
图1为本发明中,SINS/GPS自适应组合导航系统结构图。
图2为本发明中,量测噪声未知情况下自适应扩展卡尔曼滤波流程图。
(五)具体实施方式
下面结合附图举例对本发明做更详细地描述:
步骤1、根据捷联惯导系统的误差模型建立系统方程。
捷联惯导误差方程为:
其中,Xk为被估计状态;Wk为噪声序列;Φk,k-1为tk-1至tk时刻一步转移阵;Γk-1为系统噪声驱动阵;Hk为量测阵;Vk为量测噪声序列;δλ表示纬度、经度误差;δVx,δVy表示东向、北向速度误差;Vx,Vy表示东向、北向速度;φx,φy表示北向、东向水平失准角;φz表示方位失准角; εx,εy,εz表示陀螺漂移。
连续系统的状态方程为:
一阶泰勒展开,
其中, EqqT=Qk,Xk=X(tk),Γk=Γ(tk),Qk=Q(tk)
Φk=I+A(Xk|k)T
取SINS与GPS系统的位置速度误差为观测量,因而可以直接建立离散时间量测方程:
步骤2、计算当前新息值及量测残差大小,根据残差值求取滑动窗长度
N=1,d>αmax
N=k,d<αmin
步骤3、量测噪声未知时,本发明中涉及到的自适应扩展卡尔曼滤波预测方程与更新过程为
Pk=(I-KkHk)Pk/k-1
Claims (1)
1.一种SINS/GPS组合导航系统自适应滤波方法,其特征是:
步骤1:用捷联惯导系统实时采集陀螺加速度信息,对实时采集的陀螺加速度信息进行位置速度姿态解算;
步骤2:通过串口实时采集GPS信号,按照数据格式从缓冲区中读取GPS提供的位置速度信息;
步骤3:根据SINS动态误差模型建立组合导航系统的状态方程,利用SINS与GPS的位置速度误差建立量测方程;
步骤4:依组合导航解算频率,根据解算出的SINS位置、速度信息与GPS信号计算新息大小,及量测残差值,量测残差大小反映了GPS信号噪声大小;所述的计算新息及量测残差的具体步骤为:
步骤5:利用量测残差值,对滑动窗口长度进行自动调节;利用量测残差值,对系统k时刻滑动窗口长度进行自动调节,具体步骤为:
N=1,d>αmax
N=k,d<αmin
其中,N为滑动窗长度;αmax与αmin分别为预先设置的最大及最小阈值,当量测残差大于αmax时,滑动窗口取最小值1;当量测残差小于αmin时,滑动窗口取最大值k,k为当前时刻;λ为调节因子,它的大小决定了滑动窗口随量测残差大小的变化趋势,取整计算滑动窗大小;
步骤6:依滑动窗大小计算新息均值,对GPS量测信号噪声协方差进行实时计算;依滑动窗大小计算新息均值,实时计算量测信号噪声协方差,其具体步骤为:
依据滑动窗大小计算相关新息序列均值,计算量测噪声;
为了避免矩阵奇异,当Rk<0时,进行规一化处理,令Rk=0;
步骤7:将噪声协方差代入到滤波预测过程及量测更新过程,计算滤波增益,进行组合导航解算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100712310A CN101464152B (zh) | 2009-01-09 | 2009-01-09 | 一种sins/gps组合导航系统自适应滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100712310A CN101464152B (zh) | 2009-01-09 | 2009-01-09 | 一种sins/gps组合导航系统自适应滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101464152A CN101464152A (zh) | 2009-06-24 |
CN101464152B true CN101464152B (zh) | 2010-11-10 |
Family
ID=40804841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100712310A Expired - Fee Related CN101464152B (zh) | 2009-01-09 | 2009-01-09 | 一种sins/gps组合导航系统自适应滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101464152B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183254B (zh) * | 2011-02-21 | 2012-11-21 | 戴庆源 | 基于惯性测量单元和无线电低频技术的煤矿定位和通信系统 |
CN102410837B (zh) * | 2011-07-29 | 2014-10-29 | 江苏大学 | 一种车辆组合定位导航系统及方法 |
EP2555017B1 (en) * | 2011-08-03 | 2017-10-04 | Harman Becker Automotive Systems GmbH | Vehicle navigation on the basis of satellite positioning data and vehicle sensor data |
CN102508954A (zh) * | 2011-10-21 | 2012-06-20 | 天津大学 | Gps/sins组合导航全数字仿真方法及装置 |
CN102508279B (zh) * | 2011-11-18 | 2014-04-30 | 中国测绘科学研究院 | 卫星导航系统gnss定姿测量值的处理方法及gnss定姿测量仪 |
CN102521504A (zh) * | 2011-12-07 | 2012-06-27 | 中国航空无线电电子研究所 | 基于嵌入式平台的自适应滤波目标跟踪定位方法 |
CN102621569A (zh) * | 2012-03-22 | 2012-08-01 | 哈尔滨工程大学 | 一种分布滤波式全球定位及捷联惯导组合导航方法 |
CN102645222B (zh) * | 2012-04-10 | 2015-07-22 | 惠州市德赛西威汽车电子有限公司 | 一种卫星惯性导航方法 |
CN102759364B (zh) * | 2012-04-26 | 2015-01-07 | 北京航空航天大学 | 一种应用gps/sins组合的挠性陀螺比力敏感误差飞行校准方法 |
CN103294897A (zh) * | 2013-05-09 | 2013-09-11 | 哈尔滨工程大学 | 一种用于船舶动力定位位置参考系统的自适应滤波方法 |
CN103292812A (zh) * | 2013-05-10 | 2013-09-11 | 哈尔滨工程大学 | 一种微惯性sins/gps组合导航系统的自适应滤波方法 |
CN103310637B (zh) * | 2013-05-16 | 2015-06-24 | 重庆大学 | 基于车载数据的公交车速度获取装置及方法 |
CN103389095A (zh) * | 2013-07-24 | 2013-11-13 | 哈尔滨工程大学 | 一种用于捷联惯性/多普勒组合导航系统的自适应滤波方法 |
CN103389092B (zh) * | 2013-08-13 | 2016-03-02 | 湖南航天机电设备与特种材料研究所 | 一种系留飞艇姿态测量装置及测量方法 |
CN103454662B (zh) * | 2013-09-04 | 2016-06-29 | 哈尔滨工程大学 | 一种基于ckf的sins/北斗/dvl组合对准方法 |
CN103941273B (zh) * | 2014-03-31 | 2017-05-24 | 广东电网公司电力科学研究院 | 机载惯性/卫星组合导航系统的自适应滤波方法与滤波器 |
CN105787362B (zh) * | 2014-12-25 | 2018-09-18 | 航天信息股份有限公司 | 用于保护网票查询查验系统的方法和装置 |
CN104596514B (zh) * | 2015-01-12 | 2017-08-29 | 东南大学 | 加速度计和陀螺仪的实时降噪系统和方法 |
CN105737828B (zh) * | 2016-05-09 | 2018-07-31 | 郑州航空工业管理学院 | 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法 |
FR3053492A1 (fr) * | 2016-06-30 | 2018-01-05 | Compagnie Generale Des Etablissements Michelin | Procede et dispositif de determination d'une estimation de la masse totale d'un vehicule automobile |
CN108253961A (zh) * | 2016-12-29 | 2018-07-06 | 北京雷动云合智能技术有限公司 | 一种基于imu的轮式机器人定位方法 |
EP3422046B1 (en) * | 2017-06-30 | 2021-04-28 | Veoneer Sweden AB | A system for enhanced object tracking |
CN107525503B (zh) * | 2017-08-23 | 2020-09-11 | 王伟 | 基于双天线gps和mimu组合的自适应级联卡尔曼滤波方法 |
CN107621264B (zh) * | 2017-09-30 | 2021-01-19 | 华南理工大学 | 车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法 |
CN110296701B (zh) * | 2019-07-09 | 2022-12-13 | 哈尔滨工程大学 | 惯性与卫星组合导航系统渐变型故障回溯容错方法 |
CN110926465A (zh) * | 2019-12-11 | 2020-03-27 | 哈尔滨工程大学 | 一种mems/gps松组合导航方法 |
CN113155156A (zh) * | 2021-04-27 | 2021-07-23 | 北京信息科技大学 | 运行信息的确定方法及装置、存储介质、电子装置 |
CN113390421B (zh) * | 2021-08-17 | 2021-12-10 | 武汉理工大学 | 基于卡尔曼滤波的无人机定位方法及装置 |
CN113984054A (zh) * | 2021-09-17 | 2022-01-28 | 兰州交通大学 | 基于信息异常检测的改进Sage-Husa自适应融合滤波方法及多源信息融合设备 |
CN113916226B (zh) * | 2021-10-09 | 2023-04-18 | 哈尔滨工业大学 | 一种基于最小方差的组合导航系统抗扰滤波方法 |
CN114485655B (zh) * | 2022-04-06 | 2022-07-29 | 深圳华大北斗科技股份有限公司 | Gnss/ins组合导航数据质量控制方法 |
-
2009
- 2009-01-09 CN CN2009100712310A patent/CN101464152B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101464152A (zh) | 2009-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101464152B (zh) | 一种sins/gps组合导航系统自适应滤波方法 | |
CN102508278B (zh) | 一种基于观测噪声方差阵估计的自适应滤波方法 | |
CN102096086B (zh) | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 | |
CN105806338B (zh) | 基于三向卡尔曼滤波平滑器的gnss/ins组合定位定向算法 | |
CN105785999B (zh) | 无人艇航向运动控制方法 | |
CN109000642A (zh) | 一种改进的强跟踪容积卡尔曼滤波组合导航方法 | |
Davari et al. | An asynchronous adaptive direct Kalman filter algorithm to improve underwater navigation system performance | |
CN101082493B (zh) | 一种农业机械导航的组合定位方法 | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
CN103389506B (zh) | 一种用于捷联惯性/北斗卫星组合导航系统的自适应滤波方法 | |
US9482536B2 (en) | Pose estimation | |
CN107589748A (zh) | 基于UnscentedFastSLAM算法的AUV自主导航方法 | |
CN103292812A (zh) | 一种微惯性sins/gps组合导航系统的自适应滤波方法 | |
CN103822633A (zh) | 一种基于二阶量测更新的低成本姿态估计方法 | |
CN105698822B (zh) | 基于反向姿态跟踪的自主式惯性导航行进间初始对准方法 | |
Jwo et al. | An adaptive sensor fusion method with applications in integrated navigation | |
CN104132662A (zh) | 基于零速修正的闭环卡尔曼滤波惯性定位方法 | |
CN104075715A (zh) | 一种结合地形和环境特征的水下导航定位方法 | |
CN101788679B (zh) | 一种基于新息正交的sins/gps自适应野值检测与实时补偿方法 | |
CN102252677A (zh) | 一种基于时间序列分析的变比例自适应联邦滤波方法 | |
CN109945895B (zh) | 基于渐消平滑变结构滤波的惯性导航初始对准方法 | |
CN110146076A (zh) | 一种无逆矩阵自适应滤波的sins/dvl组合定位方法 | |
CN106840211A (zh) | 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法 | |
CN108663068A (zh) | 一种应用在初始对准中的svm自适应卡尔曼滤波方法 | |
CN110940340A (zh) | 基于小型uuv平台的多传感器信息融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101110 Termination date: 20170109 |
|
CF01 | Termination of patent right due to non-payment of annual fee |