CN101765787B - 高度集成的gps、galileo和惯性导航系统 - Google Patents

Abstract

这里描述的导航系统利用与惯性导航系统(INS)结合的GPS和Galileo卫星信号，其中耦合天线(CAN)向高度集成的GNSS-惯性(Hi-Gi)接收器提供GNSS数据和惯性测量单元(IMU)数据。这种接收器利用GNSS未处理的相关器输出(COUT)I和Q数据及用户轨迹与惯性传感器数据之间的高保真关系，所有这些数据又在Kalman滤波器(KF)内被结合。KF确定导航解，导航解还被用于向接收器解调信号处理级提供反馈，从而不需要专用结构，比如延迟锁相环(DLL)和锁相环(PLL)，可以显著改进导航性能。所述改进使该系统可以提供高质量测量结果，并在常规技术不可用的环境中工作；例如，在由于障碍物而造成卫星信号中断期间，或者在动态特性很高的情况下，或者甚至在例如由于树冠而造成信号衰减的环境中工作。KF还利用允许系统在这种环境中工作的特殊Galieo信号特性、锁定检测器和耦合天线。

Description

高度集成的GPS、GALILEO和惯性导航系统

技术领域

本发明总体上涉及导航系统，更具体地说，涉及使用与INS集成的GPS和Galileo来提供增强导航，以及在低信号强度、高动态特性或者在其它GNSS或INS苛刻条件下导航的能力的全球导航卫星系统。

背景技术

GPS被分类为在1995年达到完全工作能力，并由美国国防部开发的GNSS(全球导航卫星系统)。GPS目前广泛用作允许从太空、航空到海上的各种领域中的导航的系统。它还广泛用在其它应用中，比如绘制地图、陆地测量、时间基准保持，并服务于不同的团体，比如军队、商业和科学团体。

Galileo是计划在2012年工作的欧洲GNSS。它正在由欧盟和欧洲太空总署开发。Galileo将引进与GPS特性不同的新信号，并且与GPS目前能够达到的精度相比，将提供更高的精度。新信号将包括没有导航数据调制的导频音信号。

GPS和Galileo工作原理相同：接收器利用它自己和可视卫星之间的距离测量结果，确定其位置。这是通过测量在卫星发射和接收器接收之间经过的时间，还通过解调包含卫星位置数据(也称为星历表)的接收信号来实现的。一旦获得测量结果，并且导航消息被解调，通过求解一组非线性方程，易于确定用户位置，在所述一组非线性方程中，未知数的数目是三个坐标。由于接收器不具有完全准确的时钟，因此除用于确定三个坐标的三个卫星之外，还需要一个额外的卫星测量结果。此外，由于卫星发射的信号受传播延迟，比如归因于电离层的传播延迟的影响，因此接收器需要另外的算法来校正所进行的测量。

当GPS信号和Galileo信号到达接收器时，GPS信号和Galileo信号相当微弱。此外，这样的信号易于被例如高大建筑物遮断，或者会被树冠衰减。这导致不能确定有效的导航解算。此外，当卫星和用户之间的动态特性较高，并且如果不利用外部帮助，那么额外的误差会扭曲导航解算，通常称为动态应力误差。

INS由与通过测量对惯性参考系中的系统施加的线加速度和角加速度，提供平台的位置、速度和姿态的一组算法结合的IMU(惯性测量单元)组成。INS广泛用在导航系统中，比如飞机中的导航系统中，因为它不受干扰影响，并提供一种可靠且独立的导航手段。INS需要定期校准和维护，该周期一般取决于传感器的质量和成本。在一些情况下，如果利用低成本的传感器，那么为了避免过度的漂移，需要每秒进行校准。

为了克服如上所述的那些各种INS和GNSS问题，一种广泛使用的技术是结合INS和GNSS，其中每种系统彼此互补。在现有的系统中，另一种技术是增大GNSS信号的积分时间，以致在积分期间，导航解算由INS提供。增大GNSS信号的积分时间是在GNSS信号跟踪中采用的允许检测较弱信号的一种常见技术，不过由于动态特性的缘故，会导致灵敏度降低，除非能够从例如INS获得外部帮助。长时间积分的另一种限制在于其持续时间局限于GNSS信号的导航数据时段。就Galileo导频音信号来说，由于没有导航数据被调制，因此这将不是问题，不过由于动态特性的缘故，仍然需要注意不要放松所要求的灵敏度。

通过使用从非耦合、松散耦合、紧密耦合到超紧密耦合的不同程度的结合，可以使用不同的技术来结合GNSS和INS。最近的使用GNSS和INS技术之间的超紧密耦合的努力依赖于用KF(Kalman滤波器)代替传统的跟踪结构。这种技术允许消除由DLL(延迟锁相环)和PLL(锁相环)内的滤波器强加的带宽限制。此外，它允许多卫星跟踪，因为由于现在导航和跟踪是一起进行的，一个信号帮助另一个信号，因此多卫星跟踪允许更鲁棒的卫星跟踪。在超紧密耦合方案中，组合的GNSS-INS系统提供必需的反馈以帮助代码和载波相位跟踪。对这些分量的跟踪在于在永久反馈和校正机构中，使输入信号的代码和载波相位与本地生成的信号的代码和载波相位对准，需要使用提供误差估计量的代码和载波鉴相器(phase discriminator)。

原则上，如果接收器时钟或惯性帮助质量(inertial aiding quality)不好，则DLL和PLL的带宽限制会影响导航解算的质量，在相关器输出COUT的实部分量和虚部分量(也称为I分量和Q分量)中导致额外的误差。一种现有技术是在紧密耦合的体系结构中，或者使用超紧密耦合的体系结构对KF中的时钟及刚刚提及的I和Q误差进行建模，如在国际公布号为WO 2005/124278A1的专利中例证的那样。在这种方法中，使用I和Q数据，滤波器带宽不再是系统设计参数，而是在KF的每个更新期，固有地由KF确定。不过，需要I和Q数据的一系列非线性变换和假设。在公开号为US2006/0161329A1，公开号为US7151486B2的美国专利中所述的现有系统中，I和Q数据被建模成具有指定振幅和白高斯噪声的简单余弦和正弦函数，和利用鉴相器的I和Q测量数据的变换，在采用上面提及的简化模型的情况下，利用鉴相器的I和Q测量数据的变换又与KF状态关联。这种模型和变换结果形成近似值，所述近似值会恶化导航解算，于是使得在苛刻的环境中，例如当信号强度较低时；当动态特性较高时；当帮助的质量或时钟退化时，更难以跟踪GNSS。在专利US7151486B2和US2006/0161329A1中，跟踪模块都把变换产生的残差提供给导航滤波器模块，于是，不在同一的滤波器中进行I数据和Q数据与惯性传感器之间的结合。

现有系统中的另一种限制在于对低强度GPS信号的跟踪常常导致虚假的信号锁定，恶化了导航解算。在紧密耦合体系结构中该问题较典型，因为很小的PLL和DLL带宽及多卫星跟踪允许在噪声更严重情况下的操作。在超紧密耦合体系结构中存在相同的问题。于是，在紧密和超紧密耦合体系结构中，需要特别关注以提供最佳的信号锁定检测。

在其它现有系统中，GNSS天线和惯性传感器与接收器相互物理分离，并且与接收器分离，于是，当安装时，比如安装在飞机中时，由于结构中的振动和其它微小移动，需要额外的处理工作以消除、平滑或估计这样的振动，这会影响紧密或超紧密耦合中的跟踪质量。

发明内容

在本说明中，GNSS-INS高度集成的接收器(Hi-Gi)接收器通过利用相关器输出I数据和Q数据与用户位置和速度之间的高保真关系，可以解决上述缺点，这样，在位置和速度精度，以及在困难的环境中，比如在低信号强度下、在高动态特性下、和在GNSS信号中断期间的可用性方面实现增强导航。此外，对于载波相位跟踪不使用任何鉴相器，以致I数据和Q数据连同惯性传感器数据一起是导航滤波器的直接可观测量，从而消除了额外的误差源，并实现了惯性传感器和GNSS传感器之间的高度集成。为了帮助实现增强导航，采用最佳的锁定检测器以及集成在同一壳体中的GNSS天线和惯性传感器。

附图说明

下面借助附图，详细说明本发明，其中图1描述本发明的优选实施例的体系结构。

具体实施方式

导航系统100包括混合传感器，这里，所述混合传感器被称为耦合天线(CAN)101。该传感器包含GNSS天线和惯性传感器IMU，一般为MEMS(微机电系统)，并提供GNSS射频(RF)数据和惯性(加速度和/或角速度)数据。该数据被馈送给接收器RF前端(RF-FE)102，还被馈送给Hi-Gi导航仪109。

RF-FE 102进行卫星传送的信号的采集和预处理。所述预处理包括(但不限于)下述功能：信号滤波、下变频到中频(IF)、模-数转换(ADC)(包括采样、量化和自动增益控制(AGC))，并且可选的是，下变频到基带(BB)。AGC使输入信号的振幅保持恒定，因为由于许多因素，其中包括卫星移动，输入信号的振幅随时间变化。

导航系统100还包括各种通道，每个通道被分配给不同的卫星和信号频率，以RF-FE 102数据作为输入。每个通道包含下述模块：代码采集104、相位旋转103、乘法器106、本地代码生成器105、积分和清除(I&D)电路107、锁定检测器108和导航数据解调器110。乘法器、本地代码生成器和I&D构成由I数据和Q数据组成的所谓的相关器输出(COUT)。当本地生成的代码和相位的副本正确地与输入信号对准时，I数据和Q数据将反映这种高相关性。对应于不同的代码延迟并导致不同的COUT信号，使用本地代码的几种副本，即，Very-Early(非常早)(VE)、Early(早)(E)、Prompt(即时)(P)、Late(晚)(L)和Very-Late(非常晚)(VL)。

此外，导航系统100还包含从CAN耦合天线101接收惯性传感器数据，以及I和Q输出数据，并输出导航解、惯性传感器校正、估计的代码延迟及估计的载波相位和频率的Hi-Gi导航仪109。导航仪109的估计的代码延迟以及载波相位和频率输出被分别传送给相位旋转103和本地代码生成器105。这种传送形成一种允许控制误差扩大的反馈机制。通过利用I和Q与KF状态之间的高保真关系，对于KF中的所有通道同时跟踪代码延迟与载波相位和频率。KF状态不包括代码延迟、载波相位或频率测量估计本身，也不包括它们的相应误差。相反，KF状态包括与实际的代码延迟以及载波相位和频率误差相关的位置、速度、姿态、钟差和漂移误差连同惯性传感器失配、漂移和偏差。就代码延迟跟踪来说，所述变换包括归一化与Early和LateI和Q测量结果的绝对值，不过就载波相位来说，不需要变换，KF直接使用I和Q数据。

Hi-Gi也允许受益于Galileo信号的更陡的自相关函数，有助于更稳定的KF，从而帮助在不利的条件下获得更好的性能。此外，高保真模型考虑归因于载波频率误差的相关性损耗的计算中的积分时间，载波频率误差对较长的积分时间尤其重要(比如Galileo导频信号允许的，并假定积分时段内的线性相位的那些积分时间)。另外，109的KF使用来自导航数据的卫星星历表来确定卫星的位置和速度。卫星的位置和速度又被用于确定代码延迟与载波相位和频率的估计，即109的输出。导航数据可由数据解调器110从COUT信号中提取(如果被跟踪的信号是数据信号的话)，或者可由外部来源提供。

在当前的说明中，并不存在传统的DLL和PLL结构，不过可并行实现它们，这种情况下，在接收器操作期间，一旦循环已收敛，并且在导频通道的情况下，进行了二次代码解调，在这种更传统的结构和Hi-Gi之间就会产生过渡。

在Hi-Gi导航仪109内，预处理器确定需要的其它校正，比如电离层和对流层校正。通常这些误差(尽管不小)随时间的变化较慢。需要整周模糊度固定功能(integer fix function)，因为在一些情况下，KF不能在瞬间正确地跟踪输入信号，导致不希望的模糊度，为了提供正确的导航解算，所述模糊度需要被固定。可用来自基准站的数据帮助这种固定。

锁定检测器108被用于确定在接收器处是否发生了GNSS信号的中断，这种情况下，把这样的事件通知给KF。在Hi-Gi接收器中，这种检测器最重要，因为它们防止KF使用会破坏导航解算的数据。一旦检测到这种事件，109的KF保持与本地代码生成器105之间的通信，以致当GNSS信号中断结束时，能够立即开始重新采集。

导航系统100还包含负责提取在输入的GNSS信号中调制的导航数据的数据解调器110模块。

采集模块104负责GNSS信号的代码采集，并把开始跟踪信号的第一估计提供给本地代码生成器105和相位旋转103。

对每个通道重复相位旋转103、乘法器106、I&D107、锁定检测器108和数据解调器110模块，每个通道又被分配给不同的GNSS卫星或信号。相位旋转103是利用NCO(数控振荡器)实现的，负责根据载波相位和频率估计来产生本地载波副本。随后，通过把信号乘以本地(Prompt)代码副本，及其稍微延迟的(Late、Very-Late)和提前的(Early、Very-Early)版本，信号被去扩展。随后使这些信号通过I&D组件107，之后在109的KF中被使用。I&D块的输出是所谓的相关器输出I和Q数据，是在由积分时段定义的频率下产生的。当存在GNSS信号中断时，估计的代码延迟仍由导航仪计算，并利用前面提及的反馈机制被提供给GNSS跟踪级，从而允许持续一定量的时间使内部代码副本保持被对准。当信号中断结束并且恢复跟踪时，这允许跳跃采集(skipping acquisition)。

在被归一化之前，相关器的输出的高保真模型用五个乘法因子分离载波与代码多普勒和失配的贡献，并且对于每个积分数n，被表示为：

S_n≈A_nD_nE_nR_nL_n+W_n，

其中

$A_n=\sqrt{{10}^{\frac{C/N_0}{10}}{T}_i},$

D_n＝±1，

$E_n=e^{j[\left({\mathrm{\φ}}_{i_n}{\mathrm{\ω}}_n{t}_n\right)-({\widehat{\mathrm{\φ}}}_n-{\widehat{\mathrm{\ω}}}_n{t}_n)]}\frac{e^{j({\mathrm{\ω}}_n-{\widehat{\mathrm{\ω}}}_n)t_n}-e^{j({\mathrm{\ω}}_n-{\widehat{\mathrm{\ω}}}_n)(t_n+T_i)}}{1-e^{j({\mathrm{\ω}}_n-{\widehat{\mathrm{\ω}}}_n)T_s}},$

$R_n=R(-{\mathrm{\τ}}_n+({\widehat{\mathrm{\τ}}}_n+{\mathrm{\τ}}_{\mathrm{corr}})),$

$L_n=1-2(1-\frac{1}{4K_{\mathrm{mod}}})\frac{1}{2}|1-\frac{{\mathrm{\χ}}_n}{{\widehat{\mathrm{\χ}}}_n}|(1+K_{\mathrm{mod}}\frac{T_i}{T_c}),$

其中：

n是积分数，定义积分时间范围[t_n，t_n+T_i[(其中t_n＝(n-1)T_i)；

T_i是积分时段[s]；

T_c是码片时间[s]；

T_s是预积分采样时段[s]；

C/N₀是载波-噪声比[dB-Hz]；

τ_n是在时间t_n的代码延迟[s]；

是估计的代码延迟[s]；

是开始第n次积分时的载波相位[rad]；

是载波相位估计[rad]；

ω_n是在第n次积分期间的平均多普勒漂移[rad/s]，并且 ${\mathrm{\ω}}_n={\mathrm{\ω}|}_{t=t_n}[\mathrm{rad}/s];$

是多普勒漂移估计[rad/s]，并且 ${\widehat{\mathrm{\ω}}}_n={\widehat{\mathrm{\ω}}|}_{t=t_n}[\mathrm{rad}/s];$

R(·)是对于指定延迟的GNSS信号的自相关函数；

对于Prompt相关器，τ_corr为零，对于Early和Late相关器， ${\mathrm{\τ}}_{\mathrm{corr}}=\stackrel{\‾}{+}d/2,$ d是Early-Late相关器间距[s](就Galileo BOC信号来说，使用两个额外的相关器，如前所述，并且它们的间距是这样的，以致当Prompt相关器位于主峰值时，VE和VL相关器位于第一次峰值，并且分别位于主峰值的每一侧)；

K_mod是依赖于调制的常数：对于BPSK调制，K_mod＝1/2，对于BOC(n，m)调制，K_mod＝n/m(它是一个码片中的子载波时段的数目)；

χ是由 $\mathrm{\χ}=\mathrm{\χ}\left(\mathrm{\ω}\right)=\frac{1}{1+\frac{\mathrm{\ω}}{{\mathrm{\ω}}_0}}$ 给出的时间扩展因子；

是由 $\widehat{\mathrm{\χ}}=\mathrm{\χ}\left(\widehat{\mathrm{\ω}}\right)=\frac{1}{1+\frac{\widehat{\mathrm{\ω}}}{{\mathrm{\ω}}_0}}$ 给出的假定的(或者估计的，如果在整个跟踪阶段内被更新的话)时间扩展因子；

ω₀是RF载波频率[Hz]；

W_n是具有零均值和方差N＝T_i/T_s的高斯随机变量的第n次实现(它是一个积分时段中的样本的数目)。

A_n因子说明相对于假定相关之前的单位噪声功率的指定C/N₀，相关器输出的最大幅度，D_n因子是数据符号，W_n是相关后的噪声。其它因子说明归因于载波相位和频率误差的相关损耗(E_n因子)，归因于代码延迟误差的相关损耗(R_n)和归因于代码多普勒的相关损耗(L_n)。

注意，该模型假定本地载波副本是按照下式生成的

${\widehat{\mathrm{\Φ}}}_n\left(t\right)={\widehat{\mathrm{\φ}}}_n+{\widehat{\mathrm{\ω}}}_n(t-t_n)$

并且输入信号的载波相位可由如下定义的逐段线性相位来逼近：

${\mathrm{\φ}}_n\left(t\right)={\mathrm{\φ}}_{i_n}+{\mathrm{\ω}}_n(t-t_n),$

其中

${\mathrm{\ω}}_n=\frac{{\mathrm{\φ}}_{i_{n+1}}-{\mathrm{\φ}}_{i_n}}{{\mathrm{NT}}_s}$

是第n次积分期间的平均多普勒频率。

项E_n可被重写成载波相位和频率误差的函数：

$E_n=e^{j\left[(\mathrm{\ψ}-\mathrm{\η}(n-1)T_i)\right]}\frac{e^{\mathrm{j\η}(n-1)T_i}-e^{\mathrm{j\η}{T}_i}}{1-e^{\mathrm{j\η}{T}_s}}$

相位误差是估计的相位和输入相位之间的差值：

$\mathrm{\ψ}={\mathrm{\φ}}_{i_n}-{\widehat{\mathrm{\φ}}}_n$

频率误差是估计的载波频率和输入的载波频率之间的差值：

已知相位和卫星-用户距离之间的关系(假定积分时段内恒定的多普勒，并且其中f₀是RF载波频率，N_a是载波相位中的未知模糊度，c是光速)：

其中估计的卫星-用户距离为：

$\widehat{\mathrm{\ρ}}=\sqrt{{(X-\hat{x})}^2+{(Y-\hat{y})}^2+{(Z-\hat{z})}^2}$

在本说明中，为了表示的简洁性起见，省略了接收器时钟误差、电离层误差、对流层误差和GNSS卫星时钟误差，不过由于能够从导航数据简单地获得它们，因此在实现时应考虑这些误差。

真实的卫星-用户距离被假定为：

$\mathrm{\ρ}=\sqrt{{(X-(\hat{x}+\mathrm{\Δx}))}^2+{(Y-(\hat{y}+\mathrm{\Δy}))}^2+{(Z-(\hat{z}+\mathrm{\Δz}))}^2}$

其中X、Y和Z是ECEF坐标系中的卫星位置，x、y和z是相同坐标系中的接收器位置。

已知频率和距离变化率之间的关系：

其中估计的卫星-用户距离变化率为：

真实的卫星-用户距离变化率被假定为：

现在能够把接收器频率误差和载波相位误差与接收器速度和位置联系起来。在Hi-Gi导航仪中，KF还将跟踪代码误差。代码误差被定义为估计的代码和输入代码之间的差值(单位为秒)：

$\mathrm{\ξ}=\mathrm{\τ}-\widehat{\mathrm{\τ}}$

已知代码和卫星-用户距离之间的关系：

$\mathrm{\ρ}-\widehat{\mathrm{\ρ}}=c(\mathrm{\τ}-\widehat{\mathrm{\τ}})$

KF使用与代码误差ζ关联的相关器输出Early和Late信号，代码误差ζ又与位置误差和Early-Late相关器间距关联：

$\left|R_{n_E}\right|-\left|R_{n_L}\right|=\left|R(-\mathrm{\ξ}+\frac{d}{2})\right|-\left|R(-\mathrm{\ξ}-\frac{d}{2})\right|$

对代码的跟踪来说，I和Q测量结果被变换，之后在KF中使用，以致能够与模型关联，而在用于跟踪相位时，它们被直接使用，不进行任何变换。I和Q测量结果对应于导航数据提取之后的归一化COUT的实部和虚部，即

的实部和虚部，其中S_n′是测得的COUT，以致109的每个通道输入对应于KF的三个不同测量结果：PromptI_P，Q_P，和差值|I_E+Q_E|-|I_L+Q_L|。

KF的测量公式是z_k＝H_kx_k+v_k，其中H_k是在每次滤波器迭代k评估的使用高保真模型的Jacobian矩阵，其中x_k是状态向量，v_k是白高斯噪声。状态向量包含位置、速度、姿态和时钟误差以及内部传感器误差，比如失配、偏差和比例因子。

KF利用用于进行线性化的位置和速度的内部估计，产生I_P、Q_P和|I_E+Q_E|-|I_L+Q_L|的内部预测。随后确定H的偏导数，以致例如按下面的偏导数分解，并使用相关器模型，另外假定归一化消除了幅度分量，只保留项E_n，对载波相位和频率误差来说，沿x方向，H的不同元素可被写成：

$\frac{\∂E}{\∂\mathrm{\Δx}}=\frac{\∂E}{\∂\mathrm{\ψ}}\frac{\∂\mathrm{\ψ}}{\∂\mathrm{\Δx}}$

$\frac{\∂E}{\∂\mathrm{\Δ}\stackrel{\·}{x}}=\frac{\∂E}{\∂\mathrm{\η}}\frac{\∂\mathrm{\η}}{\∂\mathrm{\Δ}\stackrel{\·}{x}}$

对代码来说，沿x方向可被写成：

$\frac{\∂\left(\right|R_E|-|R_L\left|\right)}{\∂\mathrm{\Δx}}=\frac{\∂\left(\right|R_E|-|R_L\left|\right)}{\∂\mathrm{\ξ}}\frac{\∂\mathrm{\ξ}}{\∂\mathrm{\Δx}}$

上面提及的代码和相位误差的导数是利用下面给出的表达式获得的。载波相位、频率和代码的内部估计被用于控制KF的误差扩大，如下所述。首先，利用位置和速度的最佳可用估计，在每次滤波器迭代时预测载波相位、频率和代码的内部估计，于是，在反馈跟踪过程中所需的代码、相位和频率的估计的确定中，利用时期k-1的位置和速度，对每次迭代k给出卫星-用户距离和距离变化率：

${\widehat{\mathrm{\ρ}}}_k=\sqrt{{(X_k-{\hat{x}}_{k-1})}^2+{(Y_k-{\hat{y}}_{k-1})}^2+{(Z_k-{\hat{z}}_{k-1})}^2}$

对代码、载波和频率误差的确定来说，使用下述表达式：

$\mathrm{\τ}-\widehat{\mathrm{\τ}}=\frac{1}{c}[\sqrt{{(X_k-({\hat{x}}_{k-1}+\mathrm{\Δ}{x}_{k-1}))}^2+{(Y_k-({\hat{y}}_{k-1}+\mathrm{\Δ}{y}_{k-1}))}^2+{(Z_k-({\hat{z}}_{k-1}+\mathrm{\Δ}{z}_{k-1}))}^2}-{\widehat{\mathrm{\ρ}}}_k]$

通过把内部估计用于跟踪载波相位和频率，KF将使下述量值达到最小：

$\mathrm{Re}\left\{\frac{{S^{\′}}_n}{\left|{S^{\′}}_n\right|}\right\}-\mathrm{Re}\left\{\frac{{\hat{E}}_n}{\left|{\hat{E}}_n\right|}\right\}$

$\mathrm{Im}\left\{\frac{{S^{\′}}_n}{\left|{S^{\′}}_n\right|}\right\}-\mathrm{Im}\left\{\frac{{\hat{E}}_n}{\left|{\hat{E}}_n\right|}\right\}$

并且对代码来说：

$\left(\right|\frac{{S^{\′}}_{n_E}}{\left|{S^{\′}}_{n_p}\right|}|-|\frac{{S^{\′}}_{n_L}}{{|S^{\′}}_{n_p}|}\left|\right)-\left(\right|{\hat{R}}_{n_E}|-|{\hat{R}}_{n_L}\left|\right)$

其中

${\hat{E}}_n=e^{j\left[(\widehat{\mathrm{\ψ}}-\widehat{\mathrm{\η}}(n-1)T_i)\right]}\frac{e^{j\widehat{\mathrm{\η}}(n-1)T_i}-e^{j\widehat{\mathrm{\η}}n{T}_i}}{1-e^{j\widehat{\mathrm{\η}}{T}_s}}$

${\hat{R}}_{n_E}=R(\widehat{\mathrm{\ξ}}+d)$

${\hat{R}}_{n_L}=R(\widehat{\mathrm{\ξ}}-d)$

$\widehat{\mathrm{\ψ}}={\mathrm{\φ}}_k-{\widehat{\mathrm{\φ}}}_k$

相位和频率估计都被NCO用于产生本地载波副本：在每个积分时段内，其相位随时间线性变化，其初始值是实际的相位估计，变化率是频率估计。

此外，对载波相位来说，不必考虑L_n的影响，因为它只影响幅度，另外不用在代码中，因为Early和Late样本是同时获得的。另外，这里提供的描述足以通用于不同的GNSS信号，比如GPS L1或L2，或者Galileo L1或E5。

至于KF的其余实现，过程模型和状态转变模型由下式给出：

$\stackrel{\·}{x}=f(x,\mathrm{\ϵ})$

更具体地说，用于求解位置(x^e)、速度(v^e)和姿态角(以Euler矩阵R_b ^e的形式)的ECEF参考系中的导航常微分方程(ODE)的基本形式为：

${\stackrel{\·}{X}}^e=V^e$

${\stackrel{\·}{v}}^e=R_b^e\left(R_{\mathrm{wa}}^b(1+S_a)(f^b+{\mathrm{\ω}}_f-b_a)\right)-2{\mathrm{\Ω}}_{\mathrm{ie}}^e{v}^e+g^e\left(X^e\right)$

${\stackrel{\·}{R}}_b^e=R_b^e({\mathrm{\Ω}}_{\mathrm{ei}}^b+{\mathrm{\Ω}}^e\left(R_{\mathrm{wo}}^b(1+S_o)({\mathrm{\ω}}_{\mathrm{ib}}^b+{\mathrm{\ω}}_w-b_o)\right))$

${\stackrel{\·}{b}}_o=-{\mathrm{\β}}_b{b}_o+w_{b_o}$

${\stackrel{\·}{b}}_a=-{\mathrm{\α}}_b{b}_a+w_{b_a}$

${\stackrel{\·}{s}}_o=-{\mathrm{\β}}_{.s}{s}_o+w_{s_o}$

${\stackrel{\·}{s}}_a=-{\mathrm{\α}}_s{s}_a+w_{s_a}$

${\stackrel{\·}{m}}_o=-{\mathrm{\β}}_m{m}_o+w_{m_o}$

${\stackrel{\·}{m}}_a=-{\mathrm{\α}}_m{m}_a+w_{m_a}$

其中用地球自转(Ω_ci ^b)、Coriolis效应(-2Ω_ic ^ev^e)和重力(g^e(x^e))效应项来补偿加速度计和陀螺仪观测结果(分别为f^b和Ω_ib ^b)。

等式中使用的单位取决于为处理选择的参考系和坐标系。不过，假定使用Cartesian坐标系的ECEF参考系，对位置和速度，以及角度的标准角度单位来说，使用的单位如下所示：位置：米(m)，速度：米/秒(m/s)，姿态角：弧度(rad)。应考虑到角度可被处理成Euler矩阵的四元数或元素(无单位参数)。与比力相关的所有参数(加速度计观测结果，重力和Coriolis效应)用米/平方秒(m/s²)表示，与转动相关的参数(陀螺仪观测结果和地球自转)用弧度/秒(rad/s)表示。这种情况下，角度变化参数也被处理成Euler矩阵的四元数或元素。

IMU校准参数是：

w_ω是陀螺仪观测结果白噪声(通常设成频谱密度，单位[deg/sqrt(hr)]或者[rad/sqrt(Hz)]；

w_f是加速度计观测结果白噪声(通常设成频谱密度，单位[micro-g/sqrt(Hz)]；

S_o是陀螺仪比例因子矩阵(通常设成无单位参数，或者单位为百万分率(ppm))；

S_a是加速度计比例因子矩阵(通常设成无单位参数，或者单位为ppm)；

R_ωo ^b是陀螺仪失配矩阵[rad]或[micro-radians]；

R_ωa ^b是加速度计失配矩阵[rad]或[micro-radians]；

b_o是陀螺仪偏差向量[deg/hr]或[rad/sec]，

是偏差白噪声[deg/hr]或[rad/sec]，βb是自校准参数SDE的系数[一阶Gauss-Markov(GM)的相关时间(单位为秒或小时)的倒数]；

b_a是加速度计偏差向量[micro-g]或[m/s²]，

是偏差白噪声[micro-g]或[m/s²]，α_b是自校准参数SDE的系数[一阶GM的相关时间(单位为秒或小时)的倒数]；

s_o是陀螺仪比例因子向量(无单位或单位为ppm)，是偏差白噪声(无单位或单位为ppm)，β_s是自校准参数SDE的系数[一阶GM的相关时间(单位为秒或小时)的倒数]；

s_a是加速度计比例因子向量，

是偏差白噪声，α_s是自校准参数SDE的系数(单位与s_o的相同)；

m_o是陀螺仪失配向量[rad]或[micro-rad]，

是偏差白噪声[rad]或[micro-rad]，β_m是自校准参数SDE的系数[一阶GM的相关时间(单位为秒或小时)的倒数]；

m_a是加速度计失配向量，

是偏差白噪声，α_m是自校准参数SDE的系数(单位与m_o的相同)。

已假定校准参数遵守一阶GM随机模型，并且钟差率是常数(只在滤波中估计)。

另一方面，预测的误差是通过转移矩阵计算的：

Φ＝exp(ΔtF)

该转移矩阵假定对于较小的时间间隔(Δt)，F是常数矩阵。

通过用于求解上面所示的微分方程的数值方法和预测的协方差计算的预测状态向量是通过转移矩阵与之前已知的协方差矩阵的乘法和过程噪声矩阵(Q_k-1)来计算的：

P_k ^-＝Φ_kP_k-1+Φ_k ^T+Q_k-1

一旦(通过求解导航方程)进行了预测，并且提供了观测结果更新，KF增益就为：

K_k＝P_k ^-H_k ^T[H_kP_k ^-H_k ^T+R_k]^-1

并且校正的估计状态变量和协方差矩阵为：

X_k ⁺＝X_k ^-+K_k[Z_k-H_kh_k(X_k ^-)]^-1

P_k ⁺＝P_k ^--K_kH_kP_k ^-

R是测量结果噪声矩阵，Q是对于本发明的可能实现来说，需要被调整或校准的过程噪声矩阵。高保真模型被用在为产生Jacobian矩阵(扩展的Kalman滤波器)而同样需要的测量预测中。Galileo信号的使用不同地影响Jacobian，有助于提高滤波器稳定性。此外，对载波误差进行跟踪，从而只要它被保存在GNSS信号波长之内，KF就将能够正常工作。对代码的跟踪有助于更鲁棒的跟踪，在例如由于噪声过大，而失去相位载波跟踪的情况下，仍然能够好像KF对这种可能性有所准备似地保持代码跟踪。

在本说明中，滤波器的等效噪声带宽现在固有地并且最佳地由KF调整，而不是由PLL和DLL滤波器调整，从而取决于KF实现，也取决于其中采用的测量模型。

由于最佳的锁定检测器对使信号失锁和锁定报警的丢失之间的时间缩短至最短来说非常重要，于是，为了缩短再采集时间并提高导航的可用性，需要不同类型的锁定检测器，以允许在输入信号强度低于通常的信号强度的情况下工作，仅仅在高度集成的接收器中才可能。为此，锁定检测器使用本发明的VE-VL部分。

VE-VL锁定检测器比较Prompt相关器输出与VE-VL相关器输出，以确定信号是否存在。这种方法的主要优点在于在实现了收敛之后，比较信号功率与只有噪声的基准功率。从而，与其它经典技术相比，能够更精确地估计基准本底噪声(reference noise floor)。令Ii和Qi是对应的相关器输出的实部和虚部。通过M个样本计算的k个测量结果的宽带功率WBP(k)由下式给出：

${\mathrm{WBP}}_k={\left(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}(I_i^2+Q_i^2)\right)}_k$

决策准则基于比较Prompt输出的WBP值与乘以常数(KTH)的VE-VL输出的WBP值。

解调器110负责检测和解调导航数据比特，以及归因于比特转移的信号变化的去除，从而这些信号变化不会影响Hi-Gi导航仪操作。

Hi-Gi导航仪还包括整周模糊度固定和预处理组件。通过使用校正用导航数据，预处理对诸如电离层之类的用户信号传播应用计及归因于卫星的误差的校正。导航数据由GNSS卫星传送，于是可由终端内部获得，或者可由与接收器通信的某一系统外部提供。在GPSDGPS的情况下和在Galileo的情况下，该数据可以是提供微分校正的本地元素，或者其它种类的帮助数据。另外，预处理模块还可借助载波相位进行代码的平滑。由于在一些情况下，KF不能跟踪输入信号，于是载波相位的测量会被需要利用公知的方法固定的未知误差损害，因此需要整周模糊度固定功能。

在本说明中，在GNSS I和Q数据是在惯性传感器所处的同一滤波器中被处理的意义上，INS和GNSS数据被高度集成，从而能够增强导航性能。INS是在KF内实现的，在KF，进行惯性原始数据的数值积分，并数值求解集成在惯性导航方程内的微分方程。这要求包含惯性传感器的模型，惯性传感器的模型包括也是KF的输出的参数，比如漂移、偏差和失配。一旦状态向量被更新，通过累积滤波器的连续时期的输出，能够确定被用于反馈给代码和载波跟踪的相对用户-卫星动态特性。为了确定卫星位置和速度，Hi-Gi需要导航数据。当锁定检测器用信号通知失锁时，即使没有GNSS数据，仅仅依赖于惯性传感器，仍然能够计算反馈信号，从而仍然有助于代码跟踪。

前面提供的详细说明可用计算机软件程序实现，所述计算机软件程序随后可被保存在任何计算机设备上，并在所述计算机设备上运行，所述计算机设备能够在GNS跟踪阶段的所需高速率，比如250Hz下工作。

本发明由许可的权利要求限定，于是，前面提供的说明应被看作对可应用于不同的可能实施例的本质的举例说明。

Claims (13)

1.一种用于增强低信号强度、高动态特性或其它GNSS或INS苛刻环境中的导航的高度集成的GPS、Galileo和惯性导航系统，包括：

提供来自GNSS天线的数据和来自惯性测量单元IMU的数据的耦合天线(101)，其中来自GNSS天线的数据被提供给射频前端RF-FE，来自惯性测量单元的数据被提供给导航仪，其中GNSS天线能够从GPS和Galileo卫星接收数据，并与IMU集成在同一外壳中；

进行卫星传送的信号的采集和预处理的RF-FE(102)，之后，所述信号被传给相位旋转模块(103)；

具有通过提供初始载波相位和代码，允许开始跟踪GPS和Galileo信号的代码采集算法的模块(104)；

具有允许跟踪输入信号的载波相位和频率的相位旋转功能的模块(103)；

允许生成本地代码副本，从而允许跟踪输入信号代码相位的本地代码生成器(105)，输入信号代码相位受不同的固定延迟影响，从而生成Very-Early、Early、Prompt、Late和Very-Late副本；

生成将允许使本地代码与输入代码相互关联的信号的乘法器(106)；

一组允许实现相互关联的积分清除模块(107)；

利用不同的本地代码副本提供导航数据比特，并进行这种数据的去除的数据解调器(110)；

检测GNSS信号中断，并把GNSS信号中断事件通知给导航仪(109)的锁定检测器(108)；

当能够获得包括I和Q信号的GNSS数据时，利用所述GNSS数据和惯性传感器数据来提供必需的校正，以跟踪输入的GNSS信号，或者在GNSS信号中断期间，保持对准的内部本地代码副本，确定导航解，并且通过利用使代码、相位和频率误差联系起来的精确相关器模型，无缝地组合在单个滤波器中，允许高度集成的导航系统在苛刻环境下工作的导航仪(109)；

如果外部系统可用的话，从外部系统接收导航数据的接口；

如果导航基准站可用的话，从导航基准站接收数据的接口。

2.按照权利要求1所述的系统，其中所述导航解至少包括下述之一：位置、速度和姿态。

3.按照权利要求1所述的系统，其中积分清除输出包括GNSS的Very-Early、Early、Prompt、Late和Very-Late的I和Q数据。

4.按照权利要求3所述的系统，其中积分清除输出包括GPS或Galileo的Very-Early、Early、Prompt、Late和Very-Late的I和Q数据。

5.按照权利要求1所述的系统，其中导航数据至少包括下述之一：卫星星历表；GNSS信号传播的校正；时钟校正；导航数据有效性信息。

6.按照权利要求1所述的系统，还包括不同的通道，每个通道被分配给不同的卫星和频率，以RF-FE(102)数据作为输入，其中每个通道包括下述模块：代码采集模块(104)、相位旋转模块(102)、乘法器(106)、本地代码生成器(105)、积分清除模块(107)、锁定检测器(108)和数据解调器(110)。

7.按照权利要求1所述的导航系统，其中导航仪(109)还包括：

对导航数据进行校正的预处理模块，其中所述校正包括相位校正、电离层校正、对流层校正和卫星时钟校正，所述预处理模块还包括对代码进行平滑的模块；

允许在载波相位的跟踪中求解可能的整周模糊度的专用整周固定算法；

利用超紧密耦合来组合IMU和GNSS数据，以确定用于GNSS信号的跟踪的导航解，以及载波相位和频率及代码和估计的Kalman滤波器。

8.按照权利要求7所述的系统，其中所述Kalman滤波器包括：

使I和Q数据原始测量结果与代码、相位和频率误差相联系，并与位置和速度误差相联系，并且考虑积分清除的积分时间的精确相关器模型，所述精确相关器模型不需要鉴相器，并与一组导航算法无缝结合，使用代码鉴别器和惯性传感器数据，并且利用所述精确相关器模型的输出I数据和Q数据与用户位置和速度之间的高保真关系，从而提供高度集成的导航解；

利用归一化的Early和Late I和Q测量结果，确定估计的代码和输入代码之间的误差的代码鉴别器；

包含误差的状态向量；

根据卫星星历表数据和导航解，利用导航数据确定卫星-用户距离和速度，并把结果传送给GNSS跟踪级的功能。

9.按照权利要求8所述的系统，其中所述误差包括位置误差、速度误差、时钟误差、姿态误差和惯性传感器误差中的至少一个。

10.按照权利要求8所述的系统，其中所述KF导航算法包括：

同时鲁棒地跟踪代码、载波相位和频率的误差，以便即使在不跟踪相位的情况下，也允许仅仅跟踪代码的功能；

预测用于预测在Kalman滤波器内使用的I和Q数据的输入载波相位、频率和代码误差的功能。

11.按照权利要求8所述的系统，其中所述精确相关器模型包含：

通过不但考虑载波相位和频率以及代码误差的影响，而且考虑积分时间的影响，以允许增大包括Galileo导频信号的GNSS信号的积分时间的相关器的输出的精确模型；

Kalman滤波器使用的、允许把相关器输出模型与代码及载波相位和频率的误差联系起来的技术。

12.按照权利要求1所述的系统，其中所述锁定检测器包括：

比较Prompt与其余相关器的输出，以确定信号是否存在的比较器，其中将信号功率与只有噪声的基准功率相比较。

13.按照权利要求1所述的系统，其中所述耦合天线包括：

包含GNSS天线和IMU传感器，以尽可能地减小可能影响在超紧密耦合中对代码相位与载波相位和频率的跟踪的任何差异的单个外壳。

Images