CN103744100A - 一种基于卫星导航与惯性导航的组合导航方法 - Google Patents

Abstract

本发明公开了一种基于卫星导航与惯性导航的组合导航方法，该方法能在卫星信号信噪比较低和噪声变化较大的情况下保持较高的导航精度，其特征主要有两点：首先是采用基于模糊推理系统的带宽自适应的卫星信号接收机，其次是基于模糊推理系统的量测噪声模型自适应的组合导航算法。在原有组合导航系统结构基础上加入以上功能后，本发明组合导航方法在卫星信号信噪比较低和噪声变化较大的情况下保持较高的导航精度，抗噪声干扰能力明显增强。

Description

一种基于卫星导航与惯性导航的组合导航方法

技术领域

本发明涉及组合导航技术领域，特别是涉及一种基于卫星导航与惯性导航的组合导航方法。

背景技术

近年来卫星导航与惯性导航的组合导航技术迅速发展，日臻成熟。特别是最近几年，随着惯性器件技术的快速进步，低成本、高可靠性、高精度的惯性器件更加普遍，利用惯性器件或惯性导航系统（INS）辅助卫星导航逐渐成为组合导航研究领域里的趋势和热点。利用惯性导航（惯导）信息辅助卫星导航接收机捕获卫星、跟踪信号可以大幅增加接收机对动态的响应能力，同时还可降低跟踪回路带宽，增强组合导航系统抗干扰能力。

然而当卫星导航信号受到人为干扰，信噪比变得很低（如25dB-Hz甚至更低），或者信号噪声变化较大，则传统的卫星和惯性组合导航系统的性能会明显降低，导航精度大幅下降。

国内外相关学者对此提出了一些解决方案。在《Journal of Navigation》期刊上发表的文章《Combating GNSS Interference with Advanced InertialIntegration》提出根据信噪比C/N0实时调整卫星信号接收机的延迟锁定回路（DLL）带宽，但其调整依据完全是结合实验结果的人为推测，理论依据不强，且只考虑了DLL的带宽调整，未考虑载波相位锁定环（即锁相环，PLL）的带宽，对高精度导航而言以上方案尚不全面。国内方面，在《宇航学报》上发表的文章《基于模糊自适应卡尔曼滤波的INS/GPS组合导航系统算法研究》提出当GPS信号噪声变化时，应当修正卡尔曼滤波组合导航算法中的量测噪声模型，使得组合算法的估计值最优。然而此方案中不仅没有引入惯导信息对卫星接收机进行辅助，也没有对接收机进行任何改进。

发明内容

为了克服上述现有技术的不足，增强卫星与惯性组合导航系统的抗噪声能力，本发明提出了一种新的基于卫星导航与惯性导航的组合导航方法方案。

本发明所采用的技术方案是：一种基于卫星导航与惯性导航的组合导航方法，能在卫星信号信噪比较低和噪声变化较大的情况下保持较高的导航精度，该方法的步骤如下：

首先，在在卫星信号接收机跟踪回路方面，采用基于模糊推理系统的带宽自适应的载波相位跟踪回路，当卫星信号信噪比降低时缩小载波相位跟踪回路带宽，提高接收机的抗噪声干扰能力；

其次，在组合导航算法方面，采用基于模糊推理系统的量测噪声模型自适应的卡尔曼滤波组合导航算法，准确描述量测噪声变化，实时调整量测噪声方差阵，提高组合导航算法抗噪声干扰能力。

其中，所述的采用基于模糊推理系统的带宽自适应的载波相位跟踪回路，具体步骤如下：

首先根据经下变频和数模转换后的GPS数字信号计算信噪比C/N0，公式如下：

$C/N_0=10{\log }_{10}(\frac{\sqrt{{\left(\stackrel{\‾}{z}\right)}^2-{\mathrm{\δ}}_{z_c}^2}}{\stackrel{\‾}{z}-\sqrt{{\left(\stackrel{\‾}{z}\right)}^2-{\mathrm{\δ}}_z^2}}\·\frac{1}{T_{\mathrm{Int}}})---\left(1\right)$

其中：

$\stackrel{\‾}{z}={\left({\mathrm{AM}}_E\right)}^2/2+2{\mathrm{\δ}}_{\mathrm{iq}}^2---\left(2\right)$

${\mathrm{\δ}}_z^2=2{\left({\mathrm{AM}}_E\right)}^2{\mathrm{\δ}}_{\mathrm{iq}}^2+4{\mathrm{\δ}}_{\mathrm{iq}}^4---\left(3\right)$

上两式中A是GPS信号幅度，M_E是积分计数值，δ_iq为信号噪声标准差，T_Int为积分时间。

其次建立模糊控制系统，以C/N0为输入，以GPS跟踪回路带宽为输出，采用如下模糊推理规则：

（1）如果信噪比低，则锁相环带宽窄；

（2）如果信噪比适中，则锁相环带宽适中；

（3）如果信噪比高，则锁相环带宽宽；

将模糊控制系统当前输出作为下一次载波相位跟踪回路带宽值，实现载波回路带宽的自适应调整，提高GPS导航系统噪声抗干扰能力。

其中，所述的采用基于模糊推理系统的量测噪声模型自适应的卡尔曼滤波组合导航算法，具体步骤如下：

首先计算尔曼滤波器的新息，如式（4）：

$e_k=z_k-H_k{x}_k^{-}---\left(4\right)$

其中，z_k为实际量测量，H_k为量测矩阵，

为系统状态的一次估计。

其次计算新息理论方差，可以由式（5）计算：

$C_{e_k}=H_k(F_{k/k-1}{P}_{k-1}{F}_{k/k-1}^T+Q_{k-1})H_k^T+R_{k-1}---\left(5\right)$

其中F_k/k-1为系统状态转移矩阵，P_k-1为估计状态方差阵，Q_k-1为系统噪声阵，R_k-1为量测噪声阵。

第三步，计算新息的实际方差，其可由最近N个新息向量计算得到，用式（6）表示：

$T_{e_k}=\frac{1}{N}\underset{i=i_0}{\overset{k}{\mathrm{\Σ}}}{e}_i\·e_i^T---\left(6\right)$

第四步，计算新息实际方差与理论方差的比值。由于

和

都被设置为对角阵，因此比值也为对角阵：

$\mathrm{Ra}=C_{e_k}/T_{e_k}---\left(7\right)$

第五步，设计模糊推理系统，以新息实际方差与理论方差的比值作为模糊推理系统的输入，以量测噪声模型的修正系数作为模糊推理系统的输出，模糊推理规则有以下三条：

（1）如果新息实际方差与理论方差的比值变低，则量测噪声模型的修正系数变小；

（2）如果新息实际方差与理论方差的比值不变（为1），则量测噪声模型的修正系数不变（为1）；

（3）如果新息实际方差与理论方差的比值变高，则量测噪声模型的修正系数变大；

基于模糊推理系统的自适应卡尔曼滤波算法可以保证组合导航系统在量测噪声变化较大的情况下量测噪声模型仍是准确的，系统状态估计值仍是最优的。

与现有技术相比，本发明的有益效果是：

（1）、不仅对卫星信号接收机带宽进行实时调整，同时对组合导航算法中的量测噪声模型也进行自适应修正，使得组合导航系统在子系统层面以及组合算法层面的抗噪声干扰能力都得到增强。

（2）、明显提升了组合导航系统抗噪声干扰能力，在卫星信号信噪比较低以及噪声变化较大的情况下组合导航系统的精度明显提升。

（3）、由于卡尔曼滤波器自适应调整量测噪声模型，对量测噪声的先验知识没有要求，在各种量测噪声条件下都能得到最优估计，提高了组合导航系统的鲁棒性和可靠性。

附图说明

图1为接收机噪比与带宽关系；

图2为传统方法与新型方法噪声模型对比结果；

图3为传统方法与新型方法导航精度对比结果；

图4为实现本发明的系统结构框图。

具体实施方式

下面结合附图以及具体实施例对本发明进一步说明。

首先，对卫星信号接收机带宽自适应调整，是通过以卫星信号的信噪比（即C/N0）为输入的模糊推理系统实现的。若信噪比降低，说明噪声变大，卫星接收机的锁相环带宽应降低以获得更好的滤波效果，即更强的抗噪声干扰能力；若信噪比升高，说明噪声变小，为获得更好的动态性能，卫星接收机的锁相环带宽应相应提高。由于信噪比和带宽之间没有明确的数学关系，且不同噪声、不同动态条件下锁相环带宽没有唯一最优值，因此从简化调整原则、提高鲁棒性角度出发，适于采用模糊推理系统对接收机锁相环带宽进行调整。模糊推理系统以C/N0（dB-Hz）为输入，以带宽（Hz）为输出，推理规则有以下三条：

（1）如果信噪比低，则锁相环带宽窄；

（2）如果信噪比适中，则锁相环带宽适中；

（3）如果信噪比高，则锁相环带宽宽；

模糊推理系统的输入C/N0是根据接收机“积分-清零”过程产生的跟踪结果（同相信号和正交信号），采用“方差求和算法（VSM）”计算得到的。模糊推理系统的输出直接作为接收机跟踪回路的带宽。

在接收机带宽自适应调整的基础上，本发明还采用了自适应卡尔曼滤波技术对组合导航系统的量测噪声模型进行实时调整，此方法也是通过模糊推理系统实现的。量测噪声模型调整的基本原则是使得卡尔曼滤波器的理论新息方差与实际新息方差一致。其中，新息是指卡尔曼滤波器中预测量测量和实际量测量的区别，如式（1）：

$e_k=z_k-H_k{x}_k^{-}---\left(1\right)$

其中，z_k为实际量测量，H_k为量测矩阵，

为系统状态的一次估计。

新息表明卡尔曼滤波算法状态：如果系统状态建模和量测矩阵正确，并且系统噪声和量测噪声模型准确，卡尔曼滤波正常，则新息应该是零均值的白噪声，其理论方差可以由式（2）计算：

$C_{e_k}=H_k(F_{k/k-1}{P}_{k-1}{F}_{k/k-1}^T+Q_{k-1})H_k^T+R_{k-1}---\left(2\right)$

其中F_k/k-1为系统状态转移矩阵，P_k-1为估计状态方差阵，Q_k-1为系统噪声阵，R_k-1为量测噪声阵。

新息的实际方差可由最近N个新息向量计算得到，可用式（3）表示：

$T_{e_k}=\frac{1}{N}\underset{i=i_0}{\overset{k}{\mathrm{\Σ}}}{e}_i\·e_i^T---\left(6\right)$

如果卡尔曼滤波器工作正常，那么新息和实际方差和理论方差应该是一致的。若理论方差与实际方差发生偏差，则说明理论方差计算有误，其原因可能是系统模型错误或噪声模型不准确。

一般而言，F_k/k-1、P_k-1和Q_k-1都容易获得或测量的且准确度较高，而量测噪声阵R_k-1则是随量测噪声变化而变化的，在不同情况下可能变化较剧烈。对卫星和惯性组合导航系统来说，量测量可以是所有可见卫星的伪距和伪距率，其中伪距率由锁相环获得，若卫星信号噪声变化较大，伪距率噪声也会发生变化，此时就要修正量测噪声阵R_k-1。

伪距率噪声发生变化时，新息的实际方差会相应变化，这样就可以根据理论方差与实际方差的区别修正量测噪声模型R_k-1，从而实现自适应卡尔曼滤波算法，即实时在线修正量测噪声模型。

本发明采用基于模糊推理系统的自适应控制器，以新息实际方差与理论方差的比值作为模糊推理系统的输入，以量测噪声模型的修正系数作为模糊推理系统的输出，模糊推理规则有以下三条：

（1）如果新息实际方差与理论方差的比值变低，则量测噪声模型的修正系数变小；

（2）如果新息实际方差与理论方差的比值不变（为1），则量测噪声模型的修正系数不变（为1）；

（3）如果新息实际方差与理论方差的比值变高，则量测噪声模型的修正系数变大；

基于模糊推理系统的自适应卡尔曼滤波算法可以保证组合导航系统在量测噪声变化较大的情况下量测噪声模型仍是准确的，系统状态估计值仍是最优的。

图1为接收机噪比与带宽关系。为验证方案有效性，在第20秒时人为加入噪声，使得信噪比从45dB-Hz变为25dB-Hz，第30s时又缓慢回升，直至45dB-Hz。从图1可以看出，信噪比降低时锁相环带宽迅速减小，从而增强了接收机噪声抗干扰能力。

图2为传统系统与新型系统噪声模型对比结果。上图为量测噪声标准差对比，下图为理论新息方差与实际新息方差比值的对比结果。从图2可以看出，本发明提出的系统方案可以对量测噪声模型进行在线调整，使得理论新息方差与实际新息方差比值一直为1（即0dB），而传统系统则无法调整量测噪声模型，在噪声发生变化时新息方差与实际新息方差比值变化可达20dB。

图3为传统系统与新型系统导航精度对比结果。从图中可以明显看出，在卫星信号信噪比较低和噪声变化明显时（20s-35s），新型导航系统导航精度明显优于传统组合导航系统。

本发明的益处是：模糊自适应锁相环带宽与模糊自适应卡尔曼滤波算法相结合，使得组合导航系统抗噪声能力明显增强，在卫星信号信噪比较低和噪声变化较大的情况下仍能保持较高精度的导航输出，对比结果图可见说明书附图

本发明未详细公开的部分属于本领域的公知技术。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于卫星导航与惯性导航的组合导航方法，能在卫星信号信噪比较低和噪声变化较大的情况下保持较高的导航精度，其特征在于：该方法的步骤如下：

首先，在卫星信号接收机跟踪回路方面，采用基于模糊推理系统的带宽自适应的载波相位跟踪回路，当卫星信号信噪比降低时缩小载波相位跟踪回路带宽，提高接收机的抗噪声干扰能力；

其次，在组合导航算法方面，采用基于模糊推理系统的量测噪声模型自适应的卡尔曼滤波组合导航算法，准确描述量测噪声变化，实时调整量测噪声方差阵，提高组合导航算法抗噪声干扰能力。

2.根据权利要求1所述的基于卫星导航与惯性导航组合导航系统方法，其特征在于：所述的采用基于模糊推理系统的带宽自适应的载波相位跟踪回路，具体步骤如下：

首先根据经下变频和数模转换后的GPS数字信号计算信噪比C/N0，公式如下：

$C/N_0=10{\log }_{10}(\frac{\sqrt{{\left(\stackrel{\‾}{z}\right)}^2-{\mathrm{\δ}}_{z_c}^2}}{\stackrel{\‾}{z}-\sqrt{{\left(\stackrel{\‾}{z}\right)}^2-{\mathrm{\δ}}_z^2}}\·\frac{1}{T_{\mathrm{Int}}})---\left(1\right)$

其中：

$\stackrel{\‾}{z}={\left({\mathrm{AM}}_E\right)}^2/2+2{\mathrm{\δ}}_{\mathrm{iq}}^2---\left(2\right)$

${\mathrm{\δ}}_z^2=2{\left({\mathrm{AM}}_E\right)}^2{\mathrm{\δ}}_{\mathrm{iq}}^2+4{\mathrm{\δ}}_{\mathrm{iq}}^4---\left(3\right)$

上两式中A是GPS信号幅度，M_E是积分计数值，δ_iq为信号噪声标准差，T_Int为积分时间；

其次建立模糊控制系统，以C/N0为输入，以GPS跟踪回路带宽为输出，采用如下模糊推理规则：

（1）如果信噪比低，则锁相环带宽窄；

（2）如果信噪比适中，则锁相环带宽适中；

（3）如果信噪比高，则锁相环带宽宽；

将模糊控制系统当前输出作为下一次载波相位跟踪回路带宽值，实现载波回路带宽的自适应调整，提高GPS导航系统噪声抗干扰能力。

3.根据权利要求1所述的基于卫星导航与惯性导航组合导航系统方法，其特征在于：所述的采用基于模糊推理系统的量测噪声模型自适应的卡尔曼滤波组合导航算法，具体步骤如下：

首先计算尔曼滤波器的新息，如式（4）：

$e_k=z_k-H_k{x}_k^{-}---\left(4\right)$

其中，z_k为实际量测量，H_k为量测矩阵，

为系统状态的一次估计；

其次计算新息理论方差，可以由式（5）计算：

$C_{e_k}=H_k(F_{k/k-1}{P}_{k-1}{F}_{k/k-1}^T+Q_{k-1})H_k^T+R_{k-1}---\left(5\right)$

其中F_k/k-1为系统状态转移矩阵，P_k-1为估计状态方差阵，Q_k-1为系统噪声阵，R_k-1为量测噪声阵；

第三步，计算新息的实际方差，其可由最近N个新息向量计算得到，用式（6）表示：

$T_{e_k}=\frac{1}{N}\underset{i=i_0}{\overset{k}{\mathrm{\Σ}}}{e}_i\·e_i^T---\left(6\right)$

第四步，计算新息实际方差与理论方差的比值。由于

和都被设置为对角阵，因此比值也为对角阵：

$\mathrm{Ra}=C_{e_k}/T_{e_k}---\left(7\right)$

第五步，设计模糊推理系统，以新息实际方差与理论方差的比值作为模糊推理系统的输入，以量测噪声模型的修正系数作为模糊推理系统的输出，模糊推理规则有以下三条：

（1）如果新息实际方差与理论方差的比值变低，则量测噪声模型的修正系数变小；

（2）如果新息实际方差与理论方差的比值不变，即为1，则量测噪声模型的修正系数不变，即为1；

（3）如果新息实际方差与理论方差的比值变高，则量测噪声模型的修正系数变大；

基于模糊推理系统的自适应卡尔曼滤波算法可以保证组合导航系统在量测噪声变化较大的情况下量测噪声模型仍是准确的，系统状态估计值仍是最优的。

Images