CN106092135A - 从静止对准模式向运动中对准模式转换 - Google Patents
从静止对准模式向运动中对准模式转换 Download PDFInfo
- Publication number
- CN106092135A CN106092135A CN201610347439.0A CN201610347439A CN106092135A CN 106092135 A CN106092135 A CN 106092135A CN 201610347439 A CN201610347439 A CN 201610347439A CN 106092135 A CN106092135 A CN 106092135A
- Authority
- CN
- China
- Prior art keywords
- alignment
- caf
- sakf
- covariance
- motion
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C17/00—Compasses; Devices for ascertaining true or magnetic north for navigation or surveying purposes
- G01C17/38—Testing, calibrating, or compensating of compasses
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
本发明提供了从静止对准滤波器向运动中对准滤波器转换的导航系统。该系统包括一个处理单元,其配置为当目标静止时在陀螺罗经对准模式中实施静止对准卡尔曼滤波器(SAKF)以生成状态估计值并提供校正,以及实施算法以计算说明SAKF估计值中不确定度的针对SAKF的协方差;其中所述处理单元进一步配置为实施连续对准滤波器(CAF),其在容纳实际运动的时间到检测到运动的时间之间的延迟的延迟时期期间生成保持不受SAKF校正影响的第二解,以及实施算法以计算在延迟时期期间内说明CAF中不确定度的针对CAF的协方差:以及其中CAF的输出和其协方差被传达至运动中对准滤波器。
Description
背景技术
惯性导航系统(INS)的对准照惯例开始于陀螺罗经对准或“静止对准模式以确定交通工具诸如飞行器的俯仰、横滚和航向。当系统达到某个质量时对准完成。在静止对准模式中,当交通工具在对准完成之前移动的情况下出现问题。
照惯例,一旦检测到运动,飞行员被警告对准已被中断。照惯例,一旦运动已经停止,静止对准将重新开始。可替代地,从运动中对准模式开始时可以重新开始对准。两种常规的对准处理都消耗大量的时间。
发明内容
在一个实施例中,导航系统包括:处理单元,其中该处理单元配置为当目标静止时实施静止对准卡尔曼滤波器(SAKF)来生成状态估计值以及提供校正;以及其中该处理单元进一步配置为,实施算法以计算协方差说明了SAKF估计值中的不确定度的针对SAKF的协方差;其中该处理单元进一步配置为实施连续对准滤波器(CAF),其生成在从实际运动的时间到检测到运动的时间的延迟时期期间保持不受SAKF校正影响的第二解,以及其中该处理单元进一步配置为实施算法以计算说明延迟时期期间CAF中的不确定度的针对CAF的协方差;以及其中CAF的输出及其协方差被传达至运动中对准滤波器。
附图说明
所理解的是附图仅描绘了示例性实施例以及因此并未被认为是范围方面的限制,将通过附图的使用随着附加的特征和细节来描述示例性实施例,在所述附图中:
图1是示例性导航系统的一个实施例,该示例性导航系统实施了利用从静止对准模式到运动中对准模式转换的对准算法的处理单元;
图2是示例性静止对准卡尔曼滤波器的一个实施例,该示例性静止对准卡尔曼滤波器可在图1中所描述的导航系统的一个实施例中实施;
图3是示例性连续对准滤波器的一个实施例,该示例性连续对准滤波器可在图1中所描述的导航系统的一个实施例中实施;以及
图4是从静止对准模式到运动中对准模式转换的示例性方法的一个实施例。
根据惯例,各种所描述特征并未按比例绘制,而绘制成强调与示例性实施例相关的具体特征。
具体实施方式
在下面的详细说明中,对形成了本文一部分的附图进行了参考,以及在附图中通过图示的方式示出了具体的说明性的实施例。然而要理解的是,可以利用其他实施例,以及可以进行逻辑的、机械的和电子的改变。此外,附图和说明书中所提出的方法并不被解释为限制各个步骤可以执行的顺序。因此以下的详细描述并不被理解成限制的含义。
在常规的导航系统中,对准开始于陀螺罗经对准模式。如本文所使用的术语“静止对准”也指的是陀螺罗经对准。术语“静止对准模式”和“陀螺罗经对准模式”在本文中可交换使用。照惯例,在静止对准已经开始但在其完成之前当交通工具必须派出时,静止对准被停止并且系统使用运动中对准方法(假如系统采用运动中对准能力)再次经历整个对准过程。在常规系统中,从运动开始的时间到由系统检测到运动的时间的延迟导致使用静止对准方法生成的被破坏(uncorrupted)的估计值。本文所描述的实施例利用连续对准滤波,其允许系统从静止对准转换到运动中对准同时保持传递到运动中对准滤波器的静止对准估计值未被破坏。来自静止对准的估计值用来完成运动中的对准,由此减少了完成对准所消耗的时间同时保持了系统的精度。
在下面所描述的实施例中,静止对准卡尔曼滤波器(SAKF)生成状态估计值直到导航系统检测到运动。基于根据当前测量的状态的校正,SAKF传播(propagate)、更新和重置针对当前状态的估计值。连续对准滤波器(CAF)同时地提供了保持不受最近的SAKF校正影响的第二解。CAF去除针对指定时间段的校正。然后此解可由运动中对准卡尔曼滤波器(AIMKF)来使用以完成交通工具的对准。
图1是导航系统100的示例,该导航系统100包括至少一个处理单元150(其可能包括多核处理器的一个核),其实施对准算法来从静止对准模式转换到运动中对准模式。在图1所示的示例中,处理单元150专门用于执行软件,该软件实施了静止对准卡尔曼滤波器(SAKF)20、计算SAKF 20的协方差的SAKF协方差40、连续对准滤波器(CAF)30、计算针对CAF30的协方差的CAF协方差60,以及运动中对准卡尔曼滤波器(ALMKF)80。在其他的实施方式中,SAKF 20、CAF 30和ALMKF 80可以在单独的处理单元中实施。如图1中所示的导航系统100进一步包括处理器10(其可以包括多核处理器的另一核),其能够执行惯性传感器和惯性导航处理。在其他的实施方式中,惯性传感器和惯性导航处理由处理单元150来执行。
使用静止对准卡尔曼滤波器(SAKF)20来初始化系统对准。静止对准状态包括地球的自转速率误差、姿态误差和速度误差。在静止对准模式中,针对速度的预测测量保持值为零。在一些实施方式中,并联滤波器运行用于交通工具的不同通道(例如,一个沿X轴以及一个沿Y轴)。SAKF 20确定针对俯仰、横滚和航向的状态估计值。
在一些实施方式中,SAKF 20被实施以生成实时传播、更新和重置的主解。在交通工具静止时SAKF不断地生成估计值xk。xk代表在特定的对准模式期间包括针对由系统考虑的所有变量的值的向量。在一个实施方式中,静止对准模式下的变量包括地球的自转速率、倾斜误差和速度误差中的一个或多个。随着每次迭代来预测xk,制作并记录观测zk,基于该观测来更新xk,以及在一些情况下根据先前迭代中的校正来重置xk以使得下一次的预计更精确。如图1所示,处理器10可用于将状态重置为零并将状态反馈至SAKF以基于先前的校正生成新的状态估计值。SAKF协方差40计算说明了每次迭代中由SAKF制作的校正中的不确定度(误差)的SAKFPk的协方差矩阵。随着时间的推进,xk收敛于正确的解,并且协方差矩阵Pk的对角线值变得更小指示了更少的误差。当协方差矩阵Pk表明协方差矩阵的值在预先确定的阈值之内时对准完成。如图1中所示,由SAKF协方差40确定的卡尔曼增益Kk被SAKF 20用于更新xk。
当交通工具在对准完成前起飞时,实施运动中对准卡尔曼滤波器(AIMKF)80来说明在静止对准模式下导航系统未考虑的变量。在一些实施方式中,在静止对准模式中由系统考虑的用于校正的变量组与运动中对准模式下由系统考虑的用于校正的变量组不同。在一个实施方式中,AIMKF 80生成针对包括交通工具的航向、姿态、速度和位置的变量的估计值。静止对准模式下更新的变量转化成要在运动中对准模式下估计和更新的状态的组。在一些实施方式中,在静止对准模式和运动中对准模式中考虑传感器偏差状态。
进一步地,运动时的对准质量被传达至AIMKF 80。然而,交通工具实际运动的时间和交通工具的运动被导航系统检测到的时间之间存在时间延迟。在该时间延迟期间,传达至AIMKF 80的对准质量可能被由SAKF 20确定的校正破坏。图1中所示的示例中,实施连续对准滤波器(CAF)30来说明在该时间延迟期间被破坏的更新。在一些实施例中,CAF 30的协方差也说明在由SAKF 20所计算出的估计值中所包括的变量和由AIMKF 80所计算出的变量的差别。
如图1中所示,在状态估计值矢量传递到AIMKF 80之前利用连续对准滤波器(CAF)30来说明在时间延迟期间被破坏的校正。当SAKF 20生成主解时,第二解也同时地由CAF 30提供,该CAF 30保持不受在期望的时间段期间生成的SAKF校正的影响。基于从实际运动的时间到检测到运动的时间的延迟来确定这个期望的时间段(延迟时期)。延迟时期可以基于常规系统中观测到的实际运动和检测到的运动之间的时间延迟预先确定。在一些实施例方式中,延迟时期设置为10秒。在一个实施方式中,CAF 30移除了由SAKF 20在延迟时期间生成的校正,有效地提供了在延迟之前已生成的估计值。
由CAF协方差60表示的针对CAF 30计算的协方差说明了在延迟时期期间系统的协方差增长。在一个实施方式中,计算CAF协方差的算法使用延迟之前的SAKF协方差值并向前传播到延迟之后可预期的质量。传播的协方差值被AIMKF 80用于进一步的对准完成。
SAKF 20生成的估计值用于校正。在一些实施方式中,当应用校正时,状态归零但SAKF 20的协方差保持跟踪系统总体状态中的不确定度。在一些实施方式中,状态在每次迭代后归零以及AIMKF 80可以在状态处于零的情况下开始对准。
图2是图1的导航系统100的一个实施例的示例性框图,其描绘了示例SAKF 20和代表SAKF 20的协方差的SAKF协方差40的细节。如图2所示,SAKF 20确定了针对当前状态估计值的期望值。基于在先前的时间k-1处应用的校正,在时间k处的针对状态估计值的校正被预测和计算。通过使用如图1中所示的校正算法22来计算校正,SAKF 20更新针对时间k的状态估计值校正算法22使用观测矩阵zk和基于SAKF 20的协方差计算的卡尔曼增益Kk来计算时间k处的经校正的估计值并更新然后由导航校正应用器21应用导航校正来预测针对下一时间迭代k+1的估计值连同的值,此估计值是基于说明先前迭代估计值的由处理器10生成的Navk。经校正的估计值Navk(corrected)然后被处理器10利用来更新在下面的时间迭代中要使用的观测矩阵。由处理器10生成的Navk也被导航校正移除器37利用。
在一些实施方式中,每次更新时滤波器状态被重置,所以如所确定的可以被假定为零。在这样的情况下,由校正器22所更新的仅独立于卡尔曼增益Kk和观测矩阵zk。由连续对准滤波器(CAF)30接收更新后的该连续对准滤波器(CAF)30提供未被破坏的第二解,一旦检测到运动可由运动中对准滤波器80使用该第二解。由CAF 30生成的未被破坏的第二解保持不受给定时段内计算出的SAKF更新影响。
处理单元150进一步配置为计算SAKF 20的状态向量的协方差,其由SAKF协方差40表示。误差协方差矩阵由协方差预测器算法41预测。针对下一个状态的协方差矩阵是基于针对在k-1处的先前的状态所计算的协方差、应用于先前的状态的状态转换模型矩阵Φ,和矩阵Φ的转置与噪声协方差Q的求和来预测的。这个用于计算卡尔曼增益Kk和针对时间k的误差协方差矩阵在图2示出的示例中,卡尔曼增益Kk是基于预测的误差协方差观测矩阵Hk的转置,和观测矩阵Hk的逆、其转置和预测的误差协方差与观测测量向量协方差Rk的求和来计算的(见块45)。此计算的卡尔曼增益Kk用于更新时间k处的状态估计值xk并且还用于计算在时间k处的协方差(如块42中所示)。误差协方差矩阵由校正器42更新。是基于先前的协方差卡尔曼增益Kk、观测矩阵Hk和测量向量协方差矩阵Rk来预测的。一旦误差协方差矩阵已经被计算后,其用于预测时间k+1处的在下一状态处的估计值的协方差。如预测器算法41所示,预测的协方差矩阵是基于应用于先前的状态的状态转换模型矩阵Φk、矩阵Φk的转置与噪声协方差Qk的求和来生成的。
图3是图1的导航系统100的一个实施例的示例性框图,其描绘了连续对准滤波器(CAF)30和表示针对CAF 30所计算协方差的连续对准滤波器协方差60的示例实施例的细节。连续对准滤波器30提供了在最近的给定时段期间不受静止对准滤波器校正影响的第二解。在图3所示的实施方式中,连续对准滤波器去除了期望数量的校正,使得由运动中对准使用的状态估计值矩阵不被在从交通工具实际运动的开始到运动检测的时间的时期期间所计算的估计值破坏。
如图3所示,由静止对准卡尔曼滤波器生成的状态估计值被连续对准滤波器30用来预测累计校正向量的估计的值。针对第二解的估计值是基于状态转换模型矩阵Φk,k-1和在先前的状态处的累计校正来预测的,这里Φk,k-1代表从时间k-1到时间k的状态转换模型矩阵。如由静止对准滤波器20所计算的,针对当前状态的所传播的估计值然后被加入到以便在检测到运动之前确定针对连续对准滤波器30的更新后的估计值(见块32)。通过获取从延迟的时间k-M到时间k的状态估计值和预测的状态估计值之间的差异,估计值也被计算出。如块35中所示,代表从时间k-M到时间k所获得的累计和传播的校正。为了获取要由运动中对准使用的未被破坏的解Navk(uncorrupted),从在静止对准滤波器中生成的当前状态Navk处的解中移除从时间k-M到时间k的校正。在一个实施方式中,可以使用导航校正移除算法37来移除来自时间k-M的校正。
CAF协方差60代表由处理单元150确定的连续对准滤波器30的协方差。连续对准滤波器协方差说明了从时间k-M到时间k的状态误差的不确定度增长。例如,如果M设定为10秒,则计算连续对准滤波器协方差的算法将使用在时间k处计算出的静止对准滤波器协方差向前传播到10秒之后所预计的情况。类似于静止对准模式中的预测的协方差,期望的未被破坏的协方差独立于协方差Pk-M、状态转换模型矩阵Φk,k-M和然后加入过程噪声矩阵Qk,k-M的状态转换模型矩阵Φk,k-M的转置(见块65)。可由运动中对准卡尔曼滤波器80使用未被破坏的协方差和未被破坏的解Navk(uncorrupted)以完成交通工具的对准。
在一些实施例中,多个CAF可以并行实施,其中每个CAF具有不同的M值。因此,在这样的实施方式中,每个CAF说明了不同了时间延迟。例如,CAF 30-1移除了从时间k到M的校正,其中延迟时期k-M是5秒,以及CAF 30-2移除了时间延迟k-M为10秒的校正。在这样的实施方式中,每个CAF 30-n具有相应的协方差60-n,其说明了各自的时间延迟。在具有多个CAF的一个实施方式中,每个CAF计算针对的值(块34)和针对对应于CAF时间延迟的的值(块38)。在另一个具有多个CAF的实施方式中,针对的仅一个值被计算,该值由一个或多个CAF并行共享,但是每一CAF负责计算针对对应于时间延迟的的值。在多个CAF实施方式中,针对仅一个CAF的被导航校正移除器算法37利用来获取未被破坏的解Navk(uncorrupted)。
图4描述了用于从静止对准模式向运动中对准模式转换的示例性方法400的一个实施例。在块402处,在使用静止对准卡尔曼滤波器的静止对准模式中生成在交通工具上针对导航系统的对准的校正。在静止对准模式中生成校正包括基于先前的校正来预测状态估计值和基于先前的校正来更新状态估计值。在块404处,计算针对静止对准卡尔曼滤波器的协方差。
在块406处,使用连续对准滤波器(CAF)来移除在延迟时期期间生成的校正以提供未被破坏的校正。在一个实施方式中,随着时间延迟实施CAF,以及通过回退时间延迟内生成的一组校正和确定时间延迟前正被处理的状态估计值来移除校正。在进一步的实施方式中,CAF中的时间延迟被设置为5秒或10秒。在一些实施方式中,这个时间延迟是基于预先确定的延迟时期来确定。在进一步的实施方式中,此延迟时期可以基于由交通工具的导航系统检测运动所消耗的时间量来预先确定。在块408处,计算出说明在延迟时期期间的不确定度的增长的未被破坏的协方差。通过使用延迟之前的SAKF协方差值和向前传播到延迟之后可以预期的质量来计算未被破坏的协方差。此增长值是未被破坏的协方差,其被运动中对准卡尔曼滤波器使用以完成对准。
在块410处,未被破坏的解和未被破坏的协方差被传达至运动中对准卡尔曼滤波器。在一个实施方式中,方法400还说明了在静止对准模式中考虑用于校正的变量和在运动中对准模式中考虑用于校正的变量组。在一些实施方式中,静止对准模式中考虑用于校正的变量组包括交通工具的俯仰和横滚、地球的自转速率误差和速度误差中的一个或多个。在进一步的实施方式中,静止对准模式中考虑的变量还包括倾斜误差。在一些实施方式中,由运动中对准滤波器所考虑的变量组包括航向、姿态、速度和位置状态中的任意或全部。
示例实施例
示例1包括导航系统,该导航系统包括:处理单元,其中该处理单元配置为当目标静止时实施静止对准卡尔曼滤波器(SAKF)以生成状态估计值并提供校正,以及其中该处理单元进一步配置为实施算法以计算说明了SAKF估计值中的不确定度的针对SAKF的协方差;其中该处理单元进一步配置为实施连续对准滤波器(CAF),其生成在从实际运动的时间到检测到运动的延迟时期期间保持不受SAKF校正影响的第二解,以及其中该处理单元进一步配置为实施算法以计算在延迟时期期间说明了CAF中不确定度的针对CAF的协方差;以及其中CAF的输出和其协方差被传达至运动中对准滤波器。
示例2包括示例1的导航系统,其中CAF移除SAKF在延迟时期期间生成的校正以提供延迟时期之前生成的状态估计值。
示例3包括示例1-2中任意的导航系统,其中延迟时期的期间是预先确定的。
示例4包括示例1-3中任意的导航系统,其中该处理单元进一步配置为实施:与至少一个CAF并行实施的一个或多个附加的CAF,其中每个CAF中的延迟时期的期间是不同的;针对所实施的CAF中的每个来计算协方差的算法,该协方差说明了在相应的延迟时期期间相应的CAF中的不确定度;以及其中由CAF中的仅一个生成的解被应用来移除针对延迟时期的校正并传达至运动中对准滤波器。
示例5包括示例4的导航系统,其中针对每次时间迭代所计算的状态估计值的累计的校正值被在处理单元中实施的CAF共享。
示例6包括示例1-5中任意的导航系统,进一步包括处理器,其重置状态为零并反馈该状态至SAKF以生成新的状态估计值。
示例7包括示例1-6中任意的导航系统,其中在静止对准模式中由处理单元在计算校正中所使用的第一组变量不同于在运动中对准模式中系统针对校正所考虑的第二组变量,以及其中CAF协方差说明了第一组变量和第二组变量之间的差异。
示例8包括示例6-7中任意的导航系统,其中静止对准模式中考虑的第一组变量包括地球的自转速率误差和倾斜误差以及速度误差中一个或多个。
示例9包括示例6-8中任意的导航系统,其中运动中对准模式中考虑的第二组变量包括交通工具航向、姿态、速度和位置中的任意或全部。
示例10包括示例1-9中任意的导航系统,其中传感器偏差状态包括在第一组变量和第二组变量中。
示例11包括一种从静止对准向运动中对准转换的导航方法,该方法包括:在静止对准模式中使用静止对准卡尔曼滤波器生成状态估计值并为该状态估计值提供校正;计算针对静止对准卡尔曼滤波器的协方差;使用第一连续对准滤波器移除在延迟时期期间生成的校正以提供未被破坏的解;计算未被破坏的协方差以说明在延迟时期期间内不确定度的增长;以及将未被破坏的解和未被破坏的协方差从连续对准滤波器传达至运动中对准卡尔曼滤波器。
示例12包括示例11的导航方法,其中移除延迟时期期间的校正进一步包括:随着延迟时期实施连续对准滤波器;回退对应于时间延迟的一组校正;以及确定延迟时期之前正在被处理的状态估计值。
示例13包括示例11-12中任意的导航方法,该导航方法进一步包括基于预先确定的延迟时期来设置时间延迟。
示例14包括示例11-13中任意的导航方法,该导航方法进一步包括:发送状态估计值至惯性导航处理器和/或惯性传感器以重置状态为零;以及反馈状态到SAKF以生成新的状态估计值。
示例15包括示例11-14中任意的导航方法,该导航方法进一步包括,说明了静止对准模式中针对校正所考虑的变量组和运动中对准模式中针对校正所考虑的变量组的差异。
示例16包括示例15的导航方法,其中静止对准模式中针对校正所考虑的变量组包括地球的自转速率误差、倾斜误差和速度误差中的一个或多个。
示例17包括示例15-16中任意的导航方法,其中由运动中对准滤波器考虑的该组变量包括航向、姿态、速度和位置状态中的任意或全部。
示例18包括示例11-17中任意的导航方法,该导航方法进一步包括:实施与第一CAF并联的第二CAF,每个CAF说明不同的时间延迟;在导航系统中为每个CAF计算未被破坏的协方差;以及仅针对第一和第二CAF中的一个来应用导航校正以提供未被破坏的解。
示例19包括程序产品,该程序产品包括在其上体现有程序指令的处理器可读介质,其中所述程序指令配置为当由至少一个可编程处理器执行时以引起至少一个可编程处理器来:当交通工具静止时使用静止对准卡尔曼滤波器(SAKF)生成状态估计值;在交通工具静止时测量状态估计值的不确定度;移除由SAKF在时间延迟期间生成的校正以计算未被破坏的状态估计值,该时间延迟包括交通工具实际的运动到导航系统检测到运动的时间之间的时间;确定说明延迟时期期间内状态估计值的不确定度增长的连续对准滤波器协方差,和基于时间延迟之前的状态估计值的不确定度来输出未被破坏的不确定度;以及一旦未被破坏的状态估计值已经被传达就继续状态的估计的运动中对准滤波器;以及在交通工具移动时利用状态估计值的估计中的未被破坏的不确定度的运动中对准滤波器协方差。
示例20包括示例19的程序产品,其中程序指令进一步配置为引起至少一个可编程处理器重置来自SAKF的状态估计值为零,并反馈重置状态估计值至SAKF以产生新的状态估计值。虽然本文中已经说明和描述了特定的实施例,但本领域普通技术人员将领会的是,计算以达到相同目的的任意布置可替代所示的特定实施例。因此,显然打算本发明仅由权利要求和其等同物来限制。
Claims (3)
1.一种导航系统,该系统包括:
处理单元,其中所述处理单元配置为,当目标静止时在陀螺罗经对准模式中实施静止对准卡尔曼滤波器(SAKF)以生成状态估计值并提供校正,以及其中所述处理单元进一步包括计算说明SAKF估计值中的不确定度的针对SAKF的协方差的算法;
其中所述处理单元进一步配置为实施连续对准滤波器(CAF),其生成在从实际运动的时间到检测到运动的时间的延迟时期期间保持不受SAKF校正影响的第二解,以及其中所述处理单元进一步包括计算针对CAF协方差的算法,该协方差说明在延迟时期期间内CAF中的不确定度;以及
其中CAF的输出被传达至运动中对准滤波器。
2.如权利要求1所述的导航系统,其中所述CAF移除了由所述SAKF在延迟时期期间生成的校正以提供延迟时期之前生成的状态估计。
3.如权利要求1所述的导航系统,其中所述陀螺罗经对准模式中由所述处理单元在计算校正中使用的第一组变量不同于在运动中对准模式中由该系统针对校正考虑的第二组变量,以及其中所述CAF协方差说明了所述第一组变量和所述第二组变量之间的差异。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/690,189 US10048070B2 (en) | 2015-04-17 | 2015-04-17 | Transitioning from stationary alignment mode to in-motion alignment mode |
US14/690189 | 2015-04-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106092135A true CN106092135A (zh) | 2016-11-09 |
CN106092135B CN106092135B (zh) | 2021-05-25 |
Family
ID=55701793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610347439.0A Active CN106092135B (zh) | 2015-04-17 | 2016-04-15 | 从静止对准模式向运动中对准模式转换 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10048070B2 (zh) |
EP (1) | EP3081905B1 (zh) |
CN (1) | CN106092135B (zh) |
RU (1) | RU2016114075A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113959430A (zh) * | 2021-10-13 | 2022-01-21 | 广东汇天航空航天科技有限公司 | 飞行汽车的航姿确定方法、装置、车载终端及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10048686B2 (en) * | 2015-11-06 | 2018-08-14 | The Boeing Company | Methods and apparatus to autonomously navigate a vehicle by selecting sensors from which to obtain measurements for navigation |
FR3057349B1 (fr) * | 2016-10-11 | 2019-07-12 | Safran Electronics & Defense | Perfectionnements aux procedes d'alignement de centrale inertielle |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060047427A1 (en) * | 2003-08-29 | 2006-03-02 | Honeywell International Inc. | System and method for employing an aided-alignment mode to align an inertial reference system |
CN101246022A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工程大学 | 基于滤波的光纤陀螺捷联惯导系统两位置初始对准方法 |
US20090048779A1 (en) * | 2007-08-14 | 2009-02-19 | Honeywell International Inc. | Systems and methods for gyrocompass alignment using dynamically calibrated sensor data and an iterated extended kalman filter within a navigation system |
US20130035855A1 (en) * | 2011-08-03 | 2013-02-07 | Koba Natroshvili | Vehicle navigation on the basis of satellite positioning data and vehicle sensor data |
EP2679954A1 (en) * | 2012-06-26 | 2014-01-01 | ST-Ericsson SA | Sequential estimation in a real-time positioning or navigation system using historical states |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6522266B1 (en) | 2000-05-17 | 2003-02-18 | Honeywell, Inc. | Navigation system, method and software for foot travel |
AU2002315595B2 (en) | 2001-06-04 | 2007-06-07 | Novatel Inc. | An inertial/GPS navigation system |
FR2866423B1 (fr) * | 2004-02-13 | 2006-05-05 | Thales Sa | Dispositif de surveillance de l'integrite des informations delivrees par un systeme hybride ins/gnss |
US7860651B2 (en) | 2005-08-30 | 2010-12-28 | Honeywell International Inc. | Enhanced inertial system performance |
US7739045B2 (en) | 2006-05-31 | 2010-06-15 | Honeywell International Inc. | Rapid self-alignment of a strapdown inertial system through real-time reprocessing |
US20080077325A1 (en) * | 2006-09-25 | 2008-03-27 | Honeywell International Inc. | Systems and methods for a hybrid transition matrix |
US7979207B2 (en) * | 2007-03-19 | 2011-07-12 | Sirf Technology, Inc. | Systems and methods for detecting a vehicle static condition |
US8019543B2 (en) | 2008-06-27 | 2011-09-13 | Applanix Corporation Inc. | Methods for determining an initial AINS heading |
US9052202B2 (en) * | 2010-06-10 | 2015-06-09 | Qualcomm Incorporated | Use of inertial sensor data to improve mobile station positioning |
US8515672B1 (en) * | 2012-03-01 | 2013-08-20 | Honeywell International Inc. | Systems and methods to incorporate master navigation system resets during transfer alignment |
US8825396B2 (en) * | 2012-11-30 | 2014-09-02 | Applanix Corporation | Quasi tightly coupled GNSS-INS integration process |
US20150204901A1 (en) * | 2014-01-17 | 2015-07-23 | Caterpillar Inc. | System and method for determining ground speed of machine |
-
2015
- 2015-04-17 US US14/690,189 patent/US10048070B2/en active Active
-
2016
- 2016-04-06 EP EP16164138.6A patent/EP3081905B1/en active Active
- 2016-04-12 RU RU2016114075A patent/RU2016114075A/ru not_active Application Discontinuation
- 2016-04-15 CN CN201610347439.0A patent/CN106092135B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060047427A1 (en) * | 2003-08-29 | 2006-03-02 | Honeywell International Inc. | System and method for employing an aided-alignment mode to align an inertial reference system |
US20090048779A1 (en) * | 2007-08-14 | 2009-02-19 | Honeywell International Inc. | Systems and methods for gyrocompass alignment using dynamically calibrated sensor data and an iterated extended kalman filter within a navigation system |
CN101246022A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工程大学 | 基于滤波的光纤陀螺捷联惯导系统两位置初始对准方法 |
US20130035855A1 (en) * | 2011-08-03 | 2013-02-07 | Koba Natroshvili | Vehicle navigation on the basis of satellite positioning data and vehicle sensor data |
EP2679954A1 (en) * | 2012-06-26 | 2014-01-01 | ST-Ericsson SA | Sequential estimation in a real-time positioning or navigation system using historical states |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113959430A (zh) * | 2021-10-13 | 2022-01-21 | 广东汇天航空航天科技有限公司 | 飞行汽车的航姿确定方法、装置、车载终端及存储介质 |
CN113959430B (zh) * | 2021-10-13 | 2023-12-22 | 广东汇天航空航天科技有限公司 | 飞行汽车的航姿确定方法、装置、车载终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10048070B2 (en) | 2018-08-14 |
EP3081905B1 (en) | 2018-10-24 |
US20160305779A1 (en) | 2016-10-20 |
EP3081905A1 (en) | 2016-10-19 |
CN106092135B (zh) | 2021-05-25 |
RU2016114075A (ru) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102432116B1 (ko) | 항법 시스템 | |
Chen et al. | Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages | |
AU2009289008B2 (en) | Estimating a state of at least one target | |
CN108700423B (zh) | 车载装置及推定方法 | |
CN107305123B (zh) | 位置推断装置以及推断方法 | |
CN108896047B (zh) | 分布式传感器网络协同融合与传感器位置修正方法 | |
US8560234B2 (en) | System and method of navigation based on state estimation using a stepped filter | |
EP2957928B1 (en) | Method for using partially occluded images for navigation and positioning | |
WO2018062291A1 (ja) | 他車線監視装置 | |
Crocoll et al. | Model‐aided navigation for a quadrotor helicopter: A novel navigation system and first experimental results | |
EP2578995A2 (en) | Modified Kalman filter for generation of attitude error corrections | |
CN106092135A (zh) | 从静止对准模式向运动中对准模式转换 | |
Héry et al. | Consistent decentralized cooperative localization for autonomous vehicles using LiDAR, GNSS, and HD maps | |
JP2017194460A (ja) | ナビゲーションシステム、及び誤差補正の方法 | |
JP2013181985A (ja) | 転送アライメントの間、マスターナビゲーション・システム・リセットを組み込むシステム及び方法 | |
EP1770364A2 (en) | Methods and Apparatus for Real Time Position Surveying Using Inertial Navigation | |
EP2685214A2 (en) | Multiple truth reference system and method | |
CN110637209B (zh) | 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质 | |
JP2019082328A (ja) | 位置推定装置 | |
CN112567203B (zh) | 用于使用不变卡尔曼滤波器辅助一队交通工具导航的方法和装置 | |
EP3631515B1 (en) | Method for estimating a position of a mobile device using gnss signals | |
CN109459769A (zh) | 一种自主定位方法与系统 | |
Li et al. | Exploring the Potential of Deep Learning Aided Kalman Filter for GNSS/INS Integration: A Study on 2D Simulation Datasets | |
JP2008082931A (ja) | 慣性航法を使用した実時間位置測量のための方法及び装置 | |
Niedfeldt et al. | Robust estimation with faulty measurements using recursive-RANSAC |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |