CN108828644B - Gnss/mems紧组合导航系统中动态突变识别方法 - Google Patents
Gnss/mems紧组合导航系统中动态突变识别方法 Download PDFInfo
- Publication number
- CN108828644B CN108828644B CN201810204688.3A CN201810204688A CN108828644B CN 108828644 B CN108828644 B CN 108828644B CN 201810204688 A CN201810204688 A CN 201810204688A CN 108828644 B CN108828644 B CN 108828644B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- moment
- receiver
- mems
- satellite
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- 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
- G01C21/165—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 combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了GNSS/MEMS紧组合导航系统中动态突变识别方法,通过计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度,并比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性;根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变;接收机发生动态突变时,在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿减弱该动态突变带来的影响。该方法不受载体运动动态的限制,有助于实现GNSS/MEMS紧组合系统在各种高动态、存在干扰和温度环境不稳定的载体上的批量化应用。
Description
技术领域
本发明属于惯性导航与卫星导航技术领域,具体涉及一种GNSS/MEMS紧组合导航系统中动态突变识别方法。
背景技术
北斗卫星导航系统与美国GPS、俄罗斯GLONASS以及欧洲GALILEO统称星基导航系统(GNSS)。随着北斗三期布网的逐步完善,北斗系统正逐步普及应用于海陆空各类军民载体。卫星导航系统的显著特点是直接提供绝对定位坐标,且误差不随时间积累,但存在无线电信号易受遮挡和干扰的不足。惯性导航系统(Inertial Navigation System,INS)能够自主隐蔽地进行连续的三维空间导航与测姿,不存在信号的电磁干扰,能跟踪和反映运动载体的机动且输出平稳。但惯性导航的不足在于其导航误差会随时间积累,当外界不给予其修正时,误差增长无界。
微机电系统MEMS(Micro Electronic Mechanical System)惯性传感器主要指MEMS加速度计和MEMS陀螺仪这两种惯性传感器,分别用于测量运动载体的线加速度和旋转角速度。由MEMS惯性传感器组成的惯性导航系统继承了传统惯性传感器的完全自主性、保密性强、不存在信号的电磁干扰等特点,同时又具有尺寸小、重量轻、成本低、功耗小、可靠性高等传统惯性传感器无法比拟的优点。
GNSS与惯性传感器相结合的组合导航系统充分发挥了二者的优势,形成有机互补。优势在于:惯导在短时间内能够保持较高的精度,且由于其不受外界工作环境影响,可以补偿GNSS定位过程中产生的误差;同时,GNSS提供的绝对定位测速信息可以补偿惯导随时间累积的误差,而保证长距离运行中的测量精度;短时间内惯导的动态信息可以有助于改善GNSS高动态及有干扰环境中的信号失锁和跳变问题。
惯性导航系统通过加速度计测量载体的三维的线性运动,陀螺测量载体的三维角运动,从而在导航坐标系上进行积分来获取速度、位置和姿态。GNSS导航接收机是以空间在固定轨道上运行的卫星为参照,计算近地球表面运动载体的的位置和速度。接收机中位置的计算是通过在本地复制卫星传播信号来确定信号传播延迟而得到,速度的计算是根据多普勒原理来测量在相对运动中的本地复制信号的频率变化。载体的动态在时域上变现为载体的加速度分量,对应于接收机中的多普勒频率变化。
在紧组合导航系统中,接收机的伪距和多普勒用于组合滤波器观测输入,当存在动态突变时,多普勒观测输入将出现较大误差,进而致使组合系统的导航定位性能下降。在存在干扰情况下,接收机本地复制的频率信号将偏离真实信号到达接收机短的频率,形成多普勒观测量的误差;另一方面,本地信号的复制依赖于接收机的晶体振荡器(晶振)的稳定性,该振荡器是温度敏感器件,当环境温度发生突变时,如旋翼式飞行载体起飞时螺旋桨煽动气流带来的环境温度变化,本地复制的频率信号也将发生偏移。在时域中,存在干扰和环境变化时都表现为非预期的较大的加速度分量的出现,即载体动态发生突变。因此,有效识别出载体的动态突变对于保持GNSS/MEMS惯导组合系统的性能至关重要。常规GNSS接收机的定位解算滤波中,本地晶振漂移的处理噪声参数通常设定为一个能够响应载体动态范围的一个常值,用于对应接收机所复制本地多普勒频率的变化范围。但当动态发生突变时,仍依赖于该常值的解算将提供偏差较大的多普勒观测量,该观测量引入组合导航系统的滤波器后会造成滤波器较大的估计误差,从而影响系统性能。
发明内容
本发明的目的是提供一种GNSS/MEMS紧组合导航系统中动态突变识别方法,该方法能够结合GNSS接收机的观测量与MEMS惯性传感器的观测量识别载体动态突变,将所识别的动态通过组合导航滤波器进行补偿,从而不影响接收机和MEMS传感器自身的运行。
本发明所采用的技术方案是,GNSS/MEMS紧组合导航系统中动态突变识别方法,具体实施方式为:通过计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度,并比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性;根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变;接收机发生动态突变时,在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿减弱该动态突变带来的影响。
本发明的特点还在于,
计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度的算法如下:
Δdk,i=(dk,i-dk-1,i)/dTk,i=1,2,…,m
若相邻时刻都接收到了m颗相同的卫星,则其中Δdk,i为第i颗卫星在k时刻显现的与前一时刻的多普勒测量差值;dk,i,dk-1,i分别为第i颗卫星在k时刻和k-1时刻的多普勒观测值;dTk为时间间隔。
由第i颗卫星在k时刻显现的与前一时刻的多普勒测量差值Δdk,i可估算接收机从k-1到k时刻的本地时钟漂移变化即接收机端测量的加速度为:
MEMS加速度计的测量由下式得到:
其中为第k时刻第j方向轴上的加速度计输出;为第j轴方向上加速度计的零偏,该值由组合导航滤波器得到;fk,j是所计算的第k时刻j轴方向上的加速度真值。
由MEMS加速度计测量到的加速度的模fk由下式得到:
其中,fk,j是所计算的第k时刻j轴方向上的加速度真值,j=1,2,3。
比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性按照如下方法:
其中,Mk为接收机端测量的加速度和MEMS加速度计所测量到的加速度的不一致量值;g为重力加速度。
根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变,其算法通过定义分段来实现:
其中,Nk为所识别的加速度不一致性,当超过门限阈值η时,其数值为Mk,低于阈值时可视作常规噪声级数据,即无明显加速度;gk为确定门限的成本函数;Vk为当前运动速度,为载体姿态变化,nk为所跟踪的卫星数;Trckk,i为第i颗卫星的跟踪状态,当载波跟踪有效时,Trckk,i在成本函数中所占权重增加;Ck,i为所跟踪的第i颗卫星的载噪比。
接收机的动态突变Δak的计算方法为:
在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿或减弱该动态突变带来的影响算法如下:
紧组合导航系统使用17维卡尔曼滤波器作为主滤波器,其滤波状态包括三维位置误差、三维速度误差、三维姿态误差、加速度计零偏、陀螺零偏、接收机钟差,接收机钟漂;
卡尔曼滤波的时间预测回路可用如下公式表示:
Pk,k-1=Pk-1+Qk
其中,Pk-1为第k-1时刻卡尔曼滤波器的状态方差;pk,k-1为根据Pk-1对为第k时刻滤波器状态方差的估计;Qk为第k时刻滤波器应用的系统噪声;
将所计算的动态突变叠加在系统处理噪声项中与接收机钟漂对应的部分,即
Q′k,17=Qk,17+(dTk*Δak)2
其中,Q′k,17,Qk,17分别代表卡尔曼滤波器的时间预测中,接收机钟漂项对应的叠加动态突变之后及之前的系统噪声。
本发明的有益效果是:在该方法紧密结合GNSS和MEMS惯导的测量信息,但并不需要调整接收机内部的任何解算参数,从而可配搭各种不同类型的接收机,且不受载体运动动态的限制,有助于实现GNSS/MEMS紧组合系统在各种高动态、存在干扰和温度环境不稳定的载体上的批量化应用。
附图说明
图1是本发明GNSS/MEMS紧组合导航系统中动态突变识别方法的系统架构图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供了一种GNSS/MEMS紧组合导航系统中动态突变识别方法,如图1所示,具体实施方式为:通过计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度,并比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性;根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变;接收机发生动态突变时,在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿减弱该动态突变带来的影响。
载体涉及但不限于无人机、赛车、轮滑等高动态载体以及共享汽车、租车、汽车金融等领域设备的抗干扰应用。
在该方法紧密结合GNSS和MEMS惯导(MEMS惯性传感器)的测量信息,但并不需要调整接收机内部的任何解算参数。MEMS IMU指由MEMS惯性传感器构成的测量单元,MEMS惯性传感器为三个相互正交的MEMS加速度计和三个相互正交的MEMS陀螺仪,分别用于测量载体的线加速度和角速度。GNSS包括北斗、GPS、格洛纳斯、伽利略。
第一步:计算各个卫星相邻时刻的多普勒差值
计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度的算法如下:
Δdk,i=(dk,i-dk-1,i)/dTk,i=1,2,…,m
若相邻时刻都接收到了m颗相同的卫星,则其中Δdk,i为第i颗卫星在k时刻显现的与前一时刻的多普勒测量差值;dk,i,dk-1,i分别为第i颗卫星在k时刻和k-1时刻的多普勒观测值;dTk为时间间隔。
第二步:根据多普勒变化计算接收机钟漂变化
由第i颗卫星在k时刻显现的与前一时刻的多普勒测量差值Δdk,i可估算接收机从k-1到k时刻的本地时钟漂移变化即接收机端测量的加速度为:
此钟漂变化可能包含动态突变信息,需要由加速度计的量测值来做判断。
第三步:计算由加速度计所确定的载体加速度
MEMS加速度计的测量由下式得到:
其中为第k时刻第j方向轴上的加速度计输出;为第j轴方向上加速度计的零偏,该值由组合导航滤波器得到;fk,j是所计算的第k时刻j轴方向上的加速度真值。
由MEMS加速度计测量到的加速度fk,j的模fk由下式得到:
其中,fk,j是所计算的第k时刻j轴方向上的加速度真值,j=1,2,3。
第四步:确定MEMS加速度计所测量到的加速度与接收机钟漂变化的不一致,并根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变:
比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性按照如下方法:
其中,Mk为接收机端测量的加速度和MEMS加速度计所测量到的加速度的不一致量值;g为重力加速度。
根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变,其算法通过定义分段来实现:
其中,Nk为所识别的加速度不一致性,当超过门限阈值η时,其数值为Mk,低于阈值时可视作常规噪声级数据,即无明显加速度;gk为确定门限的成本函数;Vk为当前运动速度,为载体姿态变化,nk为所跟踪的卫星数;Trckk,i为第i颗卫星的跟踪状态,当载波跟踪有效时,Trckk,i在成本函数中所占权重增加;Ck,i为所跟踪的第i颗卫星的载噪比。
第五步:计算接收机的动态突变
接收机的动态突变Δak的计算方法为:
第六步:在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿或减弱该动态突变带来的影响,具体算法如下:
紧组合导航系统使用17维卡尔曼滤波器作为主滤波器,其滤波状态包括三维位置误差、三维速度误差、三维姿态误差、加速度计零偏、陀螺零偏、接收机钟差,接收机钟漂;
卡尔曼滤波的时间预测回路可用如下公式表示:
Pk,k-1=Pk-1+Qk
其中,Pk-1为第k-1时刻卡尔曼滤波器的状态方差;pk,k-1为根据Pk-1对为第k时刻滤波器状态方差的估计;Qk为第k时刻滤波器应用的系统噪声;
将所计算的动态突变叠加在系统处理噪声项中与接收机钟漂对应的部分,即
Q′k,17=Qk,17+(dTk*Δak)2
其中,Q′k,17,Q′k,17分别代表卡尔曼滤波器的时间预测中,接收机钟漂项对应的叠加动态突变之后及之前的系统噪声。
本发明的优点是:该算法通过计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度,并比较其与加速度计所测量到的加速度来确定二者的不一致性;根据当前载体运动状态来识别该不一致性是否为动态突变;发生动态突变时,在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿减弱该动态突变带来的影响。在该方法紧密结合GNSS和MEMS惯导的测量信息,但并不需要调整接收机内部的任何解算参数,从而可配搭各种不同类型的接收机,且不受载体运动动态的限制,有助于实现GNSS/MEMS紧组合系统在各种高动态、存在干扰和温度环境不稳定的载体上的批量化应用。
Claims (2)
1.GNSS/MEMS紧组合导航系统中动态突变识别方法,其特征在于,具体实施方式为:通过计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度,并比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性;根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变;接收机发生动态突变时,在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿减弱该动态突变带来的影响;
所述计算各个卫星相邻时刻的多普勒差值来确定接收机端测量的加速度的算法如下:
Δdk,i=(dk,i-dk-1,i)/dTk,i=1,2,…,m
若相邻时刻都接收到了m颗相同的卫星,则其中Δdk,i为第i颗卫星在k时刻显现的与前一时刻的多普勒测量差值;dk,i,dk-1,i分别为第i颗卫星在k时刻和k-1时刻的多普勒观测值;dTk为时间间隔;
由第i颗卫星在k时刻显现的与前一时刻的多普勒测量差值Δdk,i可估算接收机从k-1到k时刻的本地时钟漂移变化即接收机端测量的加速度为:
MEMS加速度计的测量由下式得到:
其中为第k时刻第j方向轴上的加速度计输出;为第j轴方向上加速度计的零偏,该值由组合导航滤波器得到;fk,j是所计算的第k时刻j轴方向上的加速度真值;
由MEMS加速度计测量到的加速度的模fk由下式得到:
其中,fk,j是所计算的第k时刻j轴方向上的加速度真值,j=1,2,3;
所述比较接收机端测量的加速度与MEMS加速度计所测量到的加速度来确定二者的不一致性按照如下方法:
其中,Mk为接收机端测量的加速度和MEMS加速度计所测量到的加速度的不一致量值;g为重力加速度;
所述根据当前载体运动状态及所接收的卫星状态来识别该不一致性是否为动态突变,其算法通过定义分段来实现:
其中,Nk为所识别的加速度不一致性,当超过门限阈值η时,其数值为Mk,低于阈值时可视作常规噪声级数据,即无明显加速度;gk为确定门限的成本函数;Vk为当前运动速度,为载体姿态变化,nk为所跟踪的卫星数;Trckk,i为第i颗卫星的跟踪状态,当载波跟踪有效时,Trckk,i在成本函数中所占权重增加;Ck,i为所跟踪的第i颗卫星的载噪比;
所述接收机的动态突变Δak的计算方法为:
2.根据权利要求1述的GNSS/MEMS紧组合导航系统中动态突变识别方法,其特征在于,所述在紧组合滤波器中的时钟漂移项叠加额外处理噪声用以补偿或减弱该动态突变带来的影响算法如下:
紧组合导航系统使用17维卡尔曼滤波器作为主滤波器,其滤波状态包括三维位置误差、三维速度误差、三维姿态误差、加速度计零偏、陀螺零偏、接收机钟差,接收机钟漂;
卡尔曼滤波的时间预测回路可用如下公式表示:
Pk,k-1=Pk-1+Qk
其中,Pk-1为第k-1时刻卡尔曼滤波器的状态方差;Pk,k-1为根据Pk-1对为第k时刻滤波器状态方差的估计;Qk为第k时刻滤波器应用的系统噪声;
将所计算的动态突变叠加在系统处理噪声项中与接收机钟漂对应的部分,即
Q′k,17=Qk,17+(dTk*Δak)2
其中,Q′k,17,Qk,17分别代表卡尔曼滤波器的时间预测中,接收机钟漂项对应的叠加动态突变之后及之前的系统噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204688.3A CN108828644B (zh) | 2018-03-13 | 2018-03-13 | Gnss/mems紧组合导航系统中动态突变识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810204688.3A CN108828644B (zh) | 2018-03-13 | 2018-03-13 | Gnss/mems紧组合导航系统中动态突变识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828644A CN108828644A (zh) | 2018-11-16 |
CN108828644B true CN108828644B (zh) | 2019-06-25 |
Family
ID=64154068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810204688.3A Active CN108828644B (zh) | 2018-03-13 | 2018-03-13 | Gnss/mems紧组合导航系统中动态突变识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828644B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976385A (zh) * | 2019-04-03 | 2019-07-05 | 成都永奉科技有限公司 | 一种基于加速度的跟随车控制方法 |
CN111256691A (zh) * | 2020-02-17 | 2020-06-09 | 苏州芯智谷智能科技有限公司 | 基于gnss/mems惯性组合芯片的组网硬件时间基准建立方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879779A (zh) * | 2012-09-04 | 2013-01-16 | 北京航空航天大学 | 一种基于sar遥感成像的杆臂测量及补偿方法 |
CN104392136A (zh) * | 2014-11-28 | 2015-03-04 | 东南大学 | 一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131462B2 (en) * | 2008-02-28 | 2012-03-06 | Leica Geosystems Ag | Vehicle guidance and sensor bias determination |
US9140802B2 (en) * | 2013-08-05 | 2015-09-22 | Texas Instruments Incorporated | Auxiliary as vehicle speed when difference between auxiliary and propagation above threshold |
-
2018
- 2018-03-13 CN CN201810204688.3A patent/CN108828644B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879779A (zh) * | 2012-09-04 | 2013-01-16 | 北京航空航天大学 | 一种基于sar遥感成像的杆臂测量及补偿方法 |
CN104392136A (zh) * | 2014-11-28 | 2015-03-04 | 东南大学 | 一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法 |
Non-Patent Citations (1)
Title |
---|
"微惯导/北斗深组合导航系统主要误差源抑制方法研究";王安成;《中国博士学位论文全文数据库信息科技辑》;20170215(第02期);第129-136页 |
Also Published As
Publication number | Publication date |
---|---|
CN108828644A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Costanzi et al. | An attitude estimation algorithm for mobile robots under unknown magnetic disturbances | |
Kepper et al. | A navigation solution using a MEMS IMU, model-based dead-reckoning, and one-way-travel-time acoustic range measurements for autonomous underwater vehicles | |
US20090099774A1 (en) | Systems and methods for improved position determination of vehicles | |
Wang et al. | Enhanced multi-sensor data fusion methodology based on multiple model estimation for integrated navigation system | |
WO2016203744A1 (ja) | 測位装置 | |
KR100443550B1 (ko) | 오차보정시스템을 구비하는 관성측정유닛-지피에스통합시스템과 미지정수 검색범위 축소방법 및 사이클 슬립검출방법, 및 그를 이용한 항체 위치, 속도,자세측정방법 | |
Bistrov | Performance analysis of alignment process of MEMS IMU | |
CN108548535A (zh) | 低速gnss/mems组合导航系统的初始化方法 | |
CN108828644B (zh) | Gnss/mems紧组合导航系统中动态突变识别方法 | |
Nagui et al. | Improved GPS/IMU loosely coupled integration scheme using two kalman filter-based cascaded stages | |
CN111708008B (zh) | 一种基于imu和tof的水下机器人单信标导航方法 | |
Farrell et al. | GNSS/INS Integration | |
Park et al. | GPS-aided gyroscope-free inertial navigation systems | |
Atia et al. | A novel systems integration approach for multi-sensor integrated navigation systems | |
CN101949702B (zh) | 使用mems加速度计的gnss pvt质量快速自检方法 | |
Reinstein | Evaluation of fine alignment algorithm for inertial navigation | |
Martin | Overcoming the challenges of low-cost inertial navigation | |
Tsaregorodtsev et al. | Integration of GNSS with non-radio sensors with separation of the state vector for transport navigation tasks | |
Nagui et al. | Smart Real-Time Autonomous Navigation System using integration of MEMS-based Low-Cost IMU/GPS | |
Li et al. | Key Techniques of SINS/DVL Integrated Navigation System | |
Sazdovski et al. | Kalman filter implementation for unmanned aerial vehicles navigation developed within a graduate course | |
Elsabbagh et al. | Precise Orientation Estimation Based on Nonlinear Modeling and Quaternion Transformations for Low Cost Navigation Systems | |
Sukkarieh et al. | The GPS aiding of INS for land vehicle navigation | |
Fathi et al. | INS alignment improvement using rest heading and zero-velocity updates | |
Geng et al. | A low-cost MEMS IMU/DVL/Pressure Sensor integrated navigation system for autonomous underwater vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |