CN111856536A - 一种基于系统间差分宽巷观测的gnss/ins紧组合定位方法 - Google Patents

Abstract

本发明公开了一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法。首先利用三频超宽巷、宽巷线性组合观测值计算单历元GNSS宽巷模糊度，实现线性组合载波相位观测值的瞬时模糊度固定。然后引入系统间差分模型跨系统构建双差宽巷观测方程，对不同卫星系统间双差宽巷组合模糊度重参化并进行参数去相关，实时估计基于宽巷组合的载波差分系统间偏差。最后将构建好的卫星观测方程代入GNSS/INS紧组合模型进行定位误差估计，用其修正当前历元惯导输出的概略坐标，并最终实现高精度定位输出。实验结果表明：在诸如城市峡谷等城市复杂环境中，利用本发明提出的方法可以有效增加冗余双差观测方程，在卫星数较少的遮挡环境下明显提升定位性能。

Description

一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法

技术领域

本发明属于GNSS/INS组合导航定位技术领域，具体涉及一种基于系统间差分宽巷观测的 GNSS/INS紧组合定位方法。

背景技术

组合定位技术指利用不同系统间互补的定位观测能力进行补偿，提升定位精度、连续性、稳定性的定位技术。在目前最常用的GNSS/INS组合定位中，通过估计GNSS和INS对相同对象的观测偏差直接或间接修正由INS产生的概略坐标，从而获得更准确的定位解；一般有松组合、紧组合和深组合(或称超紧组合)三种组合框架；对于其中紧组合而言，两种传感器共同的观测对象一般指卫星到载体的距离，也称卫地距。其中INS的观测值基于其自身推算出的概略坐标与卫星坐标的几何距离决定；而相对应的，GNSS的观测精度决定了概略坐标的修正准确度；因此如何获得动态情况下GNSS高精度观测值一直是GNSS/INS组合导航定位领域最重要的研究内容之一；另外，在复杂环境中无法确保GNSS观测定位可靠性，所以现在的无人驾驶设计方案必须更多依赖更多传感器的相对定位，因此导致成本和复杂性明显增加。

在构建GNSS双差观测的过程中，传统方法需要在各系统内选择相应的参考星，与本系统的观测星形成卫星对，称为系统内差分模型，也称卫星差分的松耦合模型；与之对应的另一种模型可以在不同卫星系统间利用一颗全局参考星，与来自任何系统的观测星形成卫星对，称为系统间差分模型，也称卫星差分的紧耦合模型。在卫星数充足的场景下，两者实际效果相仿；而在可视卫星数较少的场景下，由于紧耦合模型可以形成更多冗余观测，并建立了系统间的联系，改进模型强度，所以可以有效提升定位精度；因此，基于紧耦合模型的GNSS/INS 组合定位方法更适合在城市峡谷等复杂环境中应用。

发明内容

为解决上述问题，本发明公开了一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法，实现高精度、连续的车载实时组合定位算法。

为达到上述目的，本发明的技术方案如下：

一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法，包括以下步骤：

步骤(1)计算GNSS三频宽巷单历元模糊度

通过公式(1)(2)表示三频线性组合伪距观测值

和载波相位观测值

超宽巷线性组合系数为(0，-1，1)；使用无几何无电离层模型(GIF)计算超宽巷模糊度，计算如公式(3)所示：

再用TCAR算法计算宽巷线性组合(1，-1，0)载波相位观测值模糊度，如公式(4)：

步骤(2)构建系统间差分模型

以BDS为参考系统为例，此时GPS为观测系统。用公式(5)表达双差观测方程

其中

按公式(6)表达：

因此，公式(5)的双差观测方程可以转换为：

进一步地，令

公式(7)可以更改为：

其中

是需要估计的DISB参数。具有WL观测的BDS和GPS的系统间模型可以表示为公式(9)：

步骤(3)构建系统间差分改进的GNSS/INS紧组合模型

选取16维状态向量，如公式(10)所示：

则考虑系统间差分的宽巷GNSS/INS紧组合模型的测量方程可表示为公式(11)：

则第k历元的观测方程可以表示为公式(12)：

把公式(12)写成矩阵形式，通过GNSS系统间差分估计和EWL/WL观测改进的量测模型如下所示：

步骤(4)选择融合算法

本实例中的融合算法选用标准CKF(Cubature Kalman Filter，容积卡尔曼滤波器)。由于 CKF比EKF(Extended Kalman Filter，扩展卡尔曼滤波器)具有更高的非线性化处理精度，并且比UKF(Unscented Kalman Filter，无迹卡尔曼滤波器)具有更低的计算复杂度，所以 CKF是最新组合导航定位研究中最有效的融合算法。

本发明的有益效果是：

本发明在车载动态GNSS/INS紧组合定位中首先利用卫星三频观测值实现EWL/WL分步模糊度固定，实现载波观测值固定解的单瞬时获取；然后引入系统间差分模型，借助全局参考星构建双差观测值，提升模型强度。这两步卫星观测值得预处理过程实现了在降低组合定位模型维度的同时，改进了复杂环境下GNSS/INS紧组合定位精度。本发明的目的旨在：

前文阐述的技术内容利用卫星三频观测值实现瞬时模糊度固定，并估计DISB参数构建跨系统双差观测方程。使用该方法允许在可视卫星数不足时通过增加冗余观测加强定位模型强度，有效提升GNSS/INS紧组合定位精度；在卫星观测值频繁被遮挡时实现各历元独立解算，避免因周跳影响相邻历元定位稳定性；此外，由于宽巷模糊度直接取整固定，避免传统方法中模糊度估计、搜索过程，大幅降低了模型维度和运算量。因此，通过本方法可以利用 GNSS/INS提高绝对定位性能，减少对相对定位的需求，降低辅助传感器数量，降低车载定位传感器布设成本。

其后续应用可推动北斗系统刚在无人驾驶为代表的动态定位领域的工程化应用。

附图说明

图1是本发明涉及的改进GNSS/INS紧组合框架示意图；

图2是实例中提及用于采集数据的计量车；

图3是NovAtel SPAN-ISA-100C System组合定位设备；

图4是动态定位精度评估用的零基线布设示意图；

图5是动态测试行车路线，红色部分为信号遮挡路段；

图6是采集数据过程中的观测卫星数；

图7是使用传统组合定位方法得到的定位精度；

图8是使用本发明中的方法得到的定位精度。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

针对城市复杂环境下卫星信号频繁遮挡影响高精度定位稳定性的问题，重点研究GNSS/INS紧组合定位快速获得高精度载波观测值固定解的方法；针对复杂环境下车载动态组合定位应用中卫星信号容易被遮挡的技术难题，重点研究可视卫星较少时提升卫星观测精度的方法，改进GNSS/INS紧组合定位算法在城市复杂环境中的应用性能。

步骤(1)计算GNSS三频宽巷单历元模糊度，具体内容如下：

对于基线较短的应用，三频观测方程可以表示为：

其中

和

是三频载波相位和伪距观测值的双差线性组合，可以表示如下：

上式中，i，j，k是三频组合系数，f₁，f₂，f₃是三个频率。

是以米为单位的每个频率中的双差载波相位观测值。

是每个频率的双差伪距观测值。在公式(3)和(4)中，即使采用双差处理，线性组合也可能增加大气误差影响。考虑到波长和噪声放大系数，(0，-1,1)和(1，-1,0)的组合最适合BDS的EWL(超宽巷)和WL(宽巷)。在GPS方面，WL组合的(1,0，-1)与(1，-1,0)具有相似的效果。但是，为了保持算法的一致性，在处理GPS三频观测时，我们也将(0，-1,1)用于EWL，将(1，-1,0)用于WL。当载波相位组合系数稳定后，通过将伪距组合系数调整为(0,1,1)，可将载波相位噪声降至最低。

为了实现单历元模糊度解算，其原理是首先修正EWL的模糊度，然后利用结果修正WL 的模糊度。此处使用无几何无电离层模型(GIF)计算EWL模糊度，计算公式如下：

其中

是线性组合(0，-1,1)的EWL的双差模糊度。λ_(0，-1，1)是三频观测值的组合波长。

表示双差载波相位观测，

表示线性组合(0,1,1)的伪距观测。

和

均以米为单位。一旦固定了EWL模糊度，就可以基于TCAR算法建立处理WL模糊度的公式：

在短基线情况下，上式消除了对流层和电离层误差，仅留下了载波观测噪声和电离层延迟η，其影响是可控的。电离层延迟(以米为单位)的影响系数可以通过公式(7)获得：

由于电离层延迟的影响系数较小，因此对于较短的基线应用，可以忽略电离层延迟。由于较小的大气噪声影响和较长的波长，可以通过四舍五入取整来准确地固定WL模糊度。

步骤(2)构建系统间差分模型，具体内容如下：

假设BDS为参考系统，而GPS为观测系统。短基线双差观测方程式可以表示为方程式(8)：

其中Δ是单差算子，表示站点之间的单差。

是双差运算符。

是载波相位观测值，ρ是卫星站距离，λ表示波长，N表示模糊度，ε表示观测噪声。上标字母C和G分别代表BDS和GPS 系统。这里使用参数δ^CG表示BDS和GPS之间的硬件相位延迟。我们使用1_C表示BDS参考卫星。类似地，在下文中，将使用1_G表示GPS参考卫星。我们还使用S表示GPS的可观测卫星。在基线较短的情况下，时钟偏置和电离层误差参数被认为已消除。但是，对于高于15km 的基线，对流层误差仍然不能忽略，这由公式(8)中的T表示。由于两个系统之间的波长不同，因此尚无法直接处理具有波长的参数。模糊度参数调整如下：

其中

可以进一步转换为：

因此，等式(8)的双差观测方程可以转换为：

进一步地，令

公式(11)可以更改为：

其中

是需要估计的DISB参数。具有WL观测的BDS和GPS的系统间模型可以表示为：

步骤(3)构建系统间差分改进的GNSS/INS紧组合模型，具体内容如下：

基于INS误差设计了经典的GNSS/INS紧组合状态向量。本实例所提出的算法与传统方法所选用的状态向量区别就在于DISB参数。因此，此处状态向量为16维向量，如下所示：

其中X表示待估状态向量，dr，dv和dθ分别表示位置、速度和姿态误差。这三个向量通常用符号δ表示，但是此处为了使状态误差和DISB参数

在表述上有所区分，此处使用d来表示。

是陀螺仪偏置误差向量，a是加速度计偏置误差向量。DISB在各个历元之间是相对独立的，其值主要受当前历元的载波模糊度影响。因此，在状态模型的系统矩阵中，DISB的传递系数为1。考虑系统间差分的宽巷GNSS/INS紧组合模型的测量方程可表示为：

其中

和

是系统间载波双差观测和从INS观测推断出的几何距离。该方程式描述了GNSS和INS之间的测量误差。由于可以精确计算出

和

因此在进一步变换之后，可以将公式更改为：

式中

和

表示方向余弦，dx，dy，dz是定位误差。令

则第k历元的观测方程可以表示为：

把公式(17)写成矩阵形式，通过GNSS系统间差分估计和EWL/WL观测改进的量测模型如下所示：

步骤(4)选择融合算法，具体内容如下：

基于载波相位观测的GNSS/INS紧组合定位方法如图4所示。如果使用传统方法，要使用载波相位观测需要额外的KF(Kalman Filter,卡尔曼滤波器)结合LAMBDA(Least-square Ambiguity Decorrelation Adjustment，最小二乘模糊度去相关调整)算法用于搜索和固定模糊度。一方面，基于多历元模糊度处理要求保证GNSS信号连续并无明显周跳，而在复杂环境中频繁的信号中断会导致载波固定解的不稳定性和不可靠性。另一方面，在紧组合过程中两个卡尔曼滤波的设计显著增加了组合框架的复杂性。为此，我们引入了三频观测和相应的处理方法，取代上述传统经典方案中的模糊度固定方法。引入新方法后的单历元模糊度固定，比使用滤波搜索和固定的算法更加简易，因此可以有效降低组合方案的复杂性。

在图1中，P，f，ω是INS的原始测量值，代表从加速度计和陀螺仪获得的位置、比力和角速度。δP，δV，δA，δε，

指的是当前历元INS状态，作为融合算法的输入；

表示融合算法输出的估计状态向量，在下一个历元也将作为输入。

和

分别是GNSS和INS的测量值，用于组成测量向量。本实例中的融合算法选用标准CKF(Cubature Kalman Filter，容积卡尔曼滤波器)。由于CKF比EKF(Extended KalmanFilter，扩展卡尔曼滤波器)具有更高的非线性化处理精度，并且比UKF(Unscented KalmanFilter，无迹卡尔曼滤波器)具有更低的计算复杂度，所以CKF是最新组合导航定位研究中最有效的融合算法。关于标准CKF估计过程的介绍及解释将不在本实例中呈现。

本实例中通过专用的计量车进行实验验证(图2)。该计量车包含NovAtel SPAN-ISA-100C 组合定位设备(图3)，并以零基线方式连接可接收北斗三频数据的司南接收机T300。为了确保动态定位精度评估可靠性，采用零基线连接方式确保基准系统与检测设备接收相同的观测信息(图4)。行车路线中有部分卫星信号遮挡路段(图5)。图6为行车过程中的观测到的卫星数。

实例中通过组合定位设备采集的数据，经过Waypoint Inertial Explorer软件进行后处理后的定位数据可作为真值，用于比对判断定位精度。首先使用组合定位设备中的高精度惯导 ISA-100C进行试验，如图7中所示为传统方法实现的组合定位精度。图8所示为使用本发明中描述的方法得到的定位精度，提升效果明显。可见本方法对城市复杂环境下提升车载动态定位精度有较好效果。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (4)

1.一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法，其特征在于：包括以下步骤：

(1)利用三频超宽巷、宽巷线性组合观测值计算单历元GNSS宽巷模糊度，实现线性组合载波相位观测值的瞬时模糊度固定；

(2)引入系统间差分模型构建双差宽巷观测方程，对不同卫星系统间双差宽巷组合模糊度重参化并进行参数去相关，实时估计基于宽巷组合的载波差分系统间偏差；

(3)将构建好的卫星观测方程代入GNSS/INS紧组合模型进行定位误差估计，用其修正当前历元惯导输出的概略坐标，并最终求取高精度定位解。

2.根据权利要求1所述的一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法，其特征在于：基于GNSS单历元超宽巷、宽巷模糊度解算建立新观测模型，具体是使用经GNSS单历元超宽巷、宽巷模糊度固定后得到的双差卫地距与惯导结合星历推导得到的双差卫地距作差从而得到GNSS/INS观测向量；通过对双差卫地距进行一次泰勒展开得到三维方向分量展开后的观测矩阵。

3.根据权利要求1所述的一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法，其特征在于：基于系统间差分模型的观测值建立改进的GNSS/INS紧组合定位模型，具体是使用经系统间差分模型在所有可视卫星中利用全局参考星得到夸系统的双差观测值，用于形成观测方程，并以此改进GNSS/INS观测模型的建立；在传统基于INS误差状态的状态向量基础上增加了对系统间偏差参数的估计，形成16维状态向量，并参与状态模型和量测模型的构建。

4.根据权利要求1所述的一种基于系统间差分宽巷观测的GNSS/INS紧组合定位方法，其特征在于：具体包括以下步骤：

步骤(1)计算GNSS三频宽巷单历元模糊度，

通过公式(1)(2)表示三频线性组合伪距观测值

和载波相位观测值

上式中，i，j，k是三频组合系数，f₁，f₂，f₃是三个频率，

是以米为单位的每个频率中的双差载波相位观测值。

是每个频率的双差伪距观测值，

超宽巷线性组合系数为(0，-1，1)，使用无几何无电离层模型计算超宽巷模糊度，计算如公式(3)所示：

再用TCAR算法计算宽巷线性组合(1，-1，0)载波相位观测值模糊度，如公式(4)：

其中

是线性组合(0，-1,1)的EWL的双差模糊度，λ_(0，-1，1)是三频观测值的组合波长，

表示双差载波相位观测，

表示线性组合(0,1,1)的伪距观测，

和

均以米为单位；

步骤(2)构建系统间差分模型

以BDS作为参考系统为例，采用GPS为观测系统，用公式(5)表达双差观测方程

其中Δ是单差算子，表示站点之间的单差，

是双差运算符，

是载波相位观测值，ρ是卫星站距离，λ表示波长，N表示模糊度，ε表示观测噪声，上标字母C和G分别代表BDS和GPS系统，这里使用参数δ^CG表示BDS和GPS之间的硬件相位延迟，1_C表示BDS参考卫星；

其中

按公式(6)表达：

因此，公式(5)的双差观测方程转换为：

进一步地，令

公式(7)更改为：

其中

是需要估计的DISB参数，具有WL观测的BDS和GPS的系统间模型表示为公式(9)：

步骤(3)构建系统间差分改进的GNSS/INS紧组合模型：

选取16维状态向量，如公式(10)所示：

则考虑系统间差分的宽巷GNSS/INS紧组合模型的测量方程表示为公式(11)：

则第k历元的观测方程表示为公式(12)：

把公式(12)写成矩阵形式，通过GNSS系统间差分估计和EWL/WL观测改进的量测模型如下所示：

完成状态模型和观测模型建模之后，选用标准CKF作为组合定位融合算法，不作赘述。

Images