CN112985456A - 一种融合机载测高数据及地形数据的导航定位修正方法 - Google Patents
一种融合机载测高数据及地形数据的导航定位修正方法 Download PDFInfo
- Publication number
- CN112985456A CN112985456A CN201911300210.1A CN201911300210A CN112985456A CN 112985456 A CN112985456 A CN 112985456A CN 201911300210 A CN201911300210 A CN 201911300210A CN 112985456 A CN112985456 A CN 112985456A
- Authority
- CN
- China
- Prior art keywords
- airborne
- navigation
- data
- positioning
- inertial navigation
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000013499 data model Methods 0.000 claims description 12
- 238000013179 statistical model Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 3
- 230000035515 penetration Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种融合机载测高数据及地形数据的导航定位修正方法。在飞机飞行运动过程中，首先基于惯性导航设备获取的位置状态数据及地形数据，构建基于并行卡尔曼滤波算法构建机载定位系统的联合导航定位模型，然后采用递推方法对惯性导航系统的定位结果进行修正，提高导航设备的精度，从而解决在复杂地形环境以及GPS信号信号受到遮挡或屏蔽条件下的机载导航定位修正技术，实现飞机位置的精确定位，从而提高机载导航系统的性能和可靠性,提高战机低空突防能力。
Description
技术领域
本发明涉及一种融合机载测高数据及地形数据的导航定位修正方法。
技术背景
机载导航定位技术是机载系统的重要组成部分，可以为机载系统提供实时准确的当前位置和姿态数据，有助于飞行员了解目前所处战地环境，提高作战效能。但是，由于受外界环境影响及导航设备本身性能的约束，单一的导航设备难以满足机载系统的定位需求。惯性导航系统隐蔽性好，但是具有漂移累积位置误差的缺点，全球导航定位技术可以获取高精度的定位结果,但是,在山地丘陵地带，接收机因可见卫星少且卫星信号受到遮挡或屏蔽，导航精度将明显降低.因此,亟需开展复杂地形环境下的机载导航定位修正技术，适应复杂多变的地形环境,提高机载系统的定位精度和可靠性。
地形辅助导航技术是一种广泛应用的地形导航定位技术，其主要采用数字地图提供参考信息辅助校正机载惯性导航系统，从而达到提高导航精度，増强系统可靠性目标的一种精确导航的技术，由于其具有自主、隐蔽、全天候、导航定位精度与航程无关的特点，因此在导航定位领域得到了广泛的应。本文基于导航定位的基本原理，提出了一种融合机载惯性测高数据及地形数据的导航定位修正技术。首先基于惯性导航设备获取的位置状态数据及地形数据，构建基于并行卡尔曼滤波算法构建机载定位系统的联合导航定位模型，然后采用递推方法对惯性导航系统的定位结果进行修正，提高导航设备的精度，从而解决在复杂地形环境以及GPS信号信号受到遮挡或屏蔽条件下的机载导航定位修正技术，实现飞机位置的精确定位，从而提高机载导航系统的性能和可靠性,提高战机低空突防能力。
发明内容
本发明公开了一种融合机载测高数据及地形数据的导航定位修正方法。在飞机飞行运动过程中，首先基于惯性导航设备获取的位置状态数据及地形数据，构建基于并行卡尔曼滤波算法构建机载定位系统的联合导航定位模型，然后采用递推方法对惯性导航系统的定位结果进行修正，提高导航设备的精度，从而解决在复杂地形环境以及GPS信号信号受到遮挡或屏蔽条件下的机载导航定位修正技术，实现飞机位置的精确定位，从而提高机载导航系统的性能和可靠性,提高战机低空突防能力。
本发明提供了一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，包括以下步骤：
步骤A：基于飞机运动学定理以及机载惯性导航设备的位置偏差、速度偏差，以及加速度偏差，建立飞行器运动的状态方程。
步骤B：基于机载惯性导航设备获取的的当前位置及高度数据，数字地形DEM存储的高度及雷达高度计获取的高度，建立机载导航定位的量测方程。
步骤C：基于机载观测导航设备获取的当前位置及地形数据，对地形数据进行线性化处理，获取机载导航定位的量测方程的系数，构建机载定位系统的联合导航定位的数据模型。
步骤D：根据机载惯性导航定位结果的可靠性，建立惯性导航行为结果的协方差矩阵，构建联合导航定位模型的统计模型。
步骤E：基于联合导航定位模型的数据模型和统计模型，采用机载导航系统的连续观测数据，采用卡尔曼滤波算法对其进行解算，获取机载惯性导航设备的导航定位的修正量。
步骤F：利用机载惯性导航设备的系统误差的最佳估计对机载惯性导航定位结果进行位置修正及补偿，提高导航定位结果的精度。
所述步骤A中的飞行器运动的状态方程的建立可以根据飞行器的运行定理，根据相邻时刻的机载惯性导航设备的位置偏差、速度偏差，以及加速度偏差建立，具体如下：
Xk＝Φk,k-1Xk-1+wk-1
其中：Xk＝[δx δy δh δvx δvy]T，δx,δy,δz,分别为机载惯性导航设备的位置偏差，δvx,δvy,δvz为机载惯性导航设备的速度偏差，δαz为机载惯性导航设备的加速度偏差，wk-1为系统动态噪声。Φk,k-1为状态转移矩阵，具体如下：
所述步骤B中机载导航定位的量测方程可以基于机载惯性导航设备获取的的当前位置及高度数据，数字地形DEM存储的高度及雷达高度计获取的高度建立，具体如下所示：
Δh＝hk(xk,yk)-hm(xk,yk)-hr(xk,yk)
其中hk(xk,yk)为惯性导航定位设备获取的当前的数字地形DEM存储的高度飞行高度，hm(xk,yk)为基于惯性导航定位设备获取的当前位置数据从数字地形DEM存储的高度，hr(xk,yk)为雷达高度计获取的高度。
所述步骤C中机载定位系统的联合导航定位的数据模型基于地形高度是位置的非线性函数，通过对地形数据进行线性化处理获取，具体如下：
Zk,t＝HkXk,t+nk
其中Zk,t为高程数据测量值，
为量测矩阵的系数矩阵，nk为高斯测量白噪声。hx，hy分别为x方向，y方向上的地形斜率。可以采用地形局部线性化处理进行求解：
其中d为DEM地形数据的空间分辨率。
所述步骤D中的联合导航定位模型的统计模型可以根据机载惯性导航定位结果的可靠性，建立惯性导航行为结果的协方差矩阵Qk。
所述步骤E中的机载惯性导航设备的导航定位的修正量，可以基于于联合导航定位模型的数据模型和统计模型，采用载导航系统的连续观测数据，采用卡尔曼滤波算法对其进行解算，具体如下：
所述步骤F对机载惯性导航定位结果进行位置修正及补偿可以基于机载惯性导航设备的导航定位的修正量及机载导航设备的导航定位结果进行补偿和修正，从而高导航定位结果的精度。
附图说明
图1图示了一种融合机载测高数据及地形数据的导航定位修正方法流程图。
具体实施方式
以下通过具体实例对本发明的技术方案进行说明，但下述实施例并不能限制本发明的保护范围。
本发明公开了一种融合机载测高数据及地形数据的导航定位修正方法技术涉及航空控制技术领域，尤其是飞行器中广泛应用的基于数字地形数据库的近地告警类设备所涉及的机载机载地形数据的机载惯性导航设备的定位修真，此类系统包括但不限于航空器近地告警设备、近地防撞系统、地形提示与警告系统以及综合环境监测系统等航电设备的具体产品。
本发明公开了一种融合机载测高数据及地形数据的导航定位修正方法。在飞机飞行运动过程中，首先基于惯性导航设备获取的位置状态数据及地形数据，构建基于并行卡尔曼滤波算法构建机载定位系统的联合导航定位模型，然后采用递推方法对惯性导航系统的定位结果进行修正，提高导航设备的精度，从而解决在复杂地形环境以及GPS信号信号受到遮挡或屏蔽条件下的机载导航定位修正技术，实现飞机位置的精确定位，从而提高机载导航系统的性能和可靠性,提高战机低空突防能力。
本发明提供了一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，包括以下步骤：
步骤A：基于飞机运动学定理以及机载惯性导航设备的位置偏差、速度偏差，以及加速度偏差，建立飞行器运动的状态方程。
步骤B：基于机载惯性导航设备获取的的当前位置及高度数据，数字地形DEM存储的高度及雷达高度计获取的高度，建立机载导航定位的量测方程；
步骤C：基于机载观测导航设备获取的当前位置及地形数据，对地形数据进行线性化处理，获取机载导航定位的量测方程的系数，构建机载定位系统的联合导航定位的数据模型。
步骤D：根据机载惯性导航定位结果的可靠性，建立惯性导航行为结果的协方差矩阵，构建联合导航定位模型的统计模型。
步骤E：基于联合导航定位模型的数据模型和统计模型，采用机载导航系统的连续观测数据，采用卡尔曼滤波算法对其进行解算，获取机载惯性导航设备的导航定位的修正量。
步骤F：利用机载惯性导航设备的系统误差的最佳估计对机载惯性导航定位结果进行位置修正及补偿，提高导航定位结果的精度。
所述步骤A中的飞行器运动的状态方程的建立可以根据飞行器的运行定理，根据相邻时刻的机载惯性导航设备的位置偏差、速度偏差，以及加速度偏差建立，具体如下：
Xk＝Φk,k-1Xk-1+wk-1
其中：Xk＝[δx δy δh δvx δvy]T，δx,δy,δz,分别为机载惯性导航设备的位置偏差，δvx,δvy,δvz为机载惯性导航设备的速度偏差，δαz为机载惯性导航设备的加速度偏差，wk-1为系统动态噪声。Φk,k-1为状态转移矩阵，具体如下：
所述步骤B中机载导航定位的量测方程可以基于机载惯性导航设备获取的的当前位置及高度数据，数字地形DEM存储的高度及雷达高度计获取的高度建立，具体如下所示：
Δh＝hk(xk,yk)-hm(xk,yk)-hr(xk,yk)
其中hk(xk,yk)为惯性导航定位设备获取的当前的数字地形DEM存储的高度飞行高度，hm(xk,yk)为基于惯性导航定位设备获取的当前位置数据从数字地形DEM存储的高度，hr(xk,yk)为雷达高度计获取的高度。
所述步骤C中机载定位系统的联合导航定位的数据模型基于地形高度是位置的非线性函数，通过对地形数据进行线性化处理获取，具体如下：
Zk,t＝HkXk,t+nk
其中Zk,t为高程数据测量值，
为量测矩阵的系数矩阵，nk为高斯测量白噪声。hx，hy分别为x方向，y方向上的地形斜率。可以采用地形局部线性化处理进行求解：
其中d为DEM地形数据的空间分辨率。
所述步骤D中的联合导航定位模型的统计模型可以根据机载惯性导航定位结果的可靠性，建立惯性导航行为结果的协方差矩阵Qk。
所述步骤E中的机载惯性导航设备的导航定位的修正量，可以基于于联合导航定位模型的数据模型和统计模型，采用载导航系统的连续观测数据，采用卡尔曼滤波算法对其进行解算，具体如下：
所述步骤F对机载惯性导航定位结果进行位置修正及补偿可以基于机载惯性导航设备的导航定位的修正量及机载导航设备的导航定位结果进行补偿和修正，从而高导航定位结果的精度。
使用方法如下：将一种基于飞行位置的机载地形数据的实时动态调度处理技术以软件模块形式进行封装，内嵌于航空器机载系统主程序,完成机载惯性导航定位结果的补偿和修正,提高机载导航定位设备的定位精度。
以上仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，包含有以下步骤并依次执行，
步骤A：基于飞机运动学定理以及机载惯性导航设备的位置偏差、速度偏差以及加速度偏差，建立飞行器运动的状态方程；
步骤B：基于机载惯性导航设备获取的的当前位置及高度数据，数字地形DEM存储的高度及雷达高度计获取的高度，建立机载导航定位的量测方程；
步骤C：基于机载观测导航设备获取的当前位置及地形数据，对地形数据进行线性化处理，获取机载导航定位的量测方程的系数，构建机载定位系统的联合导航定位的数据模型；
步骤D：根据机载惯性导航定位结果的可靠性，建立惯性导航行为结果的协方差矩阵，构建联合导航定位模型的统计模型；
步骤E：基于联合导航定位模型的数据模型和统计模型，采用机载导航系统的连续观测数据，采用卡尔曼滤波算法对其进行解算，获取机载惯性导航设备的导航定位的修正量；以及，
步骤F：利用机载惯性导航设备的系统误差的最佳估计对机载惯性导航定位结果进行位置修正及补偿，提高导航定位结果的精度。
2.根据权利要求1所述的一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，所述步骤A中的飞行器运动的状态方程的建立可以根据飞行器的运行定理，根据相邻时刻的机载惯性导航设备的位置偏差、速度偏差，以及加速度偏差建立，具体如下：
Xk＝Φk,k-1Xk-1+wk-1
其中：Xk＝[δx δy δh δvx δvy]T，δx,δy,δz,分别为机载惯性导航设备的位置偏差，δvx,δvy,δvz为机载惯性导航设备的速度偏差，δαz为机载惯性导航设备的加速度偏差，wk-1为系统动态噪声，Φk,k-1为状态转移矩阵，具体如下：
3.根据权利要求1所述的一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，所述步骤B中机载导航定位的量测方程可以基于机载惯性导航设备获取的的当前位置及高度数据，数字地形DEM存储的高度及雷达高度计获取的高度建立，具体如下所示：
△h＝hk(xk,yk)-hm(xk,yk)-hr(xk,yk)
其中hk(xk,yk)为惯性导航定位设备获取的当前的数字地形DEM存储的高度飞行高度，hm(xk,yk)为基于惯性导航定位设备获取的当前位置数据从数字地形DEM存储的高度，hr(xk,yk)为雷达高度计获取的高度。
4.根据权利要求1所述的一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，所述步骤C中机载定位系统的联合导航定位的数据模型基于地形高度是位置的非线性函数，通过对地形数据进行线性化处理获取，具体如下：
Zk,t＝HkXk,t+nk
其中Zk,t为高程数据测量值，
为量测矩阵的系数矩阵，nk为高斯测量白噪声，hx，hy分别为x方向，y方向上的地形斜率。可以采用地形局部线性化处理进行求解：
其中d为DEM地形数据的空间分辨率。
5.根据权利要求1所述的一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，所述步骤D中的联合导航定位模型的统计模型可以根据机载惯性导航定位结果的可靠性，建立惯性导航行为结果的协方差矩阵Qk。
6.根据权利要求1所述的一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，所述步骤E中的机载惯性导航设备的导航定位的修正量，可以基于于联合导航定位模型的数据模型和统计模型，采用载导航系统的连续观测数据，采用卡尔曼滤波算法对其进行解算，具体如下：
7.根据权利要求1所述的一种融合机载测高数据及地形数据的导航定位修正方法，其特征在于，所述步骤F对机载惯性导航定位结果进行位置修正及补偿可以基于机载惯性导航设备的导航定位的修正量及机载导航设备的导航定位结果进行补偿和修正，从而高导航定位结果的精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911300210.1A CN112985456A (zh) | 2019-12-16 | 2019-12-16 | 一种融合机载测高数据及地形数据的导航定位修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911300210.1A CN112985456A (zh) | 2019-12-16 | 2019-12-16 | 一种融合机载测高数据及地形数据的导航定位修正方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112985456A true CN112985456A (zh) | 2021-06-18 |
Family
ID=76342038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911300210.1A Pending CN112985456A (zh) | 2019-12-16 | 2019-12-16 | 一种融合机载测高数据及地形数据的导航定位修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112985456A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4300136A1 (en) * | 2022-07-01 | 2024-01-03 | Autel Robotics Co., Ltd. | Automatic obstacle avoidance method, electronic device, and unmanned aerial vehicle |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426018A (zh) * | 2011-08-19 | 2012-04-25 | 北京航空航天大学 | 基于混合地形轮廓匹配tercom算法和粒子滤波的地形辅助导航方法 |
| CN106052688A (zh) * | 2016-08-08 | 2016-10-26 | 西安电子科技大学 | 基于地形轮廓匹配的惯性导航系统速度累积误差修正方法 |
| CN108731670A (zh) * | 2018-05-18 | 2018-11-02 | 南京航空航天大学 | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 |
-
2019
- 2019-12-16 CN CN201911300210.1A patent/CN112985456A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426018A (zh) * | 2011-08-19 | 2012-04-25 | 北京航空航天大学 | 基于混合地形轮廓匹配tercom算法和粒子滤波的地形辅助导航方法 |
| CN106052688A (zh) * | 2016-08-08 | 2016-10-26 | 西安电子科技大学 | 基于地形轮廓匹配的惯性导航系统速度累积误差修正方法 |
| CN108731670A (zh) * | 2018-05-18 | 2018-11-02 | 南京航空航天大学 | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李振: "地形辅助导航系统匹配算法研究", 博士论文, 15 February 2016 (2016-02-15), pages 18 - 21 * |
| 马昕, 袁信: "地形辅助惯性导航系统研究", 南京航空航天大学学报, no. 03, 30 June 1997 (1997-06-30) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4300136A1 (en) * | 2022-07-01 | 2024-01-03 | Autel Robotics Co., Ltd. | Automatic obstacle avoidance method, electronic device, and unmanned aerial vehicle |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3362925B2 (ja) | 航空機用搭載航法装置 | |
| CN101270993B (zh) | 一种远程高精度自主组合导航定位方法 | |
| CN102506868B (zh) | 基于联邦滤波的sins/smans/trns组合导航方法及系统 | |
| US6094607A (en) | 3D AIME™ aircraft navigation | |
| JP2008304260A (ja) | 画像処理装置 | |
| US10782418B1 (en) | Calculation method for visual navigation integrity monitoring | |
| Rhudy et al. | Fusion of GPS and redundant IMU data for attitude estimation | |
| CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
| CN103063216A (zh) | 一种基于星像坐标建模的惯性与天文组合导航方法 | |
| CN111189442A (zh) | 基于cepf的无人机多源导航信息状态预测方法 | |
| Zorina et al. | Enhancement of INS/GNSS integration capabilities for aviation-related applications | |
| CN112985456A (zh) | 一种融合机载测高数据及地形数据的导航定位修正方法 | |
| Rhudy et al. | Sensitivity analysis of EKF and UKF in GPS/INS sensor fusion | |
| WO2021236454A1 (en) | Multi-inertial measurement unit fusion for fine-resolution position estimation | |
| CN112179347B (zh) | 一种基于光谱红移误差观测方程的组合导航方法 | |
| CN105466423A (zh) | 一种无人机导航系统及其运行方法 | |
| Ma et al. | Analysis of positioning errors caused by platform vibration of airborne LiDAR system | |
| CN110307840B (zh) | 一种基于多波束测距测速和惯性的着陆段鲁棒融合方法 | |
| CN114763998B (zh) | 基于微型雷达阵列的未知环境并行导航方法和系统 | |
| RU2502049C1 (ru) | Малогабаритная бесплатформенная инерциальная навигационная система средней точности, корректируемая от системы воздушных сигналов | |
| CN111780750B (zh) | 基于多传感器的民航客机高精度定位方法、设备、介质 | |
| Schettini et al. | Sensor fusion approach for aircraft state estimation using inertial and air-data systems | |
| CN106871892B (zh) | 一种航空器组合导航方法和装置 | |
| Schettini et al. | Wind identification via Kalman filter for aircraft flow angles calibration | |
| Xu et al. | The novel method with sequence SAR imagery for INS/SAR integrated navigation system |
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 |