CN112987066A - 基于多系统多源定位数据融合的海上目标定位方法 - Google Patents
基于多系统多源定位数据融合的海上目标定位方法 Download PDFInfo
- Publication number
- CN112987066A CN112987066A CN202110502897.8A CN202110502897A CN112987066A CN 112987066 A CN112987066 A CN 112987066A CN 202110502897 A CN202110502897 A CN 202110502897A CN 112987066 A CN112987066 A CN 112987066A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning
- inertial navigation
- measurement
- 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.)
- Granted
Links
Images
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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Abstract
本发明公开了一种基于多系统多源定位数据融合的海上目标定位方法,包括如下步骤:S1、获取全球导航卫星系统的经度、纬度和时间的定位数据;S2、获取惯性导航系统的经度、纬度和时间定位数据;S3、气象传感器获取气压高度计和时钟数据;S4、构建数据矩阵对步骤S1‑S3获取的数据进行紧密数据融合和扩展卡尔曼滤波融合计算和收敛处理;S5、在船舶自动识别系统中采用步骤S4中的数据对海上目标进行定位识别。本发明提供的基于多系统多源定位数据融合的海上目标定位方法,能够极大程度提升航行船舶、海事工程、海洋工程定位数据的连续性、可用性、稳健性和可靠性。因此,适用于海陆空天一体化海事监管和保障的各种应用场景。
Description
技术领域
本发明涉及一种船舶自动识别方法,尤其涉及一种基于多系统多源定位数据融合的海上目标定位方法。
背景技术
自1996年后,国际海事组织(IMO)推荐全球航行船舶配备基于全球定位系统(GPS)和格洛纳斯卫星导航系统(GLONASS)的导航系统。2002年后,提出全球航行船舶需要配备基于全球定位系统(GPS)和格洛纳斯卫星导航系统(GLONASS)的船舶自动识别系统(AIS)。随后,2016年《交通运输部印发2016年创建平安船舶专项行动方案的通知》要求船舶按照技术规范提升船舶自动识别系统(AIS)设备。至此,数以百万计的船舶配备了船舶自动识别系统(AIS)。
由于全球导航卫星系统(GNSS)信号的自然脆弱性,使用全球导航卫星系统(GNSS)很难在复杂的海上环境中为船舶、海事工程、海洋工程提供连续和可靠的定位数据。“银河号”船舶航行因全球定位系统(GPS)信号丢失,导致在海上漂泊33天之久,被迫改变航线,延误卸货,不但造成严重的经济损失,而且致使船舶及人员受到安全威胁。近年来,在中国、美国、日本、法国、英国等地出现多起因为全球定位系统(GPS)信号丢失,导致的船舶碰撞,造成巨大的海事事故、海洋环境污染。
现有公开号为CN109059911A的专利文献提供的一种GNSS、INS和气压计的数据融合方法,将全球定位系统(GPS)、惯性导航系统(INS)和气压计进行数据融合,结果采用无迹卡尔曼滤波(UKF)和径向基神经网络(RBF)进行深度学习,提升数据的精度。虽然该专利文献通过级联式子滤波器对多源信息进行了初步融合,但是采用径向基神经网络(RBF)不适用于海上船舶自动识别系统的数据处理。
首先,径向基神经网络(RBF)是属于机器学习的范畴。另外如:长短期记忆、随机森林、卷积神经网络、矢量积等方式均属于机器学习、深度学习的范畴。因此,径向基神经网络(RBF)不适合对定位方程的状态方程进行特性分析,也不能用于载具(船舶、汽车、飞机、火箭等)横倾、纵摇的运动场景。
其次,实际应用中,径向基神经网络(RBF)多为获取大量数据进行训练和结论,虽然能够为车辆在城市道路和高架桥导航中提供更为精准的位置和高度信息,满足日常车载导航的需求;但是在数据可能严重缺失的海上船舶自动识别系统中,则无法提供可靠的定位数据。
最后,径向基神经网络(RBF)使用过程中基于大量数据进行学习、训练,对硬件要求和稳定性要求极高,如:英伟达 NVIDIA GeForce RTX 3090 系列显卡,不适合在船舶自动识别系统中实施定位数据输出和显示。
因此,对于航行船舶、海事工程、海洋工程来说,在复杂海况下,面对卫星不足和卫星停电的情况,如何提升船舶自动识别系统(AIS)的连续性、可用性、稳健性和可靠性一直是本领域急需解决的技术难点。
特别是承担海上救援的各类航空飞行器具有速度快、搜索范围大等诸多优势,这为海上遇险搜救提供了十分有效的手段。加装于这些航空飞行器上的电子海图显示系统,能显示各类机载目标探测器(雷达、光电设备、信标机、自动识别系统等)收集的海面态势信息和搜救目标信息,并可通过显示设备在海图上直观地呈现出搜救目标的位置和在海面中的姿态信息,这为遇险目标搜索营救提供了极大的便利性。但是,由于搜索营救的现场环境具有较高的复杂性和不确定性,海面态势会发生动态变化,因此这又会影响对目标搜索定位的准确性和实时性。一方面在海况十分复杂时,机载目标探测器自身工作会受到影响,空间中各类光电噪声会干扰机载探测器探测灵敏度,造成信息数据不连续,无法有效进行锁定和跟踪;另一方面,搜救目标自身位置和状态,随时会自主或被动的发生变化,这种变化带来的位置不确定性也将影响承载救援任务的航空飞行器进行有效施救。因此,提供基于多系统多源定位数据融合的海上目标定位方法具有很强的迫切性。
海上数据广播系统(NAVDAT)是一种新型的岸基海上数字广播系统,它采用最新数字传输技术,在500kHz上播发海上安全信息和其他服务信息。海上数据广播系统(NAVDAT)主要包括海上中频数字发射设备和海上中频数字接收设备,为了保证航行安全,需要及时有效地由岸上向航行的船舶提供有关海上航行的安全信息,海上安全信息包括航行警告、气象警告、气象预报和其他海上紧急信息。目前的发射设备只能发射模拟调制(F1B)的信息,传输数据率低(仅仅50 bps),播发占用时间长,文件类型单一等(文本),不能够发射其它类型的文件等,不能满足现代海上数据传输的要求。海上数据广播系统(NAVDAT)数字系统的500KHz工作频段为数据广播信号提供了良好的覆盖,可以为从岸基到船舶的信息广播实现高速的数据传输以提高操作效率和航海安全。但是由于电离层介质受太阳辐射、季节变化、昼夜变化等各种因素的影响,因此天波信道存在着多径、衰落、多普勒频移、噪声干扰等特性。由上可见,对于海上数据广播系统(NAVDAT)同样迫切需要多系统多源定位数据融合技术,以便对船舶更好地进行自动识别。
随着传感器技术的飞速发展和成本的降低,通过融合多组传感器,有望显著提高全球导航卫星系统(GNSS)的定位性能。因此,有必要提出一种基于多系统多源定位数据融合算法的船舶自动识别系统(AIS),对不同组传感器获取的定位数据与全球导航卫星系统(GNSS)的定位数据进行融合,提升船舶自动识别的可靠性和准确性。因此,适用于海陆空天一体化海事监管和海事保障的各种应用场景。
发明内容
本发明所要解决的技术问题是提供一种基于多系统多源定位数据融合的海上目标定位方法,能够极大程度提升航行船舶、海事工程、海洋工程定位数据的连续性、可用性、稳健性和可靠性。
本发明为解决上述技术问题而采用的技术方案是提供一种基于多系统多源定位数据融合的海上目标定位方法,包括如下步骤:S1、获取全球导航卫星系统的定位数据;S2、获取惯性导航系统的位置,速度和姿态;S3、获取时钟数据和气压高度计的高度;S4、对步骤S1-S3获取的数据采用扩展卡尔曼滤波进行融合计算,计算出当前时刻的位置,速度和高度;S5、在船舶自动识别系统中采用步骤S4中的输出数据对海上目标进行定位识别。
进一步地,所述步骤S1获取多个全球导航卫星系统的定位数据,包括北斗导航卫星系统、全球定位系统、格洛纳斯卫星导航系统和伽利略卫星导航系统,然后通过一阶泰勒公式展开将多个全球导航卫星系统观测模型线性化,并采用地心地固坐标系给出测量矢量ZGNSS;所述步骤S2通过一阶泰勒公式展开将惯性导航系统观测模型线性化,并采用速度给出测量向量ZODO;所述步骤S3通过一阶泰勒公式展开将大气高度计观测模型线性化,并采用大气压和高度给出测量向量ZBARO;所述步骤S4将惯性导航系统和大气高度计的测量数据添加到过滤器中,并建立如下动态状态空间线性模型:
其中符号表示滤波器状态,表示过程噪声, 表示系统转换矩阵,Z表示KF测量, H表示测量矩阵,e表示测量噪声;滤波器状态包括系统状态和传感器的误差,系统状态表示为高度,速度和位置;KF测量Z包括测量矢量ZGNSS、测量向量ZODO和测量向量ZBARO,为滤波器状态方程的变化率。
其中,是局部定位数据的高度误差向量,是局部定位数据的速度误差向量, 是ECEF坐标系中局部定位数据的位置误差向量,是与由惯性导航系统在接收机框架中测得的角速率,是与由惯性导航系统在接收机框架中测得的比例相关的误差矢量,是接收机的时钟偏差,单位为米,是接收器的时钟漂移,单位为米/秒, 是与惯性导航系统(INS)比例因子有关的误差,是估计的参考大气压。
进一步地,所述步骤S4包括:S41:当全球导航卫星系统的可通信卫星数量大于等于第一预设阈值时,卡尔曼滤波直接利用全球导航卫星系统的数据进行定位,同时对气压高度计测量值和惯性导航系统的测量值进行更新,并计算出气压高度计的传感器测量误差和惯性导航系统的传感器测量误差;S42:当全球导航卫星系统信号的可通信卫星数量大于等于第二预设阈值,且小于第一预设阈值时,以全球导航卫星系统的数据为主进行定位,同时采用惯性导航系统和高度气压计对定位数据进行补充,所述第二预设阈值小于第一预设阈值;S43:在卫星失效环境下,卡尔曼滤波将气压高度计视为地心卫星,用以与其它卫星和时钟模型进行测量与更新,惯性导航系统用于减小水平位置误差的离散,气压高度计用于减小高度位置误差的离散。
进一步地,所述惯性导航系统采用随机噪声补偿块来补偿加速度计和陀螺仪的偏置,卡尔曼滤波根据全球导航卫星系统和惯性导航系统之间的局部定位数据的速度误差向量对定位数据进行补充。
进一步地,所述第一预设阈值为4,所述第二预设阈值为1。
进一步地,所述船舶自动识别系统包括AIS-SART、数字选择性呼叫装置、AIS-MOB、AIS鱼类信标和甚高频数据传输系统。
进一步地,所述船舶自动识别系统与海上数据广播系统进行交互,并将处理后的融合数据发送给航行船舶的海上数据广播系统接收机和岸基的海上数据广播系统接收机。
进一步地,所述船舶自动识别系统和电子海图与显示系统进行交互,对航行船舶、海事工程、海洋工程的建筑物和构筑物进行可视化的远程监控。
本发明对比现有技术有如下的有益效果:本发明提供的基于多系统多源定位数据融合的海上目标定位方法,将全球导航卫星系统(GNSS)、惯性导航系统(INS),气压高度计、温度计与全球导航卫星系统(GNSS)技术相结合的多传感器紧密数据融合(MTF)方法,提升船舶自动识别系统(AIS)的连续性、可用性、稳健性和可靠性和精确性。因此,适用于海陆空天一体化海事监管和保障的各种应用场景。
附图说明
图1为本发明基于多系统多源定位数据融合的船舶自动识别流程示意图;
图2为本发明基于多系统多源定位数据融合的船舶自动识别系统架构示意图;
图3为本发明基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟的船舶自动识别系统(AIS)多源传感器紧密融合(MTF)方法的流程图;
图4为本发明基于采用多系统多源定位数据融合后的三维数据图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明基于多系统多源定位数据融合的船舶自动识别流程示意图;图2为本发明基于多系统多源定位数据融合的船舶自动识别系统架构示意图。
请参见图1和图2,本发明提供的基于多系统多源定位数据融合的海上目标定位方法,具体步骤如下:
步骤S1:获取诸如北斗导航卫星系统(BDS)、全球定位系统(GPS)、格洛纳斯卫星导航系统(GLONASS)、伽利略卫星导航系统(Galileo satellite navigation system)等卫星导航系统的经度、纬度和时间的定位数据;
步骤S2:获取惯性导航系统(INS)的经度、纬度和时间定位数据;
步骤S3:借助气象传感器获取气压高度计和时钟数值;
步骤S4:采用多传感器紧密数据融合算法(Modulation transfer function,MTF)构建融合全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计和时钟模型的海上多系统多源定位数据融合方法。
步骤S5:采用海上多系统多源定位融合数据注入海上船舶自动识别系统(AIS)。
上述基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟数值的船舶自动识别系统(AIS)的多系统多源定位数据融合方法,其中全球导航卫星系统(GNSS)是全球定位系统(GPS)、格洛纳斯卫星导航系统(GLONASS)、北斗卫星导航系统(BDS)、伽利略导航卫星等进行基于同时全球导航卫星系统(GNSS)的定位数据融合,接着是对惯性导航系统(INS)的定位数据拟合,紧接着是将气压高度计和时钟数值进行拟合。最后,将融合的定位数据注入到船舶自动识别系统(AIS)。
一、基于全球导航卫星系统(GNSS) / 惯性导航系统(INS)/ 气压高度计 / 时钟的船舶自动识别系统(AIS)联合观测方法
船舶自动识别系统(AIS)中采用全球导航卫星系统(GNSS)进行观测,基于全球导航卫星系统(GNSS)的伪距测量联合定位、惯性导航系统(INS)、气压高度计的观测模型概述如下:
接收机三维坐标为X,Y,Z,现在全球导航卫星系统(GNSS)为GPS、GLONASS、BDS、伽利略四套卫星系统的联合定位系统。
其中x,y和z是用户位置在以地球为中心的地球固定点上的三维坐标(地心地固坐标系,Earth-Centered, Earth-Fixed,简称ECEF)坐标系,而是接收器时钟偏移。是三维的ECEF坐标系中第i个卫星位置的坐标,并且有四个或更多卫星需要估算用户的位置。 伪距速率 给出计算模型如下:
气压高度计的测量值是局部压力设置为P,使用美国标准大气的等温大气模型描述作为局部压力P的函数的高度H的微分方程如下:
当等于零时,为标准大气压。标准大气压在不同地区有所不同,并且会随着时间不断变化。在等式(4)中,R是特定的气体常数等于 ,是等于的理想气体常数,为平均值分子量等于, 是等于的标准重力值,是摄氏温度的当地温度。
如果将气压高度计作为地心卫星,则观测方程可以是写成如下公式:
二、基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟的定位数据融合方法
本发明提出一种基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟数值的紧密数据融合(MTF)和扩展卡尔曼滤波(EKF)的定位数据融合方法(图3)。它使用顺序扩展卡尔曼滤波器(EKF)。基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟的紧密数据融合(MTF)方法根据基于全球导航卫星系统(GNSS)的船舶自动识别系统(AIS)联合观测模型进行设计。在KF中,每个传感器的测量顺序更新。基于传统的全球导航卫星系统(GNSS) / 惯性导航系统紧密耦合的集成,紧密数据融合(MTF)方法将惯性导航系统(INS)和气压高度计传感器添加到过滤器中。紧密数据融合(MTF)方法针对不同的环境(例如:当接收机处于海洋的暴露环境时,当接收机可见卫星数量不足或卫星停止运行时)设计了不同的策略。
在海洋暴露环境中,比如可通信卫星数目大于等于4,KF通过断开开关3和4来进行高度计和惯性导航系统(INS)的测量更新(图3)。由于全球导航卫星系统(GNSS)的精度很高。因此,可以正确估计传感器联合定位的误差,当全球导航卫星系统(GNSS)信号受损时,比如可通信卫星数目大于等于1,小于4,可用于补偿测量并改善联合定位位置数据的连续性、可用性、稳健性和可靠性。
复杂情况,如缺少卫星数量时,或卫星信号接收数量少,导致不足时。如,当缺少GPS和GLNOASS时,即船舶自动识别系统(AIS)很可能就失去定位、导航作用;据此,本发明的该多系统多源定位数据融合方法可以起到补充的效果。
在卫星数量不足的环境,KF断开开关1和2,并闭合开关3和4。气压高度计被视为地心卫星,用于其余卫星和时钟模型的测量更新。
当GNSS全部消失时,可采用INS和气压高度计联合观测,可为接收机进行联合定位观测。
时钟模型用于预测时钟误差。在卫星停电的情况下,KF断开开关3和4,并闭合开关1和2。惯性导航系统(INS)和气压高度计分别用于减小水平和高度位置误差的离散。
当惯性导航系统(INS)和气压高度计进行联合观测时,可计算三维位置、速度和高度。
图3中第一部分,对于惯性导航系统(INS),使用标记为惯性导航系统(INS) 噪声补偿的块来补偿加速度计和陀螺仪的偏置。惯性导航系统(INS)算法处理惯性导航解决方案,该解决方案可以计算位置,速度和高度。
对于全球导航卫星系统(GNSS),标记为“全球导航卫星系统(GNSS)的单点联合定位的伪距数据等效全球导航卫星系统(GNSS)观测值”,使用卫星的位置,卫星速度和惯性导航系统(INS)计算等效伪距和伪距率。
全球导航卫星系统(GNSS)和惯性导航系统(INS)之间的伪距和伪距速率差是KF测量值。
对于惯性导航系统(INS),采用比例因子补偿正向速度测量。
全球导航卫星系统(GNSS)和惯性导航系统(INS)之间的速度差是KF测量值。
对于气压高度计,“计算高度”通过局部压力与参考压力(通常是标准大气)之间的关系来计算局部高度。标准大气是平均海平面大气压力,高度为零。在紧密数据融合(MTF)方法中,参考压力由KF估算。大气高度之间的高度差惯性导航系统(INS)是KF量度。此外,大气压力高度还可以用于计算地心卫星测量值,地心卫星测量值可用于卫星数量不足时。
三、基于全球导航卫星系统(GNSS)/惯性导航系统(INS)/气压高度计/时钟的定位数据融合的滤波设计方法
当采用全球导航卫星系统(GNSS)+惯性导航系统(INS)+气压高度计的空间三维计算模型如下:
动态状态空间线性模型,表示如下:
其中符号表示状态,表示过程噪声,表示系统转换矩阵,Z表示KF测量,H表示测量矩阵,e表示测量噪声。 滤波器状态包括系统状态和传感器的误差。系统状态表示为高度,速度和位置;KF测量Z包括测量矢量ZGNSS、测量向量ZODO和测量向量ZBARO, 为滤波器状态方程的变化率。
其中,是局部定位数据的高度误差向量,是局部定位数据的速度误差向量, 是局部定位数据的位置(均为ECEF坐标系中的矢量)误差向量,是与由惯性导航系统(INS)在接收机框架中测得的角速率(INS系统内部结构不同,有电子,有陀螺仪等,在此不再一一赘述)是与由惯性导航系统(INS) 在接收机框架中测得的比例相关的误差矢量, 是接收机的时钟偏差,单位为米,是接收器的时钟漂移,单位为米/秒,是与惯性导航系统(INS)比例因子有关的误差,是估计的参考大气压。
通过一阶泰勒公式展开将多个全球导航卫星系统(GNSS) 观测模型线性,然后将测量矢量和测量矩阵表示为:
使用符号 n 表示卫星数。 通过一阶泰勒公式展开将惯性导航系统(INS)观测模型线性化,然后可以将测量向量和测量矩阵表示如下:
大气高度计观测模型通过一阶泰勒公式展开线性,然后将测量和测量矩阵表示为:
四、基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟的多系统多源定位数据融合的快速收敛算法
以上方法可获提升船舶、海事工程、海洋工程构筑物和建筑物的定位数据的可用性、精确性、可靠性、连续性和稳健性。较现今的船舶自动识别系统(AIS)仅仅依托全球定位系统(GPS)和格洛纳斯卫星导航系统(GLONASS)两套定位系统,增加了北斗卫星导航系统和欧洲伽利略卫星导航系统等多套卫星导航系统。如图4所示,本发明同时采用BDS/GPS后上下方向(U-D)、南北方向(N-S)、东西方向(E-W)的连续测量数据值,明显优于GPS的单一数据精度,且BDS/GPS的收敛速度更快。同时,增加了惯性导航系统(INS)、气压高度计和时钟的数据融合。据此,由公式(21)表示基于全球导航卫星系统(GNSS)、惯性导航系统(INS)、气压高度计、时钟数值的定位融合算法,计算结果可快速收敛,在缺少全球导航卫星系统(GNSS)和惯性导航系统(INS)时,依旧可以进行联合定位。
将融合算法的模型通过一阶泰勒公式展开将全球导航卫星系统(GNSS) /惯性导航系统(INS)/气压高度计/时钟观测模型线性化,然后将测量和测量矩阵表示如下:
当采用全球导航卫星系统(GNSS)+惯性导航系统(INS)+气压高度计的测量矩阵进行滤波融合计算,公式如下:
是全球导航卫星系统(GNSS)测量值,这个就是GNSS+INS+气压高度计的融合结果值;为卫星系统的空间测量值,含4颗卫星以上进行X,Y,Z三维的空间定位。是预测的时钟误差,T是从本地帧到 帧的旋转矩阵。
五、基于全球导航卫星系统(GNSS)/惯性导航系统(INS)/气压高度计/时钟的多系统多源的定位数据融合注入船舶自动识别系统(AIS)
当采用全球导航卫星系统(GNSS)+惯性导航系统(INS)+气压高度计的空间三维定位数据终值,注入到船舶自动识别系统(AIS)作为AIS数据。
船舶自动识别系统(AIS)是一种应用于船和岸、船和船、船和星之间进行海事通信的工程系统。由全球定位系统(GPS)定位仪和与船载显示器、传感器等相连接的控制器组成,能显示船位、航速、航向、船名、呼号等数据。据此,可将基于全球定位系统(GPS)的定位数据系统提升为基于全球导航卫星系统(GNSS)/惯性导航系统(INS)/气压高度计/时钟的多系统多源定位数据进行融合,提升船舶自动识别系统(AIS)的连续性、可用性、稳健性和可靠性,从而极大程度降低海事风险和海洋污染。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。
Claims (9)
1.一种基于多系统多源定位数据融合的海上目标定位方法,其特征在于,包括如下步骤:
S1、获取全球导航卫星系统的定位数据;
S2、获取惯性导航系统的位置,速度和姿态;
S3、获取时钟数据和气压高度计的高度;
S4、对步骤S1-S3获取的数据采用扩展卡尔曼滤波进行融合计算,计算出当前时刻的位置,速度和高度;
S5、在船舶自动识别系统中采用步骤S4中的输出数据对海上目标进行定位识别;
所述步骤S1获取多个全球导航卫星系统的定位数据,包括北斗导航卫星系统、全球定位系统、格洛纳斯卫星导航系统和伽利略卫星导航系统,然后通过一阶泰勒公式展开将多个全球导航卫星系统观测模型线性化,并采用地心地固坐标系给出测量矢量ZGNSS;
所述步骤S2通过一阶泰勒公式展开将惯性导航系统观测模型线性化,并采用速度给出测量向量ZODO;
所述步骤S3通过一阶泰勒公式展开将大气高度计观测模型线性化,并采用大气压和高度给出测量向量ZBARO;
所述步骤S4将惯性导航系统和大气高度计的测量数据添加到过滤器中,并建立如下动态状态空间线性模型:
3.如权利要求1所述的基于多系统多源定位数据融合的海上目标定位方法,其特征在于,所述步骤S4包括:
S41:当全球导航卫星系统的可通信卫星数量大于等于第一预设阈值时,卡尔曼滤波直接利用全球导航卫星系统的数据进行定位,同时对气压高度计测量值和惯性导航系统的测量值进行更新,并计算出气压高度计的传感器测量误差和惯性导航系统的传感器测量误差;
S42:当全球导航卫星系统信号的可通信卫星数量大于等于第二预设阈值,且小于第一预设阈值时,以全球导航卫星系统的数据为主进行定位,同时采用惯性导航系统和高度气压计对定位数据进行补充,所述第二预设阈值小于第一预设阈值;
S43:在卫星失效环境下,卡尔曼滤波将气压高度计视为地心卫星,用以与其它卫星和时钟模型进行测量与更新,惯性导航系统用于减小水平位置误差的离散,气压高度计用于减小高度位置误差的离散。
4.如权利要求3所述的基于多系统多源定位数据融合的海上目标定位方法,其特征在于,所述惯性导航系统采用随机噪声补偿块来补偿加速度计和陀螺仪的偏置,卡尔曼滤波根据全球导航卫星系统和惯性导航系统之间的局部定位数据的速度误差向量对定位数据进行补充。
5.如权利要求3所述的基于多系统多源定位数据融合的海上目标定位方法,其特征在于,所述第一预设阈值为4,所述第二预设阈值为1。
7.如权利要求1所述的基于多系统多源定位数据融合的海上目标定位方法,其特征在于,所述船舶自动识别系统包括AIS-SART、数字选择性呼叫装置、AIS-MOB、AIS鱼类信标和甚高频数据传输系统。
8.如权利要求7所述的基于多系统多源定位数据融合的海上目标定位方法,其特征在于,所述船舶自动识别系统与海上数据广播系统进行交互,并将处理后的融合数据发送给航行船舶的海上数据广播系统接收机和岸基的海上数据广播系统接收机。
9.如权利要求7所述的基于多系统多源定位数据融合的海上目标定位方法,其特征在于,所述船舶自动识别系统和电子海图与显示系统进行交互,对航行船舶、海事工程、海洋工程的建筑物和构筑物进行可视化的远程监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502897.8A CN112987066B (zh) | 2021-05-10 | 2021-05-10 | 基于多系统多源定位数据融合的海上目标定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502897.8A CN112987066B (zh) | 2021-05-10 | 2021-05-10 | 基于多系统多源定位数据融合的海上目标定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987066A true CN112987066A (zh) | 2021-06-18 |
CN112987066B CN112987066B (zh) | 2021-08-10 |
Family
ID=76337387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110502897.8A Active CN112987066B (zh) | 2021-05-10 | 2021-05-10 | 基于多系统多源定位数据融合的海上目标定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987066B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777635A (zh) * | 2021-08-06 | 2021-12-10 | 香港理工大学深圳研究院 | 一种全球导航卫星数据校准方法、装置、终端及存储介质 |
CN114114361A (zh) * | 2022-01-27 | 2022-03-01 | 山东科技大学 | 一种基于gnss的海上平台精就位辅助系统及工作方法 |
CN114660644A (zh) * | 2022-05-25 | 2022-06-24 | 山东科技大学 | 一种用于卫星高度计定标的多天线组合浮标系统 |
CN116027371A (zh) * | 2023-03-27 | 2023-04-28 | 山东科技大学 | 一种海上救援示位终端定位数据处理方法 |
CN116045970A (zh) * | 2023-03-06 | 2023-05-02 | 北京航空航天大学 | 一种基于外部条件约束的多平台信息协同导航增强方法 |
CN117609750A (zh) * | 2024-01-19 | 2024-02-27 | 中国电子科技集团公司第五十四研究所 | 一种基于电数字数据处理技术计算目标识别率区间的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110156954A1 (en) * | 2009-12-29 | 2011-06-30 | Texas Instruments Incorporated | Position and Velocity Uncertainty Metrics in GNSS Receivers |
CN108562923A (zh) * | 2018-04-16 | 2018-09-21 | 大连海事大学 | 一种基于ais船站的多源信息融合船舶定位方法 |
CN109059911A (zh) * | 2018-07-31 | 2018-12-21 | 太原理工大学 | 一种gnss、ins和气压计的数据融合方法 |
CN110133700A (zh) * | 2019-05-27 | 2019-08-16 | 上海海事大学 | 一种船载综合导航定位方法 |
EP3624087A1 (en) * | 2018-09-06 | 2020-03-18 | Maritech Development Limited | Method for vessel tracking |
CN111854746A (zh) * | 2020-07-31 | 2020-10-30 | 南京理工大学 | Mimu/csac/高度计辅助卫星接收机的定位方法 |
CN111950617A (zh) * | 2020-08-05 | 2020-11-17 | 上海卫星工程研究所 | 多源引导信息星上实时融合处理方法及系统 |
-
2021
- 2021-05-10 CN CN202110502897.8A patent/CN112987066B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110156954A1 (en) * | 2009-12-29 | 2011-06-30 | Texas Instruments Incorporated | Position and Velocity Uncertainty Metrics in GNSS Receivers |
CN108562923A (zh) * | 2018-04-16 | 2018-09-21 | 大连海事大学 | 一种基于ais船站的多源信息融合船舶定位方法 |
CN109059911A (zh) * | 2018-07-31 | 2018-12-21 | 太原理工大学 | 一种gnss、ins和气压计的数据融合方法 |
EP3624087A1 (en) * | 2018-09-06 | 2020-03-18 | Maritech Development Limited | Method for vessel tracking |
CN110133700A (zh) * | 2019-05-27 | 2019-08-16 | 上海海事大学 | 一种船载综合导航定位方法 |
CN111854746A (zh) * | 2020-07-31 | 2020-10-30 | 南京理工大学 | Mimu/csac/高度计辅助卫星接收机的定位方法 |
CN111950617A (zh) * | 2020-08-05 | 2020-11-17 | 上海卫星工程研究所 | 多源引导信息星上实时融合处理方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777635A (zh) * | 2021-08-06 | 2021-12-10 | 香港理工大学深圳研究院 | 一种全球导航卫星数据校准方法、装置、终端及存储介质 |
CN113777635B (zh) * | 2021-08-06 | 2023-11-03 | 香港理工大学深圳研究院 | 一种全球导航卫星数据校准方法、装置、终端及存储介质 |
CN114114361A (zh) * | 2022-01-27 | 2022-03-01 | 山东科技大学 | 一种基于gnss的海上平台精就位辅助系统及工作方法 |
CN114660644A (zh) * | 2022-05-25 | 2022-06-24 | 山东科技大学 | 一种用于卫星高度计定标的多天线组合浮标系统 |
CN116045970A (zh) * | 2023-03-06 | 2023-05-02 | 北京航空航天大学 | 一种基于外部条件约束的多平台信息协同导航增强方法 |
CN116045970B (zh) * | 2023-03-06 | 2023-06-16 | 北京航空航天大学 | 一种基于外部条件约束的多平台信息协同导航增强方法 |
CN116027371A (zh) * | 2023-03-27 | 2023-04-28 | 山东科技大学 | 一种海上救援示位终端定位数据处理方法 |
CN117609750A (zh) * | 2024-01-19 | 2024-02-27 | 中国电子科技集团公司第五十四研究所 | 一种基于电数字数据处理技术计算目标识别率区间的方法 |
CN117609750B (zh) * | 2024-01-19 | 2024-04-09 | 中国电子科技集团公司第五十四研究所 | 一种基于电数字数据处理技术计算目标识别率区间的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112987066B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112987066B (zh) | 基于多系统多源定位数据融合的海上目标定位方法 | |
US5923286A (en) | GPS/IRS global position determination method and apparatus with integrity loss provisions | |
US5933110A (en) | Vessel attitude determination system and method | |
CN101893440B (zh) | 基于星敏感器的天文自主导航方法 | |
CN103472503B (zh) | 探空仪及基于ins的高空风探测方法 | |
US20050012660A1 (en) | All-weather precision guidance and navigation system | |
Bhatti | Improved integrity algorithms for integrated GPS/INS systems in the presence of slowly growing errors | |
US7739048B2 (en) | Method and system for determining water vapor profile using GPS signals | |
CN107430004B (zh) | 用于计算至少一艘船的水面速的方法和用于推导在该船的路径上每个点处的漂移向量的方法 | |
An et al. | Robust positioning and navigation of a mobile robot in an urban environment using a motion estimator | |
CN113671598B (zh) | 一种组合式高空风探测方法 | |
CN108205151B (zh) | 一种低成本gps单天线姿态测量方法 | |
WO2024007365A1 (zh) | 一种基于北斗/gnss的实时高精度海表测量方法及浮标 | |
Lee et al. | Barometer based GNSS spoofing detection | |
CN112964250B (zh) | 基于北斗和降维imu数据的船舶运动姿态估计方法 | |
Dai et al. | Heading-determination using the sensor-fusion based maritime PNT Unit | |
CN114545475A (zh) | 一种复杂环境下的多源组合导航定位方法 | |
Kim et al. | Kalman–Hatch dual‐filter integrating global navigation satellite system/inertial navigation system/on‐board diagnostics/altimeter for precise positioning in urban canyons | |
JP3012398B2 (ja) | 複数移動体の位置評定方式 | |
Wells et al. | GPS: A multipurpose system." | |
CN114018255B (zh) | 一种水下滑翔机的智能组合导航方法、系统、设备和介质 | |
US11747482B2 (en) | APNT service positioning and integrity monitoring method and system | |
US20050143872A1 (en) | Aircraft gps instrumentation system and relative method | |
CN117570934B (zh) | 一种基于imu的gnss测波缺测补偿方法 | |
Hospodka | Doppler shift satellite navigation-NAVSAT-TRANSIT and adherents |
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 |