CN114002726A - 一种gnss/ins组合导航定位系统 - Google Patents

一种gnss/ins组合导航定位系统 Download PDF

Info

Publication number
CN114002726A
CN114002726A CN202111344259.4A CN202111344259A CN114002726A CN 114002726 A CN114002726 A CN 114002726A CN 202111344259 A CN202111344259 A CN 202111344259A CN 114002726 A CN114002726 A CN 114002726A
Authority
CN
China
Prior art keywords
ins
gnss
sensor data
time
task
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
Application number
CN202111344259.4A
Other languages
English (en)
Inventor
张伟
肖瓅
于洪涛
侯嘉伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Beidou Huada Technology Co ltd
Original Assignee
Beijing Beidou Huada Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Beidou Huada Technology Co ltd filed Critical Beijing Beidou Huada Technology Co ltd
Priority to CN202111344259.4A priority Critical patent/CN114002726A/zh
Publication of CN114002726A publication Critical patent/CN114002726A/zh
Pending legal-status Critical Current

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
    • 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
    • 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)
  • Navigation (AREA)

Abstract

本发明公开了一种GNSS/INS组合导航定位系统，包括GNSS/INS组合导航定位算法的具体实施过程，其特征在于：包括：101、获取当前时间的GNSS观测值；102、利用INS定位结果辅助剔除粗差；103、完成PVT（Position，Velocity，Time）解算；104、获取IMU/里程计/高度计等传感器数据，并打上时间标签；105、估计各传感器数据的噪声；106、完成INS解算；107、输出定位结果，本发明涉及GNSS/INS导航技术领域。针对不同的INS传感器类型，使用两种测量时刻标定方案，保证时间标定误差在1ms以下，提高GNSS/INS组合导航定位的精度和可靠性。

Description

一种GNSS/INS组合导航定位系统
技术领域
本发明涉及GNSS/INS导航技术领域，具体为一种GNSS/INS组合导航定位系统。
背景技术
GNSS（Global Navigation Satellite System，全球卫星导航系统）导航定位依赖接收GNSS卫星信号进行定位，具有全天候、实时、精度较高、导航误差不随时间累积等优点，但是也存在信号容易受到遮挡或干扰导致无法定位、数据更新率低以及在动态环境中可靠性较差等问题。
惯性导航系统（Inertial Navigation System，INS）是一种不依赖于外部信息的自主式导航系统。INS根据牛顿力学原理，由陀螺仪和加速度计测得的载体相对于惯性空间的角速度和加速度信息，积分求得载体的三维速度、位置和姿态信息等导航参数。是一种自主性强、隐蔽性好、不受气象条件限制、短时精度高的导航系统。其优点是不受外界环境（包括遮挡、电磁干扰等）影响，并可以在一定的时间内保证较高精度，缺点是定位误差会随时间积累。高精度的惯性导航器件成本可达百万人民币，而低成本惯性器件精度较低，且误差扩散比较快，难以满足长时间独立导航需求。
随着对运动载体的导航定位精度和可靠性要求的提高，单一的导航系统已经难以满足用户的需求。由于GNSS和INS具有良好的优势互补性，因此GNSS/INS组合可以提高系统的整体导航性能及导航精度。GNSS/INS组合导航可以使用低成本惯导器件，具有成本上的优势，并且可以满足民用导航定位的需求。
对于GNSS/INS导航定位系统，很多传感器的数据不包含时间信息，传感器测量时刻的标定是INS的一个重点和难点。如果测量时刻标定不准确，会导致定位结果不准确，并有可能导致INS滤波发散，无法收敛的严重后果。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种GNSS/INS组合导航定位系统，解决了针对不同的INS传感器类型，使用两种测量时刻标定方案，保证时间标定误差在1ms以下，提高GNSS/INS组合导航定位的精度和可靠性的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种GNSS/INS组合导航定位系统，包括GNSS/INS组合导航定位算法的具体实施过程，其特征在于：包括：
101、获取当前时间的GNSS观测值；
102、利用INS定位结果辅助剔除粗差；
103、完成PVT（Position，Velocity，Time）解算；
104、获取IMU/里程计/高度计等传感器数据，并打上时间标签；
105、估计各传感器数据的噪声；
106、完成INS解算；
107、输出定位结果。
优选的，INS器件通过数据总线连接至GNSS芯片，芯片内的处理器完成GNSS和INS解算；
GNSS定位算法使用上一时刻的INS定位结果辅助剔除粗差，完成GNSS定位；
INS获取GNSS定位信息，以及IMU（Inertial Measurement Unit，惯性测量单元）、里程计、高度计等传感器数据，完成INS解算。
优选的，所述GNSS/INS组合滤波设计：
高精度GNSS/INS组合滤波算法主要包含GNSS/INS组合滤波与INS/DR组合滤波两部分，两滤波器共同工作；
GNSS可用时，GNSS/INS组合输出结果精度较高，用于获取系统定位结果；
GNSS不可用时，INS/DR组合可抑制INS解算结果发散，延长INS保持定位精度时间，其输出结果用于短时间内获取系统定位结果。
优选的，所述INS任务处理方案，其特征在于：具体实施过程可包括：
401、数据获取任务获取所有的传感器数据，整理后发送给INS解算任务；
402、INS解算任务接收到整理好的传感器数据后，完成INS解算，并输出定位结果。
自适应估计定理以及此定理的一些工程化应用。
（1）量测噪声协方差阵自适应估计定理
该定理可描述为：假设对于同一物理量
Figure 521270DEST_PATH_IMAGE001
同时存在两种不同的测量系统，分 别定义为S1、S2，其测量值分别为
Figure 155881DEST_PATH_IMAGE002
、
Figure 780766DEST_PATH_IMAGE003
，符合下述形式
Figure 404646DEST_PATH_IMAGE004
（式1）
其中
Figure 267428DEST_PATH_IMAGE005
、
Figure 302249DEST_PATH_IMAGE006
为零均值白噪声，
Figure 430742DEST_PATH_IMAGE007
、
Figure 844931DEST_PATH_IMAGE008
为趋势项，若满足以下 条件：
Figure 312952DEST_PATH_IMAGE009
（式2）
则可对测量系统S1的测量噪声方差进行如下近似估计：
Figure 253095DEST_PATH_IMAGE010
（式3）
其中，
Figure 118152DEST_PATH_IMAGE011
、
Figure 287096DEST_PATH_IMAGE012
分别为测量系统S1、S2的单系统差分序列，
Figure 655630DEST_PATH_IMAGE013
(式4)
此定理的适用条件有两点：①对某一被测量同时存在两个测量系统（系统1，系统2）；②满足系统1的测量值在真值附近具有较大抖动，系统2的测量值在真值附近抖动较小，短时精度较高，但允许系统长期精度差在满足上述条件的情况下，测量噪声自适应估计定理可以对系统1的测量噪声协方差进行在线估计。在本组合导航系统中，对物理量伪距来说，可由接收机根据信号行程时间确定，也可由卫星星历数据计算的卫星位置和惯导系统计算的位置差确定，存在两个测量值。而且惯导系统具有短时高精度的特点，因此根据接收机和卫星位置差获得的伪距值具有在真值附近抖动小，短时精度高的特性，而由接收机确定的伪距相对来说抖动较大。因此本惯导系统符合量测噪声协方差阵自适应估计定理的应用条件，可以使用此定理对R阵进行自适应估计。
（2）R阵异常检测
系统实际运行的过程中，由于可见星数的变化，遮挡等，会发生量测噪声的突变情况，造成R阵的估计异常，因此需要在对R阵估计的过程中判断其是否存在异常：
Figure 498165DEST_PATH_IMAGE014
(式5)
式中Thre为异常阈值，根据历史信息利用概率分布的统计特性来求得的。当量测信息双差分序列的方差大于异常阈值时，则认为R阵出现突变异常；否则认为R阵正常。
Thre利用量测信息伪距二阶互差分的历史数据，根据频率分布直方图的思想来确定，具体的确定方法如下：
Figure 335671DEST_PATH_IMAGE015
历史数据长度为n，且
Figure 354311DEST_PATH_IMAGE017
(式6)
按数据的最小值a和最大值b把样本数据分为m组，组距
Figure 328084DEST_PATH_IMAGE018
，则各 数据组为
Figure 141188DEST_PATH_IMAGE020
，
Figure 669252DEST_PATH_IMAGE022
二阶互差分序列落到在各组 的数据个数分别为
Figure 226004DEST_PATH_IMAGE023
，且有
Figure 319862DEST_PATH_IMAGE024
，则取
Figure 510060DEST_PATH_IMAGE026
(式7)
（3）R阵修正
当GNSS观测数据有突变，R阵的估计出现异常时，由于R统计估计的限制，不能有效快速更新R，需要对其进行有效的修正。方法是对估计的R进行加权，这样进行滤波解算时，短时间内更多依赖惯性递推，抑制由于R的估计不准确带来的滤波输出的大幅度抖动。具体修正的方法为：
设R的调节因子为β，则调节后的的R为
Figure 305846DEST_PATH_IMAGE027
(式8)
调节R从而达到调节K的结果，设调节后的增益阵为
Figure 682601DEST_PATH_IMAGE028
，则有
Figure 880233DEST_PATH_IMAGE029
(式9)
将调节后
Figure 989134DEST_PATH_IMAGE030
带入到式(10)中，使得输出的抖动在一定的误差范围内，设需要达 到的输出震动幅度C，则：
Figure 272217DEST_PATH_IMAGE031
(式10)
联立上述两式可得：
Figure 655925DEST_PATH_IMAGE032
(式11)
由上述公式可知，β的计算很复杂，且计算量非常大，在条件允许的情况下，即各观 测分量之间没有观测误差的耦合关系时，可采用序贯处理的方法来简化求解过程，只针对R 阵的对角元素进行膨胀调节，定义自适应因子为
Figure 236292DEST_PATH_IMAGE033
，则
Figure 312833DEST_PATH_IMAGE034
(式12)
式中，
Figure 286474DEST_PATH_IMAGE035
为滤波增益阵第i列列向量；
Figure 723140DEST_PATH_IMAGE036
为观测矩阵第i行行向量；
Figure 114938DEST_PATH_IMAGE037
为一 步预测均方误差阵，为n×n方阵。
（4）多模型卡尔曼滤波
多模型卡尔曼滤波是使用2个或更多的模型来描述工作过程中可能的状态，最后通过有效的加权融合进行系统状态估计，以克服单模型不准确的问题。本系统亦采用多模型卡尔曼滤波，利用INS解算结果与GNSS测量结果通过不同的滤波器，再经过多模型输出融合决策选出最佳的滤波结果输出。本系统所用多模型卡尔曼滤波器见图3。
如图3所示，本系统的滤波器分别跟踪型滤波器，常规型滤波器和平滑型滤波器， 三者根据系统噪声方差阵Q阵进行区分。跟踪型滤波器Q阵即
Figure 611648DEST_PATH_IMAGE038
选择较大，因为如果Q 阵较大，说明系统模型不准确，滤波增益阵大，观测信息对滤波值影响权重大，这种滤波器 可以有效跟踪观测信息，在观测信息精度高时效果好。常规型滤波器Q阵即
Figure 620055DEST_PATH_IMAGE039
一般 为对角阵，对角线上元素为惯性传感器白噪声方差。
Figure 128921DEST_PATH_IMAGE040
描述了传感器误差对状态 方程数学建模的影响。平滑型滤波器Q阵即
Figure 906384DEST_PATH_IMAGE041
选择较小，Q值小说明系统模型准确，对 观测信息利用少，更对利用系统方程的递推计算，输出平滑，受观测误差影响小。在取值方 面，这三个Q阵满足
Figure 777257DEST_PATH_IMAGE043
且它们之间相差至少一个数量级。
在多模型输出融合决策方面，卡尔曼滤波器的估计均方差矩阵P阵描述了状态估计值和真实值之间的误差情况，因此可以用来评估不同类型滤波器的估计精度。忽略状态变量之间的耦合关系，仅考虑P阵对角线元素并将其之和作为评估估计精度的标准，则多模型输出融合决策为：
首先，计算各滤波器P阵对角线元素之和，即各P阵的迹，再将这些迹相加求和：
Figure 256649DEST_PATH_IMAGE044
(式13)
式中，
Figure 317009DEST_PATH_IMAGE045
,
Figure 401509DEST_PATH_IMAGE046
,
Figure 256332DEST_PATH_IMAGE047
依次为跟踪型，常规型，平滑型滤波器的P阵， trace()为求矩阵的迹。
其次，分别计算各滤波器估计结果进行融合时的权重：
Figure 423353DEST_PATH_IMAGE048
(式14)
最后，进行数据融合，得到最终结果：
Figure 661305DEST_PATH_IMAGE050
(式15)
在此需要注意的是，P阵最大的状态变量应对最小的权重系数 ，而P阵最小的状态变量应对最大的权重系数 。
优选的，INS包括两个任务函数，一个是传感器数据获取任务，负责获取INS所有的传感器数据，整理后发送给INS解算任务，优先级较高；另一个任务是INS解算任务，该任务接收到整理好的传感器数据后，完成INS解算，并输出定位结果，优先级较低。
优选的，所述传感器数据中断方式的传感器测量时刻标定方法，具体实施过程可包括：
501、传感器中断服务函数启动；
502、获取当前GNSS时间；
503、补偿中断延迟；
504、发送时间标签给传感器数据获取任务；
505、传感器数据获取任务得到时间标签后读取传感器数据。
优选的，针对不同的INS传感器类型，使用两种测量时刻标定方案，对于可以产生数据中断的传感器，在传感器数据中断服务函数内获取当前GNSS时间，补偿中断延迟后发送给传感器数据获取任务，数据获取任务得到时间标签后读取传感器数据。
优选的，利用GNSS跟踪中断来查询传感器数据，进而标定传感器测量时刻的方法，具体实施过程可包括：
601、跟踪中断服务函数启动；
602、查询传感器数据状态；
603、如果传感器数据已准备好则获取当前GNSS时间；
604、发送时间标签给传感器数据获取任务；
605、传感器数据获取任务得到时间标签后读取传感器数据。
优选的，GNSS芯片会有一个高频率的跟踪数据处理中断，周期一般小于等于1ms，对于不能产生数据中断的传感器（IMU/里程计/高度计等传感器），可以在此中断内查询传感器数据是否准备好，如果已准备好则获取当前GNSS时间，发送给传感器数据获取任务，数据获取任务得到时间标签后读取传感器数据。
（三）有益效果
本发明提供了一种GNSS/INS组合导航定位系统。具备以下有益效果：
该GNSS/INS组合导航定位系统设计方案，通过针对不同的INS传感器类型，使用两种测量时刻标定方案，保证时间标定误差在1ms以下，提高GNSS/INS组合导航定位的精度和可靠性。
附图说明
图1为本发明GNSS/INS组合导航系统流程框图；
图2为本发明多传感器数据融合结构图；
图3为本发明多模型卡尔曼滤波器框图；
图4为本发明INS任务流程；
图5为本发明传感器数据中断处理方案；
图6为本发明传感器数据查询处理方案。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
本发明提供一种技术方案本发明实施例中，INS器件通过数据总线连接至GNSS芯片，芯片内的处理器完成GNSS和INS解算。GNSS定位算法使用上一时刻的INS定位结果辅助剔除粗差，完成GNSS定位。INS获取GNSS定位信息，以及IMU（Inertial Measurement Unit，惯性测量单元）、里程计、高度计等传感器数据，完成INS解算。
请参考图1，本发明实施例提供的GNSS/INS组合导航定位算法的具体实施过程可包括：
101、获取当前时间的GNSS观测值；
102、利用INS定位结果辅助剔除粗差；
103、完成PVT（Position，Velocity，Time）解算；
104、获取IMU/里程计/高度计等传感器数据，并打上时间标签；
105、估计各传感器数据的噪声；
106、完成INS解算；
107、输出定位结果。
GNSS/INS组合滤波设计
高精度GNSS/INS组合滤波算法主要包含GNSS/INS组合滤波与INS/DR组合滤波两部分，两滤波器共同工作。GNSS可用时，GNSS/INS组合输出结果精度较高，用于获取系统定位结果；GNSS不可用时，INS/DR组合可抑制INS解算结果发散，延长INS保持定位精度时间，其输出结果用于短时间内获取系统定位结果。具体数据融合示意图如图2所示。
自适应估计定理以及此定理的一些工程化应用。
（1）量测噪声协方差阵自适应估计定理
该定理可描述为：假设对于同一物理量
Figure 803573DEST_PATH_IMAGE051
同时存在两种不同的测量系统，分 别定义为S1、S2，其测量值分别为
Figure 956861DEST_PATH_IMAGE052
、
Figure 269900DEST_PATH_IMAGE053
，符合下述形式
Figure 62275DEST_PATH_IMAGE054
（式1）
其中
Figure 63246DEST_PATH_IMAGE055
、
Figure 650086DEST_PATH_IMAGE056
为零均值白噪声，
Figure 391033DEST_PATH_IMAGE057
、
Figure 314996DEST_PATH_IMAGE058
为趋势项，若满足以 下条件：
Figure 697435DEST_PATH_IMAGE059
（式2）
则可对测量系统S1的测量噪声方差进行如下近似估计：
Figure 533804DEST_PATH_IMAGE060
（式3）
其中，
Figure 431222DEST_PATH_IMAGE061
、
Figure 93629DEST_PATH_IMAGE062
分别为测量系统S1、S2的单系统差分序列，
Figure 596154DEST_PATH_IMAGE063
(式4)
此定理的适用条件有两点：①对某一被测量同时存在两个测量系统（系统1，系统2）；②满足系统1的测量值在真值附近具有较大抖动，系统2的测量值在真值附近抖动较小，短时精度较高，但允许系统长期精度差在满足上述条件的情况下，测量噪声自适应估计定理可以对系统1的测量噪声协方差进行在线估计。在本组合导航系统中，对物理量伪距来说，可由接收机根据信号行程时间确定，也可由卫星星历数据计算的卫星位置和惯导系统计算的位置差确定，存在两个测量值。而且惯导系统具有短时高精度的特点，因此根据接收机和卫星位置差获得的伪距值具有在真值附近抖动小，短时精度高的特性，而由接收机确定的伪距相对来说抖动较大。因此本惯导系统符合量测噪声协方差阵自适应估计定理的应用条件，可以使用此定理对R阵进行自适应估计。
（2）R阵异常检测
系统实际运行的过程中，由于可见星数的变化，遮挡等，会发生量测噪声的突变情况，造成R阵的估计异常，因此需要在对R阵估计的过程中判断其是否存在异常：
Figure 55955DEST_PATH_IMAGE064
(式5)
式中Thre为异常阈值，根据历史信息利用概率分布的统计特性来求得的。当量测信息双差分序列的方差大于异常阈值时，则认为R阵出现突变异常；否则认为R阵正常。
Thre利用量测信息伪距二阶互差分的历史数据，根据频率分布直方图的思想来确定，具体的确定方法如下：
Figure 440668DEST_PATH_IMAGE065
历史数据长度为n，且
Figure 912626DEST_PATH_IMAGE066
(式6)
按数据的最小值a和最大值b把样本数据分为m组，组距
Figure 66395DEST_PATH_IMAGE067
，则各 数据组为
Figure 697097DEST_PATH_IMAGE069
，
Figure 54260DEST_PATH_IMAGE071
二阶互差分序列落到在各组 的数据个数分别为
Figure 123716DEST_PATH_IMAGE072
，且有
Figure 413883DEST_PATH_IMAGE073
，则取
Figure 274873DEST_PATH_IMAGE074
(式7)
（3）R阵修正
当GNSS观测数据有突变，R阵的估计出现异常时，由于R统计估计的限制，不能有效快速更新R，需要对其进行有效的修正。方法是对估计的R进行加权，这样进行滤波解算时，短时间内更多依赖惯性递推，抑制由于R的估计不准确带来的滤波输出的大幅度抖动。具体修正的方法为：
设R的调节因子为β，则调节后的的R为
Figure 916070DEST_PATH_IMAGE075
(式8)
调节R从而达到调节K的结果，设调节后的增益阵为
Figure 992479DEST_PATH_IMAGE076
，则有
Figure 386420DEST_PATH_IMAGE077
(式9)
将调节后
Figure 906394DEST_PATH_IMAGE078
带入到式(10)中，使得输出的抖动在一定的误差范围内，设需要达 到的输出震动幅度C，则：
Figure 18576DEST_PATH_IMAGE079
(式10)
联立上述两式可得：
Figure 180567DEST_PATH_IMAGE080
(式11)
由上述公式可知，β的计算很复杂，且计算量非常大，在条件允许的情况下，即各观 测分量之间没有观测误差的耦合关系时，可采用序贯处理的方法来简化求解过程，只针对R 阵的对角元素进行膨胀调节，定义自适应因子为
Figure 963103DEST_PATH_IMAGE081
，则
Figure 185136DEST_PATH_IMAGE082
(式12)
式中，
Figure 722297DEST_PATH_IMAGE083
为滤波增益阵第i列列向量；
Figure 937247DEST_PATH_IMAGE084
为观测矩阵第i行行向量；
Figure 322092DEST_PATH_IMAGE085
为 一步预测均方误差阵，为n×n方阵。
（4）多模型卡尔曼滤波
多模型卡尔曼滤波是使用2个或更多的模型来描述工作过程中可能的状态，最后通过有效的加权融合进行系统状态估计，以克服单模型不准确的问题。本系统亦采用多模型卡尔曼滤波，利用INS解算结果与GNSS测量结果通过不同的滤波器，再经过多模型输出融合决策选出最佳的滤波结果输出。本系统所用多模型卡尔曼滤波器见图3。
如图3所示，本系统的滤波器分别跟踪型滤波器，常规型滤波器和平滑型滤波器， 三者根据系统噪声方差阵Q阵进行区分。跟踪型滤波器Q阵即
Figure 964294DEST_PATH_IMAGE086
选择较大，因为如果Q阵 较大，说明系统模型不准确，滤波增益阵大，观测信息对滤波值影响权重大，这种滤波器可 以有效跟踪观测信息，在观测信息精度高时效果好。常规型滤波器Q阵即
Figure 5063DEST_PATH_IMAGE087
一般为 对角阵，对角线上元素为惯性传感器白噪声方差。
Figure 20773DEST_PATH_IMAGE088
描述了传感器误差对状态方 程数学建模的影响。平滑型滤波器Q阵即
Figure 447076DEST_PATH_IMAGE089
选择较小，Q值小说明系统模型准确，对观 测信息利用少，更对利用系统方程的递推计算，输出平滑，受观测误差影响小。在取值方面， 这三个Q阵满足
Figure 479754DEST_PATH_IMAGE090
且它们之间相差至少一个数量级。
在多模型输出融合决策方面，卡尔曼滤波器的估计均方差矩阵P阵描述了状态估计值和真实值之间的误差情况，因此可以用来评估不同类型滤波器的估计精度。忽略状态变量之间的耦合关系，仅考虑P阵对角线元素并将其之和作为评估估计精度的标准，则多模型输出融合决策为：
首先，计算各滤波器P阵对角线元素之和，即各P阵的迹，再将这些迹相加求和：
Figure 53823DEST_PATH_IMAGE091
(式13)
式中，
Figure 17100DEST_PATH_IMAGE092
,
Figure 737057DEST_PATH_IMAGE093
,
Figure 272728DEST_PATH_IMAGE094
依次为跟踪型，常规型，平滑型滤波器的P阵， trace()为求矩阵的迹。
其次，分别计算各滤波器估计结果进行融合时的权重：
Figure 943881DEST_PATH_IMAGE095
(式14)
最后，进行数据融合，得到最终结果：
Figure 369571DEST_PATH_IMAGE097
(式15)
在此需要注意的是，P阵最大的状态变量应对最小的权重系数 ，而P阵最小的状态变量应对最大的权重系数 。
INS包括两个任务函数，一个是传感器数据获取任务，负责获取INS所有的传感器数据，整理后发送给INS解算任务，优先级较高；另一个任务是INS解算任务，该任务接收到整理好的传感器数据后，完成INS解算，并输出定位结果，优先级较低。
请参考图4，本发明提供一种INS任务处理方案，具体实施过程可包括：
401、数据获取任务获取所有的传感器数据，整理后发送给INS解算任务；
402、INS解算任务接收到整理好的传感器数据后，完成INS解算，并输出定位结果。
本发明针对不同的INS传感器类型，使用两种测量时刻标定方案。对于可以产生数据中断的传感器，在传感器数据中断服务函数内获取当前GNSS时间，补偿中断延迟后发送给传感器数据获取任务，数据获取任务得到时间标签后读取传感器数据。
请参考图5，本发明提供一种传感器数据中断方式的传感器测量时刻标定方法，具体实施过程可包括：
501、传感器中断服务函数启动；
502、获取当前GNSS时间；
503、补偿中断延迟；
504、发送时间标签给传感器数据获取任务；
505、传感器数据获取任务得到时间标签后读取传感器数据。
一般而言，GNSS芯片会有一个高频率的跟踪数据处理中断，周期一般小于等于1ms。对于不能产生数据中断的传感器（IMU/里程计/高度计等传感器），可以在此中断内查询传感器数据是否准备好，如果已准备好则获取当前GNSS时间，发送给传感器数据获取任务，数据获取任务得到时间标签后读取传感器数据。
请参考图6，本发明提供一种利用GNSS跟踪中断来查询传感器数据，进而标定传感器测量时刻的方法，具体实施过程可包括：
601、跟踪中断服务函数启动；
602、查询传感器数据状态；
603、如果传感器数据已准备好则获取当前GNSS时间；
604、发送时间标签给传感器数据获取任务；
605、传感器数据获取任务得到时间标签后读取传感器数据。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种GNSS/INS组合导航定位系统，包括GNSS/INS组合导航定位算法的具体实施过程，其特征在于：包括：
101、获取当前时间的GNSS观测值；
102、利用INS定位结果辅助剔除粗差；
103、完成PVT解算；
104、获取IMU/里程计/高度计等传感器数据，并打上时间标签；
105、估计各传感器数据的噪声；
106、完成INS解算；
107、输出定位结果。
2.根据权利要求1所述的一种GNSS/INS组合导航定位系统，其特征在于：INS器件通过数据总线连接至GNSS芯片，芯片内的处理器完成GNSS和INS解算；
GNSS定位算法使用上一时刻的INS定位结果辅助剔除粗差，完成GNSS定位；
INS获取GNSS定位信息，以及IMU惯性测量单元、里程计、高度计等传感器数据，完成INS解算。
3.根据权利要求1所述的一种GNSS/INS组合导航定位系统，其特征在于：所述GNSS/INS组合滤波设计：
高精度GNSS/INS组合滤波算法主要包含GNSS/INS组合滤波与INS/DR组合滤波两部分，两滤波器共同工作；
GNSS可用时，GNSS/INS组合输出结果精度较高，用于获取系统定位结果；
GNSS不可用时，INS/DR组合可抑制INS解算结果发散，延长INS保持定位精度时间，其输出结果用于短时间内获取系统定位结果。
4.根据权利要求1所述的一种GNSS/INS组合导航定位系统，其特征在于：所述INS任务处理方案，其特征在于：具体实施过程可包括：
401、数据获取任务获取所有的传感器数据，整理后发送给INS解算任务；
402、INS解算任务接收到整理好的传感器数据后，完成INS解算，并输出定位结果。
5.根据权利要求4所述的一种GNSS/INS组合导航定位系统，其特征在于：INS包括两个任务函数，一个是传感器数据获取任务，负责获取INS所有的传感器数据，整理后发送给INS解算任务，优先级较高；另一个任务是INS解算任务，该任务接收到整理好的传感器数据后，完成INS解算，并输出定位结果，优先级较低。
6.根据权利要求1所述的一种GNSS/INS组合导航定位系统，其特征在于：所述传感器数据中断方式的传感器测量时刻标定方法，其特征在于：具体实施过程可包括：
501、传感器中断服务函数启动；
502、获取当前GNSS时间；
503、补偿中断延迟；
504、发送时间标签给传感器数据获取任务；
505、传感器数据获取任务得到时间标签后读取传感器数据。
7.根据权利要求6所述的一种GNSS/INS组合导航定位系统，其特征在于：针对不同的INS传感器类型，使用两种测量时刻标定方案，对于可以产生数据中断的传感器，在传感器数据中断服务函数内获取当前GNSS时间，补偿中断延迟后发送给传感器数据获取任务，数据获取任务得到时间标签后读取传感器数据。
8.根据权利要求1所述的一种GNSS/INS组合导航定位系统，利用GNSS跟踪中断来查询传感器数据，进而标定传感器测量时刻的方法，其特征在于：具体实施过程可包括：
601、跟踪中断服务函数启动；
602、查询传感器数据状态；
603、如果传感器数据已准备好则获取当前GNSS时间；
604、发送时间标签给传感器数据获取任务；
605、传感器数据获取任务得到时间标签后读取传感器数据。
9.根据权利要求8所述的一种GNSS/INS组合导航定位系统，其特征在于：GNSS芯片会有一个高频率的跟踪数据处理中断，周期一般小于等于1ms，对于不能产生数据中断的传感器：IMU/里程计/高度计等传感器，可以在此中断内查询传感器数据是否准备好，如果已准备好则获取当前GNSS时间，发送给传感器数据获取任务，数据获取任务得到时间标签后读取传感器数据。
CN202111344259.4A 2021-11-15 2021-11-15 一种gnss/ins组合导航定位系统 Pending CN114002726A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111344259.4A CN114002726A (zh) 2021-11-15 2021-11-15 一种gnss/ins组合导航定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111344259.4A CN114002726A (zh) 2021-11-15 2021-11-15 一种gnss/ins组合导航定位系统

Publications (1)

Publication Number Publication Date
CN114002726A true CN114002726A (zh) 2022-02-01

Family

ID=79928959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111344259.4A Pending CN114002726A (zh) 2021-11-15 2021-11-15 一种gnss/ins组合导航定位系统

Country Status (1)

Country Link
CN (1) CN114002726A (zh)

Similar Documents

Publication Publication Date Title
CN110140065B (zh) Gnss接收机保护等级
EP2519803B1 (en) Technique for calibrating dead reckoning positioning data
KR100203969B1 (ko) 안정보장 감시 추정 항법장치
US8773303B2 (en) Position tracking device and method
CN112577521B (zh) 一种组合导航误差校准方法及电子设备
US20070100550A1 (en) Systems and methods for reducing vibration-induced errors in inertial sensors
EP2348335A1 (en) A receiver and method for authenticating satellite signals
EP2816374B1 (en) Vehicle positioning in high-reflection environments
CN102508278A (zh) 一种基于观测噪声方差阵估计的自适应滤波方法
CN110988926B (zh) 一种在松gnss/ins组合导航模式下实现位置精确定点欺骗偏移方法
CN109937341A (zh) 自己的位置的估计
WO2018092124A1 (en) Self-calibrating inertial measurement system and method
CN111197994B (zh) 位置数据修正方法、装置、计算机设备和存储介质
WO2021221989A1 (en) Navigation apparatus and method in which measurement quantization errors are modeled as states
Nassar et al. INS and INS/GPS accuracy improvement using autoregressive (AR) modeling of INS sensor errors
Dichev et al. Algorithm for estimation and correction of dynamic errors
CN112540393A (zh) 海上精密单点定位保护水平质量检核方法及系统
CN114002726A (zh) 一种gnss/ins组合导航定位系统
CN113917512B (zh) 自动驾驶车辆的定位方法、装置、电子设备及存储介质
JP3367461B2 (ja) 移動体姿勢角検出装置
Falletti et al. The Kalman Filter and its Applications in GNSS and INS
JP5032287B2 (ja) 加速度計測装置
CN110082805A (zh) 一种三维定位装置和方法
CN116858223A (zh) 一种基于惯性导航的定位方法及装置
JP6962040B2 (ja) 方位推定装置

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