EP1157284A1 - Dispositif d'hybridation d'un recepteur de positionnement par satellites avec une centrale inertielle - Google Patents

Dispositif d'hybridation d'un recepteur de positionnement par satellites avec une centrale inertielle

Info

Publication number
EP1157284A1
EP1157284A1 EP00990065A EP00990065A EP1157284A1 EP 1157284 A1 EP1157284 A1 EP 1157284A1 EP 00990065 A EP00990065 A EP 00990065A EP 00990065 A EP00990065 A EP 00990065A EP 1157284 A1 EP1157284 A1 EP 1157284A1
Authority
EP
European Patent Office
Prior art keywords
vector
mobile
pseudo
receiver
satellite positioning
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.)
Withdrawn
Application number
EP00990065A
Other languages
German (de)
English (en)
Inventor
Nicolas Thomson-CSF Propriété Intell. Martin
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.)
Thales Avionics SAS
Original Assignee
Thales Avionics SAS
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 Thales Avionics SAS filed Critical Thales Avionics SAS
Publication of EP1157284A1 publication Critical patent/EP1157284A1/fr
Withdrawn legal-status Critical Current

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
    • G01S19/48—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
    • 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
    • G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR

Definitions

  • the present invention relates to hybridization using a
  • Kalman information delivered by a satellite positioning receiver with information coming from an inertial unit.
  • Kalman filtering which appeared in 1960, is a signal processing technique making it possible to optimally reduce the noises of various origins accompanying, inevitably, the signals generated by an equipment, from a modeling of the evolution of the state of the equipment considered within its environment and of a modeling of the dependence relationship existing between the measurable signals coming from the equipment and its state. It implements a recursive filter whose realization is greatly facilitated by the generalization of digital signal processing. Its field of application is very wide since it applies to any system whose evolution of the state and the relation of dependence between its state and signals accessible to the measurement can be modeled. It is widely used in aeronautics, for the treatment of noises affecting measurements renewed periodically and for the fusion of information of the same type coming from measurements coming from several pieces of equipment implementing different physical principles.
  • Kalman filters An important field of use of Kalman filters is that of navigation computers which must develop information for piloting assistance such as position, attitudes (roll, pitch and heading) and speed vector with the best possible precision, despite noises measurement and faults specific to each sensor.
  • the Kalman filter makes it possible to make short-term predictions on the errors affecting the expected inertial data (position, attitudes, and speed vector) from the estimates of the values taken by these same errors in a recent past and their known laws of evolution according to the environment of the flight computer, and to deduce from these short-term forecasts, corrections to be made to the information drawn from the measurements coming from the sensors to make them optimal, it that is, as precise as possible. -.
  • Kalman filtering technique will not be detailed here since it is within the competence of a person skilled in the art and has already been the subject of an abundant literature.
  • the Kalman filtering technique is based on the possibility of modeling the evolution of the state of a physical system considered in its environment, by means of an equation called “evolution”, and on the possibility of modeling the dependence relation existing between the state of the physical system considered and the signals or "measure” by which it is perceived from the outside, by means of an equation called “observation” to make a forecast a priori of the state of the system and of the measurement, taking into account the history
  • the adaptive adjustment of the Kalman filter is obtained using a servo loop tending to minimize the cova ⁇ ance of the error made on the posterior estimation of the state vector of the system. Kalman which are well known, will be recalled later
  • the Kalman filter is used to provide an optimal estimate of the errors affecting the information extracted from the measurements delivered by the inertial unit by the navigation computer.
  • the system whose dynamic behavior is modeled, has as state vector, a vector having as components the errors on the information made by the computer from the measurements of the inertial unit and for vector of measurement a vector having as components the errors measured on information accessible to the measurement.
  • the modeling of its dynamic behavior is defined by means of an evolution equation translating, as faithfully as possible, the deterministic laws known to be followed by the errors considered in the environment in which the system is immersed, a function for example of the kinematics of the movement of the carrier of the inertial unit, and by an observation equation translating the r dependency relationships existing between the errors on the information accessible to the measurement and the errors taken into account in the state vector
  • the measurement vector which does not necessarily have the same dimension as the state vector, is made up
  • Kalman filter Another known application of the Kalman filter concerns the filtering of measurement noise in the processing part of a GNSS receiver.
  • a GNSS receiver is made up of a reception part which provides, for each satellite in the constellation of the positioning system from which the transmission signals are received, the data transmitted by this satellite and two kinds of measurements which are pseudodistance and pseudo- speed of the receiver with respect to the satellite considered, and of a calculation part which provides from this data and measurements, the position and the speed vector of the receiver carrier as well as the time
  • the calculation part operates on the basis of the data transmitted by the visible satellites and measurements of the reception part
  • the system which the calculation part must solve to obtain the position (or the speed) has four unknowns (position x, y, z, and time t or speed Vx, Vy, Vz and clock drift) and has as many equations as of visible satellites
  • a GNSS receiver is therefore capable of delivering a position and speed vector measurement of its carrier, as well as of time, as soon as it receives four satellites from the positioning system In practice, it often receives more than four
  • the number of equations then being greater than the number of unknowns, the resolution can be carried out by the method of least squares, which makes it possible to minimize the vanance of errors on the position and the resolved speed, due to measurement noises
  • the precision on the position and the resolved speed depends only on the geometry of the constellation of the visible satellites, characterized by the parameter DOP (Dilution Of Precision in English language) -saxon)
  • DOP Deution Of Precision in English language
  • Loose hybridization consists in using, with a navigation computer equipped with an inertial measurement unit, a complete GNSS receiver, with its specialized computer often provided at the output with a first Kalman filter usually degenerated into a least squares filter , without memory effect, and to provide the navigation computer with an error estimator, in the form of a second Kalman filter based on the modeling of the dynamic behavior of a physical system made up of the inertial measurement unit , the navigation computer and the part of the GNSS receiver delivering the clock signal
  • the modeled system used for the design of this second Kalman filter has, among the components of its state vector, the expected errors on the position coordinates of the mobile carrying the navigation computer and the GNSS receiver and the expected errors on the components of the mobile speed vector, taken from the acceleration and angular velocity components delivered by the navigation computer
  • the measurement vector adopted to operate this second Kalman filter has, among the components of its measurement vector, the differences between two versions of the position coordinates and of the components of the speed vector, one delivered by the GNSS receiver, the other delivered by the mertiel navigation computer
  • the modeling of the dynamic behavior of the adopted system is defined, in the usual way, by an evolution equation translating the deterministic laws of evolution known for the components of its state vector and by an observation equation translating the relations of dependence between the measurement vector and the state vector
  • the tight hybridization between a GNSS receiver and an inertial reference consists in operating at the level of the basic information available in a GNSS receiver that are the pseudo-distances or relative distances separating the GNSS receiver from the received satellites and the pseudo-speeds or speeds of the relative displacements of the satellites received by report to the GNSS receiver and therefore to short-circuit, for the resetting of the navigation computer the calculation part of the receiver
  • the Kalman filter used in the navigation computer is then based on the modeling of the dynamic behavior of a system defined by
  • the navigation computer performs the processing necessary to extract measurements from the inertial measurement unit, the position, speed vector and attitude information of the wearer II then uses this position and speed vector information of the wearer as well that information on the positions and speed vectors of the satellites of the positioning system supplied to it by the GNSS receiver from the data transmitted by these satellites themselves to calculate the values of the pseudo-distances and pseudo-speeds between the carrier and these satellites
  • the object of the present invention is to avoid the abovementioned drawbacks
  • It relates to a hybridization device, within a navigation computer, of a satellite positioning receiver with an inertial unit equipping a mobile, comprising a filter
  • Kalman with an input and an output, based on the modeling of the dynamic behavior of a system and defined by a state vector with, among its components, the expected errors on the position coordinates and on the components of the speed vector, extracted from the acceleration and angular velocity components delivered by the navigation computer, an evolution equation translating the known evolution laws of the components of its state vector,
  • an observation equation translating the dependence relationships existing between the measurement vector and the state vector characterized in that it comprises, inserted before the input of the Kalman filter, a circuit for synthesizing the differences between pseudo -distances and pseudo-speeds operating from the two versions of position information and speed vector of the mobile delivered one, by the satellite positioning receiver and the other, by the navigation computer, and using, for do the direction cosines of the axes connecting the mobile to the visible satellites of the positioning system, deduced from the positions of said visible satellites extracted from the data transmitted by the latter and captured by the satellite positioning receiver and from one of the available versions of the position information of the mobile
  • the Kalman filter has, among the components of its state vector, the bias and the drift of the receiver clock.
  • the synthesis circuit deduces the directing cosines of the axes connecting the mobile to the visible satellites of the positioning system, from the positions of said visible satellites extracted from the data transmitted by the latter and picked up by the satellite positioning receiver, and from the version d position information of the mobile delivered by the navigation computer
  • the synthesis circuit deduces the director cosines of the axes connecting the mobile to the visible satellites of the positioning system, from the positions of said visible satellites extracted from the data transmitted by the latter and picked up by the receiver of satellite positioning, and the mobile position information version from the satellite positioning receiver
  • the synthesis circuit receives the values of the directing cosines of the axes connecting the mobile to the visible satellites of the positioning system directly from the satellite positioning receiver which itself deduces them from the positions of said visible satellites extracted from the data transmitted by the latter and its own version of information on the position of the mobile delivered by the navigation computer
  • a hybridization is thus obtained, having the same advantages from the point of view of a criterion of least squares (optimality) as tight hybridization while not using sensitive or not necessarily accessible data from the reception part of the GNSS receiver.
  • FIG. 2 represents the block diagram of a “loose” hybridization between an inertial unit and a GNSS receiver according to the state of the prior art
  • FIG. 3 shows the block diagram of a "tight" hybridization between an inertial unit and a receiver
  • the index i / i means that we are dealing with an a posteriori estimate on step ia starting from information available in step i while a double index ⁇ / ⁇ -1 means that we are dealing with an a priori forecast on step i from information coming from step ⁇ -1
  • a Kalman filter makes it possible to obtain an estimate of the posterior state of an optimal system in the sense that the probability of the error made on this posterior estimate is minimal II is based on a modeling of the evolution of the system and on a modeling of the relation existing between the measurement and the state of the system
  • the modeling of the relation existing between the measurement and the state of the system is defined by another first order differential equation which is expressed, after discretization of the continuous model, by an equation of observation of the form
  • H ⁇ X , + V ⁇ z being a measurement vector of dimension m, H, a matrix defining the relation between the measurement vector and the state vector during the same step and v a noise of measurement during a step assumed to be white and Gaussian with zero mean value
  • the Kalman filter is recursive. It is based on the determination of an a priori estimate,sko_, of the state vector of the system in step i from a posteriori knowledge of the vector d state of the system *, _,, _, in the previous step ⁇ -1 and of the application to this estimated a priori ⁇ -,,,, of a corrective term depending on the difference found between the vector measure r, observed during this step i and its estimated a priori f,, _, deduced from the a priori estimate v ,,, of the state vector
  • the a priori estimate z,, _, of the measurement vector in step i is determined by applying the evolution and observation equations to the posterior estimate ⁇ ,,,, of the state vector and at control vector II. corresponding to step ⁇ -1 above
  • This operation is illustrated in your figure 1 by the presence of a feedback loop consisting of a delay circuit 1, three filters 2, 3 4 and a summator 5
  • the circuit delay 1 connected at the output of the Kalman filter makes it possible to store the posterior estimate v,,, _, of the state vector available at the output of the Kalman filter during the previous step ⁇ -1
  • the two filters 2 and 3 and the summator 5 make it possible, by implementing the observation equation, to obtain the a priori estimate v, - of the state vector in step i, from of the posterior estimate î,,,, of the state vector of the system in the previous step ⁇ -1
  • Filter 2 provides the component of the a priori estimate J 1 / ( _, of the state vector in step i depending on the a posteriori estimate £, _ ,,, _, of the state vector at l step ⁇ -1 Its transfer function is defined by the matrix E, _, of the observation equation
  • the filter 3 provides the component of the a priori estimate x ⁇ _ ] of the state vector in step i depending on the control vector w, _, corresponding to step ⁇ -1 Its transfer function is defined by the matrix
  • This a priori estimate ,,,, of the state vector in step i is then used to obtain, by means of a third filter 4, the a priori estimate i ; / ⁇ _, of the measurement vector at l step i by application of the evolution equation
  • This third filter 4 has, to do this a transfer function defined by the matrix H, of the observation equation
  • the a priori estimate z lh of the measurement vector in step i obtained in the feedback loop is applied, at the input of the Kalman filter, to a subtractor circuit 8 which also receives the measurement vector actually measured during step i, z t and which delivers an error vector /; attesting to the error made during the a priori estimation
  • This error vector r is transformed by a fourth filter 6 into a correction vector
  • This correction vector is added by a second summator 7 to the a priori estimate v ,, of the state vector for step i from the first summator 5, to obtain the posterior estimate x,, of the state vector which constitutes the output of the Kalman filter
  • the fourth filter 6, which provides the corrective term, is known as the registration gain filter II has a transfer function defined by a matrix K t determined so as to minimize the cova ⁇ ance of the error made on the estimate. a posteriori
  • Kalman showed that the optimal gain matrix K, could be determined by a recursive method from the equations of the cova ⁇ ance matrix of the a priori estimate of the state vector.
  • P being the cova ⁇ ance matrix of the state vector, either estimated a priori for step i from step ⁇ -1 if P is affected by the index ⁇ / ⁇ -1, or estimated a posteriori if P is assigned the index ⁇ -1, R being the cova ⁇ ance matrix of observation noises w t , Q being the cova ⁇ ance matrix of state noises v,
  • the covanance matrix of the state vector and the state vector are taken equal to their most likely estimates.
  • the covanance matrix is a diagonal matrix with infinite or very large terms (so to have very large standard deviations in front of the domain in which the state vector is likely to evolve) and the estimated state vector the null vector, when we have no idea about the initial values
  • the correction gain of a Kalman filter is "proportional" to the uncertainty on the a priori estimate of the state of the system and "inversely proportional" to the uncertainty in the measurement If the measurement is very uncertain and the estimate of the state of the system relatively precise, the difference observed is mainly due to the measurement noise and the resulting correction must be low On the contrary, if the uncertainty on the measurement is low and that on the estimation of the state of the system large, the difference observed is very representative of the estimation error and must lead to a strong correction. the behavior towards which we tend with the Kalman filter
  • the construction of a Kalman filter requires the definition of two matrices F and L corresponding to the evolution equation defining the evolution of the state vector of the modeled physical system, of a matrix H corresponding to the observation equation defining the relations allowing to pass from the measurement vector to the state vector, and from the gain matrix K updated using an iterative process bringing into play the covanance matrix of the vector of state P itself updated during the iterative process and Q and R covanance matrices of state and observation noise
  • the Kalman filtering technique is often used when it is a question of seeking an optimal estimate of the same physical quantity, several estimates of which are available from several pieces of equipment operating according to different physical principles and not presenting the same defects.
  • the Kalman filtering is carried out at the level of the discrepancies noted between two versions of information of the same type coming from one of the inertial unit and, the other of the GNSS receiver, because it allows to work on variables with more restricted areas of variation on which the linear approximation can be used to simplify the modeling and evolution equations
  • FIG. 2 represents the diagram of the principle of a loose hybridization between an inertial unit and a GNSS receiver.
  • the inertial measurement unit UMI 10 which delivers increments of angles ⁇ ⁇ A ⁇ ⁇ to ⁇ . and speed increments AV x , V y , AV l according to an orientation t ⁇ edre x, y, z linked to its sensors
  • the navigation computer 1 1 which receives the increments of angles and speeds coming from the UMI 10 and extract from it the position P, the speed vector V and the attitudes Att of the wearer and, - the GNSS receiver 13 which provides another version of the position P and the speed vector V
  • the GNSS receiver 13 is shown in a representation detailing its reception part 13a delivering the pseudo-distances pd and pseudo-speeds pv of the carrier relative to the visible satellites and its computer part 13b extracting from 1 D
  • position and speed vector from the navigation computer 11 and the GNSS receiver 13 are subjected to a subtractor 14 determining their deviations
  • the deviations observed in position ⁇ P and speed vector ⁇ V feed a Kalman filter 15 which extracts them an optimal posterior estimate of the measurement bias of the sensors of the inertial measurement unit UMI 10 and of the errors made on the position P, the speed vector V and the attitudes of the wearer by the navigation computer, and which applies this optimal estimate a posteriori to the navigation computer in order to readjust it
  • the Kalman filter 15 used here is based on an evolution equation corresponding to a modeling of the drifts of the system consisting of the navigation computer 1 1 supplied with information by the inertial measurement unit 10 and on an observation equation modeling the relationships between the measurement vector and the state vector
  • the computer 13b of the GNSS receiver 13 generally uses a Kalman filter often reduced to a least squares filter without memory which performs spatial filtering in order to extract, from the information of pseudo-distance pd and pseudo-speed pv, a single information of position and vector speed of the carrier and time which is as precise as possible by reducing the measurement noise of the GNSS receiver
  • a Kalman filter often reduced to a least squares filter without memory which performs spatial filtering in order to extract, from the information of pseudo-distance pd and pseudo-speed pv, a single information of position and vector speed of the carrier and time which is as precise as possible by reducing the measurement noise of the GNSS receiver
  • FIG. 3 represents the block diagram of a close hybridization between an inertial unit and a GNSS receiver
  • the UMI 10 delivers increments of angles ⁇ (- * ⁇ , ⁇ ⁇ * 0 v , ⁇ ! - / * > _ and increments of speed AV, Al, V. according to an orientation t ⁇ èdre x , y, z linked to its sensors to a navigation computer 1 1 responsible for extracting from these increments of angles and speed, the position P, the speed vector V and Attitudes of the wearer, while the GNSS receiver 13 provides another version of the position P and of the speed vector V of the wearer
  • the GNSS receiver 13 is used to readjust the navigation computer 1 1 in a manner different from the loose hybridization.
  • the final information on the position P and the speed vector V of the carrier delivered by its computer 13b, are not used for registration They are replaced by the intermediate measurements of pseudo-distances pd and pseudo-speeds pv with respect to the different visible satellites of the constellation of the positioning system which are available at the output of its reception part 13a
  • a synthesizer circuit S 20 is added at the output of the navigation computer 1 1 II receives from the GNSS receiver, by a particular link, additional information on the positions and speeds of the satellites extracted from the data transmitted by the satellites themselves and calculates, from this additional information and information of position P and speed V of the carrier delivered by the navigation computer 1 1, estimates pd ei pv of the pseudo-distances and pseudo-speeds
  • the two versions of pseudo-distances pd and pseudo-pv speeds available, one calculated by the synthesizer S 20 and the other measured by the reception part 13a of the GNSS receiver 13 are subjected to a deviation detector 21
  • the observed deviations ⁇ pd and ⁇ pv between the two versions of each pseudo-distance and each pseudo-speed are applied at the input of a Kalman filter 22 which delivers, at the output, an optimal estimate a posteriori of s measurement bias of the sensors of the inertial measurement unit UMI 10 and of the errors made on the position P, the speed vector
  • K being the gain matrix
  • the determination method of which, described in relation to FIG. 1 uses the covanance matrix P of the state vector updated according to an iterative process, the cova ⁇ ance matrix R of the observation noises , to the observation matrix H and to the measurement or observation vector Z
  • the Kalman filter is perfectly defined by means of its estimated state vector X , of the matrix F defining by modeling, the evolution of its state vector, of its observation vector
  • ⁇ v x , ⁇ Vy, ⁇ v z being the components of the difference between the real speed vector of the carrier and an a priori estimate of this speed vector
  • d being the drift of the clock of the GNSS receiver, made homogeneous at a speed by multiplication by the speed of light
  • v x , v y , v z being the a priori estimate of the components of the speed vector of the carrier, given by the GNSS receiver before correction, deduced for example from the speed vector estimated at the previous resolution
  • v x ⁇ , v y ⁇ , v z being the components of the speed vector of the satellite system of the positioning system extracted from the data of the satellite itself, expressed in the coordinate system used for the speed vector of the carrier
  • dp being the pseudo-speed between the carrier and the satellite lemme calculated from the a priori speed vector of the carrier and the satellite data
  • pv being the pseudo-speed between the carrier and the satellite lemme measured by the GNSS receiver
  • ⁇ X [ ⁇ ⁇ ⁇ t ⁇ . ⁇
  • A V ( v - ⁇ *) 2 + C y -,) : + (- - : ⁇ x , ⁇ y , ⁇ z being the differences between the coordinates of the actual position of the carrier and the coordinates of the position of the carrier given by the navigation computer, t being the error made over time by the clock of the GNSS receiver, made homogeneous at a distance by multiplication by the speed of light, ⁇ i. ⁇ i. ⁇ , being the direction cosines of the axis connecting the carrier to the lemma satellite in the coordinate system used by the navigation computer, x, y, z being the coordinates of the position of the carrier given by the navigation computer, x mecanicyoffice z, being the coordinates of the position of the same satellite of the positioning system extracted from the data of the lth satellite itself and expressed in the reference frame used for the position of the carrier, p, being the pseudo-distance calculated between the carrier and the i-th satellite, pd, being the pseudo-di
  • FIG. 4 To improve the hybridization between an inertial unit and a GNSS receiver, a new arrangement is proposed, shown schematically in FIG. 4.
  • the inertial measurement unit UMI 10 delivers increments of angles ⁇ J X , ⁇ 9 V , ⁇ 9. and speed increments ⁇ F ⁇ ⁇ J- ⁇ ⁇ F. according to an orientation t ⁇ èdre x, y, z linked to its sensors, to a navigation computer 1 1 responsible for extracting from these increments of angles and speed, the position P, the speed vector V and the attitudes Att of the carrier, while the GNSS receiver 1 3 provides another version of the position P and the speed vector V of the carrier
  • the GNSS receiver 13 is again considered in its integrity, as in the case of loose hybridization, without direct access to the intermediate information delivered by its reception part, which are its pseudo-distance and pseudo-speed measurements, this which avoids the problems linked to the output of its sensitive information unit Only the final information, that is to say position, speed vector, clock information and the data transmitted by the satellites of the positioning system which are delivered by its calculation part 13b As in the context of the loose hybridization described with reference to FIG.
  • the synthesizer circuit S ⁇ receives the two versions of the position P and speed vector information V delivered one by the navigation computer 1 1 and the other by the satellite positioning receiver 13 with in addition the positions P, and speed V vectors, satellites visible from the positioning system extracted from the data transmitted by these satellites captured and decoded in the satellite positioning receiver 13
  • the direction cosines ⁇ ,, ⁇ ,, ⁇ , of the satellite axes uses the coordinates x ,, y ,, z, the positions of the satellites visible from the positioning system and the coordinates x, y, z of the position of the carrier
  • the coordinates of the positions xonuly,, z, of the visible satellites are supplied to it by the GNSS receiver
  • the coordinates x, y, z of the position of the carrier he has the choice between two sources either, the GNSS receiver 13 or, the navigation computer 1 1
  • the synthesizer circuit S ⁇ 30 it is advantageous for the synthesizer circuit S ⁇ 30 to use, when determining the director cosines of the satellite axes, the information relating to the x, y, z coordinates of the position of the carrier coming from the navigation computer 11, rather than that from the GNSS receiver 13 because they are always available, which allows the synthesizer circuit S ⁇ 30 to calculate the direction cosines of the directions of all the visible satellites and therefore to arrive at the pseudo-distances and pseudo-speeds of these satellites, even s '' they are insufficient in number to allow the GNSS receiver to provide an estimate of the position of the carrier.However, it is possible for the latter to use, when determining the cosines of the satellite axes, the information relating to the x coordinates. , y, z of the position of the carrier from the satellite positioning receiver II is even possible that the directing cosines of the directio ns visible satellites are directly supplied to it by the satellite positioning receiver because
  • the Kalman filter 32 is analogous to that (22 FIG. 3) described in the context of "tight" hybridization, with the exception of the observation vector which has, as components for the pseudo-distances the quantities
  • the diagonal term of the state noise matrix Q corresponding to the estimated clock bias is increased, for example to a value greater than 10 6 , so as to not take into account the time t estimated at the previous registration because there is no seeks more to model the clock of the GNSS receiver in this kind of hybridization) and, as regards pseudo-speeds, the quantities
  • the diagonal term of the state noise matrix Q corresponding to the estimated clock drift is also increased, for example to a value greater than 10 6. so as to not take account of the drift d estimated at the previous registration since we no longer seek to model the clock of the GNSS receiver in this kind of hybridization)
  • the new hybridization arrangement between an inertial unit and a GNSS receiver illustrated in FIG. 4 presents the cumulative advantages of tight hybridization and loose hybridization when the information on the position and the speed vector of the carrier used by the synthesizing circuit for calculating the directing cosines of the directions of visible satellites originate from the navigation computer
  • the precision of the information delivered by the GNSS receiver which is very dependent on the geometry of the constellation of satellites that '' it uses at the time of its triangulation (Dilution Of Precision) It also allows a certain registration of the navigation computer as soon as at least one of the satellites of the positioning system is visible from the GNSS receiver, this registration improving with the increase the number of satellites received (when the number of available satellites is less than four, the receiver's computer provides a partially readjusted position from an a priori position, deduced for example from the previous resolution)
  • the navigation computer, the synthesizer circuit and the Kalman filter used to correct the errors of the inertial unit have been represented in the form of an assembly of separate boxes. It should not be concluded that this is necessarily the case in practice Indeed, as we are dealing with signals which are very often digitized, all the processing and functions performed in these different boxes can be done by means of one or more processors controlled by software and grouped in the navigation calculator

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

La présente invention concerne l'hybridation d'une centrale inertielle et d'un récepteur de positionnement par satellites en vue de corriger la dérive à long terme de la centrale inertielle. Deux sortes d'hybridation sont connues, l'une dite "lâche" et l'autre dite "serrée". L'hybridation lâche a l'inconvénient de nécessiter des mesures complètes de la part du récepteur de positionnement mais elle n'implique pas l'utilisation de données sensibles du récepteur de positionnement. L'hybridation serrée fonctionne même avec un récepteur de positionnement fournissant des informations incomplètes mais nécessite l'utilisation de données sensibles du récepteur de positionnement. L'invention propose une hybridation à mi-chemin entre l'hybridation lâche et l'hybridation serrée qui a les avantages des deux sans en présenter les inconvénients.

Description

DISPOSITIF D'HYBRIDATION D'UN RECEPTEUR DE POSITIONNEMENT PAR SATELLITES AVEC UNE CENTRALE INERTIELLE
La présente invention concerne l'hybridation à l'aide d'un filtre de
Kalman, des informations délivrées par un récepteur de positionnement par satellites avec les informations provenant d'une centrale inertielle.
Le filtrage de Kalman apparue en 1960, est une technique de traitement de signal permettant de réduire, de façon optimale, les bruits d'origines diverses accompagnant, de manière inéluctable, les signaux engendrés par un équipement, à partir d'une modélisation de l'évolution de l'état de l'équipement considéré au sein de son environnement et d'une modélisation de la relation de dépendance existant entre les signaux mesurables provenant de l'équipement et son état. Il met en œuvre un filtre récursif dont la réalisation est grandement facilitée par la généralisation des traitements numériques des signaux. Son domaine d'application est très vaste puisqu'il s'applique à tout système dont l'évolution de l'état et la relation de dépendance entre son état et des signaux accessibles à la mesure sont modélisables. Il est largement utilisé en aéronautique, pour le traitement des bruits affectant des mesures renouvelées périodiquement et pour la fusion d' informations de même type issues de mesures provenant de plusieurs équipements mettant en œuvre des principes physiques différents.
Un domaine important d'utilisation des filtres de Kalman est celui des calculateurs de navigation qui doivent élaborer des informations d'aide au pilotage telles que position, attitudes (roulis, tangage et cap) et vecteur vitesse avec la meilleure précision possible, malgré les bruits de mesure et les défauts propres à chaque capteur. Dans le cadre des calculateurs de navigation, le filtre de Kalman permet de faire des prédictions à court terme sur les erreurs affectant les données inertielles attendues (position, attitudes, et vecteur vitesse) à partir des estimées des valeurs prises par ces mêmes erreurs dans un passé récent et de leurs lois d'évolution connues en fonction de l'environnement du calculateur de vol, et de déduire de ces prévisions à court terme, des corrections à apporter aux informations tirées des mesures provenant des capteurs pour les rendre optimales, c'est-à-dire les plus précises possibles. -.
La technique de filtrage de Kalman ne sera pas détaillée ici car elle est de la compétence de l'homme du métier et a déjà fait l'objet d'une abondante littérature
Brièvement, la technique de filtrage de Kalman s'appuie sur la possibilité de modélisation de l'évolution de l'état d'un système physique considéré dans son environnement, au moyen d'une équation dite "d'évolution", et sur la possibilité de modélisation de la relation de dépendance existant entre l'état du système physique considéré et les signaux ou "mesure" par lesquels il est perçu de l'extérieur, au moyen d'une équation dite "d'observation" pour faire une prévision a priori de l'état du système et de la mesure, compte tenu de l'historique
Elle consiste à soumettre la mesure effective désignée par le terme de "vecteur de mesure" car elle porte souvent sur plusieurs grandeurs, à un filtrage permettant d'en extraire une estimée a posteriori de l'état du système désigné également par "vecteur d'état" car l'état d'un système est souvent défini à partir de plusieurs informations en nombre non nécessairement égal à celui des grandeurs de mesure, qui soit optimale, en ce sens qu'elle minimise la covaπance de l'erreur faite sur cette estimation a posteriori de l'état du système Le filtre utilisé pour ce faire, est un filtre adaptatif récursif qui génère des estimées a priori du vecteur d'état du système et du vecteur de mesure à partir des équations d'évolution et d'observation, et qui utilise l'écart constaté entre le vecteur de mesure effectivement constaté et son estimée a priori pour engendrer un terme correctif qui, applique à l'estimée a priori du vecteur d'état du système, conduit à l'obtention de l'estimée optimale a posteriori
Le réglage adaptatif du filtre de Kalman est obtenu à l'aide d'une boucle d'asservissement tendant à minimiser la covaπance de l'erreur faite sur l'estimation à posteriori du vecteur d'état du système Les équations de définition du filtre de Kalman qui sont bien connues, seront rappelées ultérieurement
L'une des plus anciennes applications de la technique de Kalman, en aéronautique, concerne la correction des erreurs affectant les informations de position, d'attitudes et de vecteur vitesse obtenues par un calculateur de navigation sur la base des seules informations délivrées par les capteurs d'une unité de mesure inertielle opération dite " hybridation d'une centrale inertielle"
Dans cette application, le filtre de Kalman est utilise pour fournir une estimation optimale des erreurs affectant les informations extraites des mesures délivrées par la centrale inertielle par le calculateur de navigation Le système, dont le comportement dynamique est modélisé, a pour vecteur d'état, un vecteur ayant pour composantes les erreurs sur les informations faites par le calculateur a partir des mesures de la centrale inertielle et pour vecteur de mesure un vecteur ayant pour composantes des erreurs mesurées sur des informations accessibles à la mesure La modélisation de son comportement dynamique est définie au moyen d'une équation d'évolution traduisant, le plus fidèlement possible, les lois déterministes connues pour être suivies par les erreurs considérées dans l'environnement dans lequel est immergé le système, fonction par exemple de la cinématique du mouvement du porteur de la centrale inertielle, et par une équation d'observation traduisant les relations de dépendance existant entre les erreurs sur les informations accessibles à la mesure et les erreurs prises en compte dans le vecteur d'état Dans le cas où l'évolution déterministe d'une erreur sur une information n'est pas connue, elle est considérée comme statique dans la définition de l'équation d'évolution Dans la pratique, le vecteur de mesure, qui n'a pas nécessairement la même dimension que le vecteur d'état, est constitué des écarts constatés entre deux versions d'une même information déduites l'une des signaux de la centrale inertielle et l'autre des signaux d'un ou plusieurs autres équipements non sujets à la même dérive Cette information peut être, par exemple, le cap déduit d'un côté, des mesures des capteurs de la centrale inertielle et de l'autre, de la mesure d'une boussole ou d'un radiocompas, l'altitude déduite d'un côté, des mesures des capteurs de la centrale inertielle et de l'autre, des mesures d'un altimètre radioélectπque ou barométrique, la vitesse ou la position relative du mobile par rapport à une référence au sol d'un côté délivrée par un radar et de l'autre reconstituée à partir des mesures de la centrale inertielle, ou encore, la position et le vecteur vitesse d'un côté délivrés par un récepteur de positionnement par satellites ou récepteur GNSS (Global Navigation Satellite System en langage anglo-saxon) et de l'autre extraits des mesures de la centrale inertielle Dans une première étape, le calculateur de navigation effectue les calculs classiques par intégrations, permettant d'obtenir des informations sur la position, les attitudes et le vecteur vitesse de son porteur à partir des données brutes fournies par les capteurs de l'unité de mesure inertielle, tandis que dans une deuxième étape, un filtre de Kalman effectue des estimations optimales des erreurs commises, utilisées pour corriger ou recaler, dans une troisième étape, les informations délivrées par le calculateur de navigation
Le fait d'appliquer le filtrage de Kalman à l'estimation des erreurs affectant les grandeurs physiques mesurée et non à l'estimation des grandeurs physiques elles même permet au filtre de Kalman d'opérer sur un signal de moindre amplitude et moins évolutif dont la modélisation du comportement dynamique se prête mieux à une approximation linéaire
Une autre application connue du filtre de Kalman concerne le filtrage des bruits de mesure dans la partie traitement d'un récepteur GNSS
Un récepteur GNSS se compose d'une partie réception qui fournit, pour chaque satellite de la constellation du système de positionnement dont les signaux de transmission sont captés, les données transmises par ce satellite et deux sortes de mesures que sont la pseudodistance et la pseudo-vitesse du récepteur par rapport au satellite considéré, et d'une partie calcul qui fournit à partir de ces données et mesures, la position et le vecteur vitesse du porteur du récepteur ainsi que le temps La partie calcul opère à partir des données émises par les satellites visibles et des mesures de la partie réception
Le système que la partie calcul doit résoudre pour obtenir la position (ou la vitesse) a quatre inconnues (position x, y, z, et temps t ou vitesse Vx, Vy, Vz et dérive d'horloge) et comporte autant d'équations que de satellites visibles Un récepteur GNSS est donc capable de délivrer une mesure de position et de vecteur vitesse de son porteur, ainsi que de temps, dès qu'il capte quatre satellites du système de positionnement Dans la pratique, il en capte souvent plus de quatre Le nombre d'équations étant alors supérieur au nombre d'inconnues, la résolution peut être effectuée par la méthode des moindres carrés, qui permet de minimiser la vanance des erreurs sur la position et la vitesse résolue, dues aux bruits de mesure Dans ce cas la précision sur la position et la vitesse résolues dépend uniquement de la géométrie de la constellation des satellites visibles, caractérisée par le paramètre DOP (Dilution Of Précision en langage anglo-saxon) Cette technique est un cas particulier du filtre de Kalman, sans effet mémoire, car on manque souvent, au niveau du récepteur GNSS, pour réaliser un vrai filtre de Kalman, d'un modèle fiable de la dynamique du porteur
En présence d'un récepteur GNSS et d'une centrale inertielle, on a cherché tout naturellement, à utiliser la technique de filtrage de Kalman pour réaliser la fusion de leurs informations de navigation au niveau du calculateur de navigation de la centrale inertielle Une telle opération est connue dans la technique sous le nom "d'hybridation entre un récepteur GNSS et une référence inertielle"
On connaît deux sortes d'hybridations entre un récepteur GNSS et une référence inertielle une hybridation dite "lâche" et une hybridation dite "serrée"
L'hybridation lâche consiste à utiliser, avec un calculateur de navigation équipé d'une unité de mesure inertielle, un récepteur GNSS complet, avec son calculateur spécialisé souvent pourvu en sortie d'un premier filtre de Kalman habituellement dégénéré en un filtre des moindres carrés, sans effet mémoire, et à munir le calculateur de navigation d'un estimateur d'erreur, sous la forme d'un deuxième filtre de Kalman basé sur la modélisation du comportement dynamique d'un système physique constitué de l'unité de mesure inertielle, du calculateur de navigation et de la partie du récepteur GNSS délivrant le signal d'horloge
Le système modélisé utilisé pour la conception de ce deuxième filtre de Kalman a, parmi les composantes de son vecteur d'état, les erreurs attendues sur les coordonnées de position du mobile porteur du calculateur de navigation et du récepteur GNSS et les erreurs attendues sur les composantes du vecteur vitesse du mobile, tirées des composantes d'accélération et de vitesses angulaires délivrées par le calculateur de navigation Le vecteur de mesure adopté pour faire fonctionner ce deuxième filtre de Kalman a, parmi les composantes de son vecteur mesure, les écarts entre deux versions des coordonnées de position et des composantes du vecteur vitesse, l'une délivrées par le récepteur GNSS, l'autre délivrée par le calculateur de navigation mertiel
La modélisation du comportement dynamique du système adoptée est définie, de la manière habituelle, par une équation d'évolution traduisant les lois déterministes d'évolution connues pour les composantes de son vecteur d'état et par une équation d'observation traduisant les relations de dépendance existant entre le vecteur de mesure et le vecteur d'état
Cette hybridation lâche a divers inconvénients
Elle nécessite tout d'abord, de la part du récepteur GNSS, la délivrance d'une mesure complète de position et de vecteur vitesse et ne peut fonctionner si le récepteur GNSS ne capte qu'un nombre insuffisant de satellites du système de positionnement (moins de quatre)
Elle ne permet pas de tenir compte de la qualité des informations délivrées par le récepteur GNSS, liée à la géométrie de la constellation des satellites visibles (Dilution Of Précision) Par contre, elle peut être utilisée en toutes circonstances, sans précaution particulière, puisqu'elle ne fait appel, de la part du récepteur GNSS, à aucune donnée confidentielle telle que les mesures de pseudodistances corrigées du brouillage intentionnel destiné à réduire la précision du positionnement pour les utilisateurs non agréés par le gestionnaire du système de positionnement par satellites Ce problème de sécurisation du système GNSS se pose cependant au sein du récepteur GNSS lui-même mais il peut être résolu par des dispositions particulières assurant le confinement des données confidentielles dans un volume protégé restreint
L'hybridation serrée entre un récepteur GNSS et une référence inertielle consiste à opérer au niveau des informations de base disponibles dans un récepteur GNSS que sont les pseudo-distances ou distances relatives séparant le récepteur GNSS des satellites reçus et les pseudo- vitesses ou vitesses des déplacements relatifs des satellites reçus par rapport au récepteur GNSS et donc à court-circuiter, pour le recalage du calculateur de navigation la partie calcul du récepteur
Le filtre de Kalman utilisé au niveau du calculateur de navigation est alors basé sur la modélisation du comportement dynamique d'un système défini par
- un vecteur d'état avec, parmi ses composantes, les erreurs attendues sur les coordonnées de position et sur les composantes du vecteur vitesse, extraites des composantes d'accélération et de vitesses angulaires délivrées par le calculateur de navigation, et le biais et la dérive de l'horloge du récepteur, une équation d'évolution traduisant les lois d'évolution connues des composantes de son vecteur d'état,
- un vecteur de mesure avec, parmi ses composantes, des écarts entre deux versions de pseudo-distances et de pseudo- vitesses ayant pour origine l'une le récepteur de positionnement par satellites et l'autre le calculateur de navigation, une équation d'observation traduisant les relations de dépendance existant entre le vecteur de mesure et le vecteur d'état,
Le calculateur de navigation effectue les traitements nécessaires pour extraire des mesures de l'unité de mesure inertielle, les informations de position, de vecteur vitesse et d'attitudes du porteur II fait ensuite appel à ces informations de position et de vecteur vitesse du porteur ainsi qu'aux informations sur les positions et vecteurs vitesse des satellites du système de positionnement que lui fournit le récepteur GNSS à partir des données transmises par ces satellites eux-mêmes pour calculer les valeurs des pseudo-distances et pseudo-vitesses entre le porteur et ces satellites
On est alors en possession de deux versions des pseudo- distances et pseudo-vitesses, l'une tirée des mesures de l'unité de mesure inertielle et des données transmises par les satellites, l'autre tirée des mesures du récepteur GNSS concernant les durées de transmission et les décalages Doppler affectant les signaux émis par les satellites visibles du système de positionnement Les écarts entre ces deux versions, constituant le vecteur de mesure, sont alors soumis à un filtrage de Kalman pour filtrer les bruits de mesure et obtenir une estimée optimale a posteriori du vecteur d'état mise à profit pour recaler le calculateur de navigation L'avantage le plus apparent de cette forme d'hybridation serrée est d'éviter de faire intervenir la partie calcul du récepteur GNSS et d'utiliser un seul filtre de Kalman et non deux imbriqués, l'un traitant les signaux de sortie de la partie calcul du récepteur GNSS et l'autre la dérive du calculateur de navigation L'autre avantage, important du point de vue de la précision, est la prise en compte de la géométrie des satellites (nombre et disposition dans l'espace) du fait de la possibilité de recaler l'estimée a priori de la position et du vecteur vitesse déduits des mesures de la centrale inertielle selon les différentes directions des satellites reçus, quel que soit leur nombre L'hybridation serrée, telle qu'elle est faite actuellement, a par contre l'inconvénient de nécessiter l'extraction, du sein du récepteur GNSS, des mesures de pseudo-distances, pseudo-vitesses des satellites du système de positionnement qui sont des informations sensibles dès qu'elles sont corrigées des effets du brouillage intentionnel Cela oblige à placer le récepteur GNSS et le calculateur de navigation dans un même périmètre de sécurité, ce qui peut poser des problèmes ardus de disposition des équipements sur un porteur et renchérir le coût de leurs installations
La présente invention a pour but d'éviter les inconvénients précités
Elle a pour objet un dispositif d'hybridation, au sein d'un calculateur de navigation, d'un récepteur de positionnement par satellites avec une centrale inertielle équipant un mobile, comportant un filtre de
Kalman, avec une entrée et une sortie, basé sur la modélisation du comportement dynamique d'un système et défini par un vecteur d'état avec, parmi ses composantes, les erreurs attendues sur les coordonnées de position et sur les composantes du vecteur vitesse, extraites des composantes d'accélération et de vitesses angulaires délivrées par le calculateur de navigation, une équation d'évolution traduisant les lois d'évolution connues des composantes de son vecteur d'état,
- un vecteur de mesure avec, parmi ses composantes, des écarts entre deux versions de pseudo-distances et de pseudo- vitesses ayant pour origine l'une le récepteur de positionnement par satellites et l'autre le calculateur de navigation,
- une équation d'observation traduisant les relations de dépendance existant entre le vecteur de mesure et le vecteur d'état, caractérisé en ce qu'il comporte, intercalé devant l'entrée du filtre de Kalman, un circuit de synthèse des écarts entre pseudo-distances et pseudo-vitesses opérant à partir des deux versions d'informations de position et de vecteur vitesse du mobile délivrées l'une, par le récepteur de positionnement par satellites et l'autre, par le calculateur de navigation, et utilisant, pour ce faire les cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement, déduits des positions desdits satellites visibles extraites des données émises par ces derniers et captées par le récepteur de positionnement par satellites et de l'une des versions disponibles de l'information de position du mobile
Avantageusement, le filtre de Kalman a, parmi les composantes de son vecteur d'état le biais et la dérive de l'horloge de récepteur
Avantageusement, le circuit de synthèse déduit les cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement, des positions desdits satellites visibles extraites des données émises par ces derniers et captées par le récepteur de positionnement par satellites, et de la version d'information de position du mobile délivrée par le calculateur de navigation
En variante le circuit de synthèse déduit les cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement, des positions desdits satellites visibles extraites des données émises par ces derniers et captées par le récepteur de positionnement par satellites, et de la version d'information de position du mobile délivrée par le récepteur de positionnement par satellites
En variante, le circuit de synthèse reçoit les valeurs des cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement directement du récepteur de positionnement par satellite qui les déduit lui-même des positions desdits satellites visibles extraites des données émises par ces derniers et de sa propre version d'information sur la position du mobile délivrée par le calculateur de navigation
On obtient ainsi une hybridation mixte ayant les mêmes avantages du point de vue d'un critère des moindres carrés (optimalité) que l'hybridation serrée tout en ne faisant pas appel à des données sensibles ou non nécessairement accessibles de la partie réception du récepteur GNSS
D'autres caractéristiques et avantages de l'invention ressortiront de la description ci-après, d'un mode de réalisation de l'invention donné à titre d'exemple Cette description sera faite en regard du dessin dans lequel une figure 1 représente le schéma de principe d'un filtre de Kalman,
- une figure 2 représente le schéma de principe d'une hybridation "lâche" entre une centrale inertielle et un récepteur GNSS selon l'état de la technique antérieure,
- une figure 3 représente le schéma de principe d'une hybridation "serrée" entre une centrale inertielle et un récepteur
GNSS selon l'état de la technique antérieure, et
- une figure 4 représente le schéma de principe d'une hybridation selon l'invention
Sur la figure 1 , on distingue les grandeurs relatives à la mesure ou à l'état d'un système, en fonction du fait qu'il s'agit d'une mesure ou d'un état effectif ou qu'il s'agit d'une estimation de mesure ou d'état en affectant ou non les termes qui les représentent d'un accent circonflexe et d'un double indice Ainsi, la mesure effective appliquée à l'entrée du filtre de Kalman montré à la figure 1 est désignée par z tandis que l'estimée optimale de l'état du système disponible a la sortie de ce filtre de Kalman est désignée par xl h ou , ,„, L'indice i/i signifie que l'on a affaire à une estimation a posteriori sur l'étape i a partir d'informations disponible à l'étape i tandis qu'un double indice ι/ι-1 signifie que l'on a affaire à une prévision a priori sur l'étape i à partir d'informations provenant de l'étape ι-1
Un filtre de Kalman permet d'obtenir une estimation de l'état a posteriori d'un système optimale dans le sens où la covaπance de l'erreur faite sur cette estimation a posteriori est minimale II se base sur une modélisation de l'évolution du système et sur une modélisation de la relation existant entre la mesure et l'état du système
Dans sa plus grande généralité, la modélisation de l'évolution de l'état du système est définie par une équation différentielle vectorielle du premier ordre qui s'exprime après discrétisation du modèle continu par une équation d'évolution de la forme Y , = x + ,ιιk T 11 ; x étant un vecteur d'état de dimension n, u un vecteur de contrôle, F, une matrice définissant la relation entre le vecteur d'état à l'étape 1 et le vecteur d'état à l'étape ι+1 en l'absence de vecteur de contrôle et de bruit de fonctionnement, L, une matrice définissant la relation entre le vecteur de contrôle et le vecteur d'état au cours d'une même étape et w un bruit de fonctionnement au cours d'une étape, supposé blanc et gaussien à valeur moyenne nulle
La modélisation de la relation existant entre la mesure et l'état du système est définie par une autre équation différentielle du premier ordre qui s'exprime, après discrétisation du modèle continu, par une équation d'observation de la forme
-, = HιX, + Vι z étant un vecteur de mesure de dimension m, H, une matrice définissant la relation entre le vecteur de mesure et le vecteur d'état au cours d'une même étape et v un bruit de mesure au cours d'une étape supposé blanc et gaussien à valeur moyenne nulle
Comme représenté sur la figure 1 , le filtre de Kalman est récursif Il repose sur la détermination d'une estimation a priori ,„_, du vecteur d'état du système à l'étape i à partir de la connaissance a posteriori du vecteur d'état du système *,_, ,_, à l'étape précédente ι-1 et de l'application à cette estimée a priori À-, , , d'un terme correcteur dépendant de l'écart constaté entre le vecteur mesure r, constate au cours de cette étape i et son estimée a priori f, ,_, déduite de l'estimation a priori v, , , du vecteur d'état
L'estimée a priori z, ,_, du vecteur de mesure à l'étape i est déterminée par application des équations d'évolution et d'observation à l'estimée a posteriori Ϋ, , , , du vecteur d'état et au vecteur de contrôle II. correspondant à l'étape ι-1 précédente Cette opération est illustrée sur ta figure 1 par la présence d'une boucle de rétroaction constituée d'un circuit à retard 1 , de trois filtres 2, 3 4 et d'un sommateur 5 Le circuit à retard 1 connecté en sortie du filtre de Kalman permet de mémoriser l'estimée a posteriori v, , ,_, du vecteur d'état disponible à la sortie du filtre de Kalman au cours de l'étape précédente ι-1
Les deux filtres 2 et 3 et le sommateur 5 permettent, par mise en œuvre de l'équation d'observation, l'obtention de l'estimée à priori v, -, du vecteur d'état à l'étape i, à partir de l'estimée a posteriori î, , , , du vecteur d'état du système à l'étape précédente ι-1
Le filtre 2 fournit la composante de l'estimée a priori J 1 /(_, du vecteur d'état à l'étape i dépendant de l'estimée a posteriori £,_,,,_, du vecteur d'état à l'étape ι-1 Sa fonction de transfert est définie par la matrice E,_, de l'équation d'observation
Le filtre 3 fournit la composante de l'estimée a priori xι _] du vecteur d'état à l'étape i dépendant du vecteur de contrôle w,_, correspondant à l'étape ι-1 Sa fonction de transfert est définie par la matrice
Z;_, de l'équation d'observation Le sommateur 5 additionne les deux composantes délivrées par les filtres 2 et 3 et fournit l'estimée a priori x ;_, du vecteur d'état à l'étape i telle qu'elle résulte de l'application de l'équation d'évolution
Cette estimée a priori ,,, , du vecteur d'état à l'étape i est ensuite utilisée pour obtenir, au moyen d'un troisième filtre 4, l'estimée a priori i;/ι_, du vecteur de mesure à l'étape i par application de l'équation d'évolution Ce troisième filtre 4 a, pour ce faire une fonction de transfert définie par la matrice H, de l'équation d'observation
L'estimée a priori zlh , du vecteur de mesure à l'étape i obtenue dans la boucle de rétroaction est appliquée, en entrée du filtre de Kalman, à un circuit soustracteur 8 qui reçoit par ailleurs le vecteur de mesure effectivement mesuré au cours de l'étape i, zt et qui délivre un vecteur d'erreur /; attestant de l'erreur commise lors de l'estimation a priori Ce vecteur d'erreur r, est transformé par un quatrième filtre 6 en un vecteur de correction Ce vecteur de correction est additionné par un deuxième sommateur 7 à l'estimée a priori v , , du vecteur d'état pour l'étape i issue du premier sommateur 5, pour obtenir l'estimée a posteriori x, , du vecteur d'état qui constitue la sortie du filtre de Kalman
Le quatrième filtre 6, qui fournit le terme correctif, est connu sous le nom de filtre de gain de recalage II a une fonction de transfert définie par une matrice Kt déterminée de façon à minimiser la covaπance de l'erreur faite sur l'estimation a posteriori
Kalman a montré que la matrice de gain optimal K, pouvait être déterminée par une méthode récursive à partir des équations de la matrice de covaπance de l'estimée a priori du vecteur d'état
F = h P Fτ + 0
- de définition de la matrice de gain elle-même
- de mise à jour de la matrice de covaπance de l'estimée a posteriori du vecteur d'état
P, , = {l - K,H, )Pι ^
P étant la matrice de covaπance du vecteur d'état, soit estimée a priori pour l'étape i à partir de l'étape ι-1 si P est affecté de l'indice ι/ι-1 , soit estimée a posteriori si P est affecté de l'indice ι-1 , R étant la matrice de covaπance des bruits d'observation wt , Q étant la matrice de covaπance des bruits d'état v,
A l'initialisation, la matrice de covanance du vecteur d'état et le vecteur d'état sont pris égaux à leurs estimées les plus vraisemblables Au pire, la matrice de covanance est une matrice diagonale avec des termes infinis ou très grands (de façon à avoir des écarts-type très grands devant le domaine dans lequel le vecteur d'état est susceptible d'évoluer) et l'estimée du vecteur d'état le vecteur nul, lorsque l'on a aucune idée sur les valeurs initiales
En pratique, le gain de correction d'un filtre de Kalman est "proportionnel" à l'incertitude sur l'estimation a priori de l'état du système et "inversement proportionnel" a l'incertitude sur la mesure Si la mesure est très incertaine et l'estimation de l'état du système relativement précise, l'écart constate est principalement dû au bruit de mesure et la correction qui en découle doit être faible Au contraire, si l'incertitude sur la mesure est faible et celle sur l'estimation de l'état du système grande, l'écart constaté est très représentatif de l'erreur d'estimation et doit conduire à une correction forte C'est le comportement vers lequel on tend avec le filtre de Kalman
En résumé la construction d'un filtre de Kalman nécessite la définition de deux matrices F et L correspondant a l'équation d'évolution définissant l'évolution du vecteur d'état du système physique modélisé, d'une matrice H correspondant à l'équation d'observation définissant les relations permettant de passer du vecteur de mesure au vecteur d'état, et de la matrice de gain K mise à jour a l'aide d'un processus itératif mettant en jeu la matrice de covanance du vecteur d'état P elle-même mise à jour au cours du processus itératif et des matrices de covanance Q et R des bruits d'état et d'observation
On remarque, cela aura son utilité par la suite, que si l'on veut ne plus tenir compte du vecteur d'état du système à l'étape antérieure et donc supprimer l'effet mémoire d'un filtre de Kalman, il suffit pour cela de remplacer à chaque étape E, , , = E, ,E, , , ,Er, + 0, , par une matrice Pιh_} diagonale avec des termes infinis ou très grands (de façon à avoir des écarts-type très grands devant le domaine dans lequel le vecteur d'état est susceptible d'évoluer) / / /_1 r, Dans ce cas les matrices F et Q deviennent inutile et l'estimée a posteriori Y, ,, du vecteur d'état devient indépendante de l'estimée a priori , _, du vecteur d'état, qui peut être prise égale à zéro
La technique de filtrage de Kalman est souvent utilisée lorsqu'il s'agit de rechercher une estimation optimale d'une même grandeur physique dont plusieurs estimées sont disponibles depuis plusieurs équipements fonctionnant selon des principes physiques différents et ne présentant pas les mêmes défauts Dans le cas d'une hybridation entre une centrale inertielle et un récepteur de positionnement par satellites GNSS, le filtrage de Kalman s'effectue au niveau des écarts constatés entre deux versions des informations de même type provenant l'une de la centrale inertielle et, l'autre du récepteur GNSS, car cela permet de travailler sur des variables ayant des domaines de variation plus restreints sur lesquels l'approximation linéaire peut être utilisée pour simplifier les équations de modélisation et d'évolution
Dans cette utilisation du filtrage de Kalman l'équation d'évolution modélisant l'évolution prévisible des erreurs faites par le calculateur de navigation sur les informations qu'il déduit des mesures fournies par l'unité de mesure inertielle est plutôt traduite par une seule matrice F qui dépend des paramètres du mouvement du porteur, c'est-à-dire des paramètres de vol dans le cas où le porteur équipé du calculateur de navigation et de l'unité de mesure inertielle est un aéronef La définition des différentes versions de cette matrice F en fonction des paramètres du mouvement du porteur sort du domaine de la présente invention Elle ne sera pas détaillée dans la suite car elle est bien connue de l'homme du métier spécialisé dans le domaine de l'inertie
La figure 2 représente le schéma de principe d'une hybridation lâche entre une centrale inertielle et un récepteur GNSS On y distingue l'unité de mesure inertielle UMI 10 qui délivre des incréments d'angles Δφ^ Aφ^ àφ. et des incréments de vitesse AVx, Vy, AVl selon un tπedre d'orientation x, y, z lié à ses capteurs, - le calculateur de navigation 1 1 qui reçoit les incréments d'angles et de vitesses issus de l'UMI 10 et en extrait la position P, le vecteur vitesse V et les attitudes Att du porteur et, - le récepteur GNSS 13 qui fournit une autre version de la position P et du vecteur vitesse V Pour faciliter la comparaison avec les montages suivants, le récepteur GNSS 13 est figuré sous une représentation détaillant sa partie réception 13a délivrant les pseudo-distances pd et pseudo-vitesses pv du porteur par rapport aux satellites visibles et sa partie calculateur 13b extrayant à partir 1 D
informations de pseudo-distance pd et de pseudo-vitesse pv, la position P et le vecteur vitesse V du porteur
Dans cette hybridation lâche, position et vecteur vitesse en provenance du calculateur de navigation 1 1 et du récepteur GNSS 13 sont soumis à un soustracteur 14 déterminant leurs écarts Les écarts constatés en position ΔP et vecteur vitesse ΔV alimentent un filtre de Kalman 15 qui en extrait une estimation optimale a posteriori des biais de mesure des capteurs de l'unité de mesure inertielle UMI 10 et des erreurs commises sur la position P, le vecteur vitesse V et les attitudes du porteur par le calculateur de navigation, et qui applique cette estimation optimale a posteriori au calculateur de navigation afin de le recaler
Le filtre de Kalman 15 utilisé ici est basé sur une équation d'évolution correspondant à une modélisation des dérives du système constitué du calculateur de navigation 1 1 alimenté en informations par l'unité de mesure inertielle 10 et sur une équation d'observation modelisant les relations existant entre le vecteur de mesure et le vecteur d'état
Le calculateur 13b du récepteur GNSS 13 utilise généralement un filtre de Kalman souvent réduit à un filtre des moindres carrés sans mémoire qui effectue un filtrage spatial en vue d'extraire, à partir des informations de pseudo-distance pd et de pseudo-vitesse pv, une seule information de position et de vecteur vitesse du porteur et de temps qui soit la plus précise possible en réduisant les bruits de mesure du récepteur GNSS On est alors en présence d'une structure complexe avec deux filtres de Kalman imbriqués Indépendamment de cela, l'hybridation lâche a aussi l'inconvénient d'exiger pour être opérationnelle, une mesure complète de la part du récepteur GNSS 13 qui doit donc avoir pu capter au minimum les signaux de quatre satellites du système de positionnement
La figure 3 représente le schéma de principe d'une hybridation serrée entre une centrale inertielle et un récepteur GNSS
Comme précédemment, l'UMI 10 délivre des incréments d'angles Δ (-*^, Δ<*0v, Δ !-/*>_ et des incréments de vitesse AV , Al , V. selon un tπèdre d'orientation x, y, z lié à ses capteurs à un calculateur de navigation 1 1 chargé d'extraire de ces incréments d'angles et de vitesse, la position P, le vecteur vitesse V et les attitudes Att du porteur, tandis que le récepteur GNSS 13 fournit une autre version de la position P et du vecteur vitesse V du porteur
Ici, le récepteur GNSS 13 est utilise pour recaler le calculateur de navigation 1 1 d'une manière différente de l'hybridation lâche Les informations finales sur la position P et le vecteur vitesse V du porteur délivrées par son calculateur 13b, ne sont pas employées pour le recalage Elles sont remplacées par les mesures intermédiaires de pseudo-distances pd et de pseudo-vitesses pv par rapport aux différents satellites visibles de la constellation du système de positionnement qui sont disponibles en sortie de sa partie réception 13a
Pour ce faire, un circuit synthétiseur S 20 est ajouté en sortie du calculateur de navigation 1 1 II reçoit du récepteur GNSS, par une liaison particulière, des informations complémentaires sur les positions et vitesses des satellites extraites des données émises par les satellites eux-mêmes et calcule, à partir de ces informations complémentaires et des informations de position P et de vitesse V du porteur délivrées par le calculateur de navigation 1 1 , des estimations pd ei pv des pseudo-distances et pseudo- vitesses Les deux versions de pseudo-distances pd et pseudo-vitesses pv disponibles, l'une calculée par le synthétiseur S 20 et l'autre mesurée par la partie réception 13a du récepteur GNSS 13 sont soumises à un détecteur d'écart 21 Les écarts constatés Δpd et Δpv entre les deux versions de chaque pseudo-distance et de chaque pseudo-vitesse sont appliquées en entrée d'un filtre de Kalman 22 qui délivre, en sortie, une estimée optimale a posteriori des biais de mesure des capteurs de l'unité de mesure inertielle UMI 10 et des erreurs commises sur la position P, le vecteur vitesse V et les attitudes du porteur par le calculateur de navigation Cette estimation optimale a posteriori est alors soumise au calculateur de navigation afin de le recaler Le filtre de Kalman 22 utilisé ICI peut être basé sur la même équation d'évolution que le filtre de Kalman 15 utilisé précédemment pour l'harmonisation lâche illustrée à la figure 2 Par contre son équation d'observation doit être adaptée au nouveau vecteur de mesure D'une manière générale, le vecteur d'état estimé X des filtres de Kalman utilisés dans les dispositifs d'harmonisation lâche ou serrée des figures 2 et 3 est de dimension n et renferme différentes composantes dont
= [ ~,δ„ ,δ„ , δ,. ,d„δ ,δ, ,δ;,t,-]
5^,0^, t)%. étant les erreurs sur les composantes vχ ) vv , v de la vitesse du porteur, t étant le biais de l'horloge du récepteur GNSS, d étant la dérive de l'horloge du récepteur GNSS, δx , δy , δ. étant les erreurs sur les coordonnées χ,y, z de la position du porteur, et il est associe, au vecteur d'état estime X ,une matrice carrée de covanance P de dimension n x n Le filtrage de Kalman consiste, à recaler de façon optimale, le vecteur d'état estimé à partir du vecteur de mesure Z en lui apportant une correction δX = KZ
K étant la matrice de gain dont la méthode de détermination décrite relativement à la figure 1 , fait appel à la matrice de covanance P du vecteur d'état mise à jour selon un processus itératif, à la matrice de covaπance R des bruits d'observation, à la matrice d'observation H et au vecteur de mesure ou d'observation Z
Comme la matrice de covanance P du vecteur d'état est mise à jour iterativement en partant au pire d'une matrice initiale de covanance présentant un écart type infini, le filtre de Kalman est parfaitement défini au moyen de son vecteur d'état estimé X, de la matrice F définissant par modélisation, l'évolution de son vecteur d'état, de son vecteur d'observation
Z, de la matrice H définissant les relations entre vecteur d'observation et vecteur d'état, et de la matrice de covanance R des bruits d'observation
Dans le cadre de l'hybridation lâche de la figure 2, les éléments à prendre en considération pour la définition du filtre de Kalman, en dehors de la matrice F traduisant l'équation d'évolution du modèle sont - pour la partie relative au recalage de position x -b δ δt δ: t
X XC\'SS b 0 0 z = y - y GNs R 0 ' o
. ' ~ ZGVSS 0 0 r.
> position estimée par le calculateur de navigation en repère terrestre
XGNSS
}'G\SS position estimée par le récepteur GPS en repère terrestre
ZGNSS )
b b vanance associées aux mesures xcvss ,yaNSS , zGNSS r.
et pour la partie recalage en vitesse:
x - [ δn δι: ï
v - v OvSS ^ 0 0
V - v „.,_- R o ^ 0 v. - V .„„<.- 0 0 r v vecteur vitesse en repère terrestre délivré par le calculateur de navigation
vecteur vitesse en repère terrestre délivré par le recepteur GPS
variances associées au vecteur vitesse mesuré par le récepteur GPS
Dans la partie calculateur du récepteur GNSS, on utilise un autre filtre de Kalman souvent réduit à un filtre des moindres carrés, c'est-à-dire sans effet mémoire, pour résoudre la position, le vecteur vitesse du porteur et le temps tout en minimisant les bruits de mesure Les éléments à prendre en considération pour sa définition sont'
- pour la partie relative au recalage de position.
δXz = [ δ, δ. ï
x - X a. =
A y -y, β,
P, r,
P, P = V(*- 2 +o -j ,y +(----,):
p, = i(χ - χ,y + {y -y , y + (= - -, δx.δy.δ∑ étant les écarts entre la position réelle du porteur et une estimée a priori de cette position, t étant l'erreur faite sur le temps par l'horloge du récepteur GNSS, rendue homogène à une distance par multiplication par la vitesse de la lumière, α„β„γ, étant les cosinus directeurs de l'axe reliant le porteur au léme satellite dans le repère utilisé par le calculateur de navigation, x,y,z étant l'estimée a priori de la position du porteur, donnée par le récepteur GNSS avant correction, déduite par exemple de la position estimée à la résolution précédente, x,, y,, z, étant la position du lème satellite du système de positionnement extraite des données du lème satellite, exprimée dans le même repère que la position du porteur, p, étant la pseudo-distance a priori séparant le porteur du lème satellite, calculée à partir de la position a priori du porteur et des données émises par le lème satellite pd, étant la pseudo-distance entre le porteur et le léme satellite mesurée par le récepteur GNSS, et rpd, la vanance de la pseudo-distance mesurée pd,
pour la partie relative à la vitesse
dP, - Vv, )β, + {V. ~ V.n )r,
δvx,δVy,δvz étant les composantes de l'écart entre le vecteur vitesse réel du porteur et une estimée a priori de ce vecteur vitesse, d étant la dérive de l'horloge du récepteur GNSS, rendue homogène à une vitesse par multiplication par la vitesse de la lumière, vx,vy,vz étant l'estimée a priori des composantes du vecteur vitesse du porteur, donnée par le récepteur GNSS avant correction, déduite par exemple du vecteur vitesse estimé à la résolution précédente, vxι, vyι, vz, étant les composantes du vecteur vitesse du léme satellite du système de positionnement extrait des données du léme satellite lui-même, exprimées dans le repère utilisé pour le vecteur vitesse du porteur, dp, étant la pseudo-vitesse entre le porteur et le léme satellite calculée à partir du vecteur vitesse a priori du porteur et des données du satellite, pv, étant la pseudo-vitesse entre le porteur et le léme satellite mesurée par le récepteur GNSS, et rpvι la vanance de la pseudo-vitesse mesurée pv. Dans le cadre de l'hybridation serrée de la figure 3 les éléments à prendre en considération pour la définition du filtre de Kalman, en dehors de la matrice F traduisant l'équation d'évolution du modèle sont
- pour la partie relative au recalage de position
δX = [ δΥ δt δ. ï
X - Y, a.
A y - y, β,
A
Y,
A
A = V(v- γ*)2 +Cy - ,): +(- - : δx, δy, δz étant les écarts entre les coordonnées de la position réelle du porteur et les coordonnées de la position du porteur donnée par le calculateur de navigation, t étant l'erreur faite sur le temps par l'horloge du récepteur GNSS, rendue homogène à une distance par multiplication par la vitesse de la lumière, αi.βi.γ, étant les cosinus directeurs de l'axe reliant le porteur au léme satellite dans le repère utilisé par le calculateur de navigation, x,y,z étant les coordonnées de la position du porteur donnée par le calculateur de navigation, x„ y„ z, étant les coordonnées de la position du léme satellite du système de positionnement extraites des données du léme satellite lui-même et exprimées dans le repère utilisé pour la position du porteur, p, étant la pseudo-distance calculée entre le porteur et le ième satellite, pd, étant la pseudo-distance entre le porteur et le léme satellite mesurée par le récepteur GNSS, et rpd, la variaπce de la pseudo-distance mesurée pd,
pour la partie recalage en vitesse
δX = [ δ,„. δ, δv: d
p, - pv
Z, = R = pvi
pvm
- Vy, )β, + (V_- ~ V a )Y, δvx, δyy, δvz étant les écarts entre les composantes du vecteur vitesse réel du porteur et celles données par le calculateur de navigation, d étant la dérive de l'horloge du récepteur GNSS, rendue homogène à une vitesse par multiplication par la vitesse de la lumière, x, vy, vz étant les composantes du vecteur vitesse du porteur données par le calculateur de navigation, vXι, vyι, vzl étant les composantes du vecteur vitesse du léme satellite du système de positionnement extraites des données du léme satellite lui- même, exprimées dans le repère utilisé par le calculateur de navigation, dp, étant la pseudo-vitesse calculée entre le porteur et le léme satellite, pv, étant la pseudo-vitesse entre le porteur et le léme satellite mesurée par le récepteur GNSS, et rpvι la vanance de la pseudo-vitesse mesurée pv,
X - X
A y - y, β,
A _ z - z, y,
A
Pour améliorer l'hybridation entre une centrale inertielle et un récepteur GNSS on propose une nouvelle disposition représentée schématiquement à la figure 4
Comme précédemment, l'unité de mesure inertielle UMI 10 délivre des incréments d'angles Δ JX , ΔÇ9V , ΔÇ9. et des incréments de vitesse ΔF^ ΔJ-^ ΔF. selon un tπèdre d'orientation x, y, z lié à ses capteurs, à un calculateur de navigation 1 1 chargé d'extraire de ces incréments d'angles et de vitesse, la position P, le vecteur vitesse V et les attitudes Att du porteur, tandis que le récepteur GNSS 1 3 fournît une autre version de la position P et le vecteur vitesse V du porteur
Ici, le récepteur GNSS 13 est à nouveau considéré dans son intégrité, comme dans le cas de l'hybridation lâche, sans accès direct aux informations intermédiaires délivrées par sa partie réception que sont ses mesures de pseudo-distances et de pseudo-vitesses, ce qui permet d'éviter les problèmes lies à la sortie de son boîtier d'informations sensibles Seules sont exploitées les informations finales c'est-à-dire de position, de vecteur vitesse, d'horloge et les données transmises par les satellites du système de positionnement qui sont délivrées par sa partie calcul 13b Comme dans le cadre de l'hybridation lâche décrite en référence à la figure 2, on utilise, pour la correction des erreurs du calculateur de navigation 1 1 , les écarts constatés entre les deux versions des informations de position et de vitesse du porteur provenant d'une part du calculateur de navigation 1 1 lui-même et d'autre part du récepteur GNSS Cependant, au lieu d'être utilisés tels quels dans le vecteur de mesure d'un filtre de Kalman délivrant les consignes de recalage du calculateur de navigation, comme dans le cas d'une hybridation lâche, les écarts de position ΔP et de vecteur vitesse ΔV sont transformés au préalable par un circuit synthétiseur SΛ 30 en écarts de pseudo-distances Δpd et de pseudo-vitesses Δpv Ces écarts de pseudo-distances Δpd et de pseudo-vitesses Δpv sont alors utilisés, comme dans le cadre de l'hybridation serrée décrite en référence à la figure 3, comme composants du vecteur de mesure du filtre de Kalman 32 délivrant les consignes de recalage du calculateur de navigation 1 1
Le circuit synthétiseur S ^ reçoit les deux versions des informations de position P et de vecteur vitesse V délivrées l'une par le calculateur de navigation 1 1 et l'autre par le récepteur de positionnement par satellite 13 avec en outre les positions P, et vecteurs vitesse V, des satellites visibles du système de positionnement extraites des données émises par ces satellites captées et décodées dans le récepteur de positionnement par satellites 13
Pour opérer la synthèse des écarts de pseudo-distances Δpd et des écarts de pseudo-vitesses Δpv à partir de ces informations de base, il a besoin, à un stade intermédiaire, des cosinus directeurs α,, β,, γ, des axes satellites dans le repère utilisé par le calculateur de navigation et le récepteur GNSS
Pour la détermination des cosinus directeurs α,, β,, γ, des axes satellites, il se sert des coordonnées x,, y,, z, des positions des satellites visibles du système de positionnement et des coordonnées x, y, z de la position du porteur Les coordonnées des positions x„ y, , z, des satellites visibles lui sont fournis par le récepteur GNSS Pour les coordonnées x, y, z de la position du porteur, il a le choix entre deux sources soit, le récepteur GNSS 13 soit, le calculateur de navigation 1 1
A partir de ces différentes coordonnées, il met en œuvre les relations classiques
p = V(v- 2 + ;-.>',): +(- - 2 et
Y - X
A =
A β y - y,
P
P z — z y, =
P,
II est avantageux pour le circuit synthétiseur SΔ 30 d'utiliser, lors de la détermination des cosinus directeurs des axes satellites, les informations relatives aux coordonnées x, y, z de la position du porteur provenant du calculateur de navigation 11 , plutôt que celles provenant du récepteur GNSS 13 car elles sont toujours disponibles, ce qui permet au circuit synthétiseur SΔ 30 de calculer les cosinus directeurs des directions de tous les satellites visibles et donc de parvenir aux pseudo-distances et pseudo-vitesses de ces satellites, même s'ils sont en nombre insuffisant pour permettre au récepteur GNSS de fournir une estimation de la position du porteur Cependant, il est possible pour celui-ci d'utiliser, lors de la détermination des cosinus directeurs des axes satellites, les informations relatives aux coordonnées x, y, z de la position du porteur provenant du récepteur de positionnement par satellites II est même possible que les cosinus directeurs des directions des satellites visibles lui soient directement fournis par le récepteur de positionnement par satellites car ils ne font pas partie des informations sensibles
Le filtre de Kalman 32 est analogue à celui (22 figure 3) décrit dans le cadre de l'hybridation "serrée", à l'exception du vecteur d'observation qui a, comme composantes pour ce qui concerne les pseudo-distances les grandeurs
a (*" - *CΛ S + A y - ) GS- ) T Yx (" - " C * S )
Z =
a ix ~ *G^ss )+ β, ( - )G«S ) + Y, (- - -GVS )J
avec
position estimée par le calculateur de navigation en repère terrestre
^ GNSS yGtsSS position estimée par le récepteur GPS en repère terrestre
(le terme diagonal de la matrice de bruit d'état Q correspondant au biais d'horloge estimé est majoré, par exemple à une valeur supérieure à 106, de manière à ne pas tenir compte du temps t estimé au recalage précédent car on ne cherche plus à modéliser l'horloge du récepteur GNSS dans ce genre d'hybridation) et, pour ce qui concerne les pseudo-vitesses, les grandeurs
/. (Vr - V.GV-.
)~ y, (v, - v.-σvss )
avec vecteur vitesse en repère terrestre délivre par le calculateur de navigation
vecteur vitesse en repère terrestre délivré par le récepteur GPS
(de la même manière, le terme diagonal de la matrice de bruit d'état Q correspondant à la dérive d'horloge estimée est également majoré, par exemple à une valeur supérieure à 106. de manière à ne pas tenir compte de la dérive d estimée au recalage précédent puisque l'on ne cherche plus à modéliser l'horloge du récepteur GNSS dans ce genre d'hybridation)
Si l'erreur t et la dérive d de l'horloge du récepteur GNSS estimée par sa partie calcul sont disponibles en sortie, il est possible d'en tenir compte dans le vecteur mesure
pour le recalage en position
≈ι (x - xcr,ss )+β ( - >• GNSS )+/"-,(- :)+<"
Z
a, (.Y - Xçuss ) + β,(y- }' GNSS )+ï ∑- -GNSS )+t . pour le recalage en vitesse
a - l'.G* ) + β\ (", - V,CV≈ (V: - V*sss)+ '
Z
A ) + d
Dans ce cas il est avantageux de modéliser le comportement de l'horloge du récepteur GNSS dans l'équation d'évolution La nouvelle disposition d'hybridation entre une centrale inertielle et un récepteur GNSS illustrée à la figure 4, présente les avantages cumulés de l'hybridation serrée et de l'hybridation lâche lorsque les informations sur la position et le vecteur vitesse du porteur utilisées par le circuit de synthétisation pour le calcul des cosinus directeurs des directions des satellites visibles ont pour origine le calculateur de navigation
En effet, comme dans l'hybridation serrée, elle permet de tenir compte, pour la correction de la dérive du calculateur de navigation, de la précision des informations délivrées par le récepteur GNSS qui est très dépendante de la géométrie de la constellation de satellites qu'il utilise au moment de sa triangulation (Dilution Of Précision) Elle permet également un certain recalage du calculateur de navigation des qu'un au moins des satellites du système de positionnement est visible du récepteur GNSS, ce recalage s'améliorant avec l'augmentation du nombre de satellites reçus (lorsque le nombre de satellite disponible est inférieur à quatre, le calculateur du récepteur fourni une position partiellement recalé à partir d'une position a priori, déduite par exemple de la résolution précédente)
Comme dans l'hybridation lâche, elle ne recourt à aucune informations confidentielles de la part du récepteur GNSS, la précision sur les cosinus directeurs des axes satellites utilisés par le circuit synthétiseur des écarts de pseudo-distances et de pseudo-vitesses n'étant pas critique
Pour faciliter la compréhension, le calculateur de navigation, le circuit synthétiseur et le filtre de Kalman utilisé pour la correction des erreurs de la centrale inertielle ont été représentés sous forme d'un assemblage de boîtes séparées II ne faut pas en conclure que c'est nécessairement le cas en pratique En effet, comme l'on a affaire à des signaux qui sont très souvent numérisés, tous les traitements et fonctions réalisés dans ces différentes boîtes peuvent l'être au moyen d'un ou plusieurs processeurs pilotés par des logiciels et regroupés dans le calculateur de navigation

Claims

REVENDICATIONS
1 . Dispositif d'hybridation, au sein d'un calculateur de navigation (1 1 ), d'un récepteur de positionnement par satellites (13) avec une centrale inertielle (10) équipant un mobile, comportant un filtre de Kalman (32), avec une entrée et une sortie, basé sur la modélisation du comportement dynamique d'un système et défini par un vecteur d'état avec, parmi ses composantes les erreurs attendues sur les coordonnées de position, les composantes du vecteur vitesse, extraites des composantes d'accélération et de vitesses angulaires délivrées par le calculateur de navigation,
- une équation d'évolution traduisant les lois d'évolution connues des composantes de son vecteur d'état, - un vecteur de mesure avec, parmi ses composantes, des écarts entre deux versions de pseudo-distances et de pseudovitesses ayant pour origine l'une le récepteur de positionnement par satellites et l'autre le calculateur de navigation,
- une équation d'observation traduisant les relations de dépendance existant entre le vecteur de mesure et le vecteur d'état, caractérisé en ce qu'il comporte, intercalé devant l'entrée du filtre de Kalman, un circuit de synthèse (30) des écarts entre pseudo-distances et pseudo-vitesses opérant à partir des deux versions d'informations de position et de vecteur vitesse du mobile délivrées l'une, par le récepteur de positionnement par satellites (13) et l'autre, par le calculateur de navigation (1 1 ) et utilisant, pour ce faire, les cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement déduits des positions desdits satellites visibles tirées des données émises par ces derniers et captées par le récepteur de positionnement par satellites (13), et de l'une des versions disponibles de l'information de position du mobile.
2. Dispositif selon la revendication 1 , caractérisé en ce que le circuit de synthèse (30) déduit les cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement, des positions desdits satellites visibles extraites des données émises par ces derniers et captées par le récepteur de positionnement par satellites (13), et de la version d'information de position du mobile délivrée par le calculateur de navigation (1 1 )
3 Dispositif selon la revendication 1 , caractérise en ce que le circuit de synthèse (30) déduit les cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement, des positions desdits satellites visibles extraites des données émises par ces derniers et captées par le récepteur de positionnement par satellites (13), et de la version d'information de position du mobile délivrée par le récepteur de positionnement par satellites (13)
4 Dispositif selon la revendication 1 , caractérisé en ce que le circuit de synthèse (30) reçoit les valeurs des cosinus directeurs des axes reliant le mobile aux satellites visibles du système de positionnement directement du récepteur de positionnement par satellites (13) qui les déduit lui-même des positions desdits satellites visibles extraites des données émises par ces derniers et de sa propre version d'information sur la position du mobile
5 Dispositif selon la revendication 1 , caractérisé en ce que le filtre de Kalman a, parmi les composantes de son vecteur d'état le biais et la dérive de l'horloge du récepteur
EP00990065A 1999-12-21 2000-12-19 Dispositif d'hybridation d'un recepteur de positionnement par satellites avec une centrale inertielle Withdrawn EP1157284A1 (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR9916164 1999-12-21
FR9916164A FR2802732B1 (fr) 1999-12-21 1999-12-21 Dispositif d'hybridation d'un recepteur de positionnement par satellites avec une centrale inertielle
PCT/FR2000/003594 WO2001046712A1 (fr) 1999-12-21 2000-12-19 Dispositif d'hybridation d'un recepteur de positionnement par satellites avec une centrale inertielle

Publications (1)

Publication Number Publication Date
EP1157284A1 true EP1157284A1 (fr) 2001-11-28

Family

ID=9553558

Family Applications (1)

Application Number Title Priority Date Filing Date
EP00990065A Withdrawn EP1157284A1 (fr) 1999-12-21 2000-12-19 Dispositif d'hybridation d'un recepteur de positionnement par satellites avec une centrale inertielle

Country Status (5)

Country Link
EP (1) EP1157284A1 (fr)
FR (1) FR2802732B1 (fr)
IL (2) IL144914A0 (fr)
WO (1) WO2001046712A1 (fr)
ZA (1) ZA200106724B (fr)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2866423B1 (fr) * 2004-02-13 2006-05-05 Thales Sa Dispositif de surveillance de l'integrite des informations delivrees par un systeme hybride ins/gnss
FR2895073B1 (fr) 2005-12-20 2008-02-08 Thales Sa Dispositif d'hybridation en boucle fermee avec surveillance de l'integrite des mesures.
CN104913781A (zh) * 2015-06-04 2015-09-16 南京航空航天大学 一种基于动态信息分配的非等间隔联邦滤波方法
CN110954092B (zh) * 2019-11-28 2023-09-15 上海航天控制技术研究所 基于相对测量信息辅助的协同导航方法
CN113048989B (zh) * 2021-04-06 2022-12-09 北京三快在线科技有限公司 一种无人驾驶设备的定位方法及定位装置
FR3138693A1 (fr) 2022-08-04 2024-02-09 Gaztransport Et Technigaz Procédé et système de correction de données émises par des capteurs pour l'optimisation de navigation de navire

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5583774A (en) * 1994-06-16 1996-12-10 Litton Systems, Inc. Assured-integrity monitored-extrapolation navigation apparatus
US5787384A (en) * 1995-11-22 1998-07-28 E-Systems, Inc. Apparatus and method for determining velocity of a platform

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO0146712A1 *

Also Published As

Publication number Publication date
FR2802732A1 (fr) 2001-06-22
WO2001046712A1 (fr) 2001-06-28
ZA200106724B (en) 2002-02-15
IL144914A (en) 2006-06-11
FR2802732B1 (fr) 2002-03-22
IL144914A0 (en) 2002-06-30

Similar Documents

Publication Publication Date Title
EP1714166B1 (fr) Dispositif de surveillance de l integrite des informations delivrees par un systeme hybride ins/gnss
CA2461595C (fr) Centrale de navigation inertielle hybride a integrite amelioree
EP1801539B1 (fr) Dispositif d&#39;hybridation en boucle fermée avec surveillance de l&#39;intégrité des mesures.
FR2695202A1 (fr) Système embarqué de navigation pour un engin aérien comportant un radar à visée latérale et à synthèse d&#39;ouverture.
EP2245479A1 (fr) Systeme de navigation a hybridation par les mesures de phase
EP2400460A1 (fr) Procédé d&#39;évaluation de la vitesse horizontale d&#39;un drone, notamment d&#39;un drone apte au vol stationnaire autopiloté
FR2961897A1 (fr) Filtre de navigation pour un systeme de navigation par correlation de terrain
FR2976353A1 (fr) Procede d&#39;estimation simplifie de l&#39;orientation d&#39;un objet et centrale d&#39;attitude mettant en oeuvre un tel procede
CA2361727A1 (fr) Appareil a gyrometres et accelerometres pour la determination des attitudes d&#39;un aerodyne
FR2741955A1 (fr) Procede et dispositif de mesure d&#39;attitude de satellite
FR2766935A1 (fr) Procede et appareil permettant d&#39;estimer les efforts de forces de perturbation sur l&#39;attitude d&#39;un engin spatial
EP1157284A1 (fr) Dispositif d&#39;hybridation d&#39;un recepteur de positionnement par satellites avec une centrale inertielle
WO2012152669A1 (fr) Dispositif et procede de determination d&#39;attitude d&#39;un satellite, et satellite embarquant un tel dispositif
EP3655724A1 (fr) Procédé d&#39;estimation du mouvement d&#39;un objet évoluant dans un champ magnétique
EP3385677A1 (fr) Systeme et procede d&#39;analyse et de surveillance des mouvements parasites d&#39;une centrale inertielle pendant une phase d alignement statique
EP4100696A1 (fr) Procede d&#39;aide à la navigation d&#39;un porteur mobile
US11821733B2 (en) Terrain referenced navigation system with generic terrain sensors for correcting an inertial navigation solution
FR3069633A1 (fr) Determination de cap a partir du champ mesure par des capteurs magnetiques
WO2024003187A1 (fr) Procédé de détermination de la position d&#39;un dispositif à partir d&#39;un réseau de satellites dans un système prédictif
EP4006491A1 (fr) Système d&#39;aide à la navigation d&#39;un porteur à l&#39;aide d&#39;amers
FR2853062A1 (fr) Aide a la navigation augmentee en integrite verticale
WO2024008640A1 (fr) Dispositif et procédé de navigation et de positionnement
WO2023166260A1 (fr) Procede et dispositif d&#39;aide a la navigation basee sur un filtre de kalman
WO2024056973A1 (fr) Procede et dispositif de navigation pour un vehicule, systeme, vehicule, programme d&#39;ordinateur et support d&#39;informations associes
WO2023094763A1 (fr) Procédé de limitation de correction de vitesse baro-inertielle et système associé

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20010914

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE TR

AX Request for extension of the european patent

Free format text: AL;LT;LV;MK;RO;SI

RBV Designated contracting states (corrected)

Designated state(s): DE GB

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20080701