运动状态下MEMS IMU随机误差的Allan方差分析方法

在车载全球卫星导航系统(global navigation satellite system,GNSS)/微机械系统(micro-electro mechanical system,MEMS)惯性测量单元(inertial measurement unit,IMU)组合导航滤波解算时,通常使用MEMS厂商标定的加速度计和陀螺仪的随机模型参数(简称为标称参数)。这些标称参数由传感器厂商在静止状态或通过实验室转台设备来测定,是否适用于运动状态下的组合导航滤波解算并获得最优的定位精度,需要进一步研究和评估。本文提出了一种运动状态下MEMS IMU随机误差的Allan方差分析方法,将不同精度等级的IMU安装在同一车载平台上同步采集观测数据,用高精度IMU观测数据提取车辆运动信息,然后从低精度MEMS IMU观测数据中剔除车辆运动信息得到类似静止的观测数据,进行Allan方差分析,获得运动状态下的MEMS随机模型参数,并将其应用于GNSS/惯性导航系统(inertial navigation system,INS)组合导航解算。试验结果表明,采用运动状态下标定的随机模型参数,组合导航的定位精度优于标称参数的定位精度,在城市复杂观测环境下,当GNSS观测中断89 s时,MEMS IMU的组合导航定位精度可以保持在1.2 m,与使用标称随机模型参数相比,定位精度提升达80%。

一种城市环境下GNSS/MEMSIMU车载实时精密定位方法

针对城市环境下全球导航卫星系统(global navigation satellite system,GNSS)信号严重遮挡和微机械惯性测量单元(micro-electro-mechanical system inertial measurement unit,MEMS IMU)误差快速累积导致GNSS/惯性导航系统(inertial navigation system,INS)组合定位精度下降的问题,提出了一种GNSS载波相位实时动态差分(real time kinematic,RTK)+载波相位时间差分(time-differenced carrier phase,TDCP)/INS实时精密定位方法。在观测条件良好时,采用固定模糊度的RTK与INS紧组合;当信号严重遮挡RTK解算失败但TDCP解算成功时,使用TDCP观测值与INS紧组合;若TDCP解算失败,采用INS推算导航。在武汉大学校园及周边开展车载实验,结果表明,在除了隧道等密闭环境以外的城市道路上,多系统GNSS的TDCP解算成功率接近90%。在RTK解算失败的连续时间小于45 s的复杂环境下,TDCP/INS组合定位的平面和高程均方根误差分别为0.30、0.21 m,最大误差分别为0.69、0.72 m,可以实现分米级的实时定位精度。

城市环境下智能手机车载GNSS/MEMSIMU紧组合定位算法

针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元(micro-electro-mechanical system inertialmeasurem entunit,MEMSIMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明:城市场景下紧组合滤波定位算法平面位置精度统计约为5~6m,高程方向约为5m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。

不同电离层模型对智能手机实时PPP精度的影响分析

为了提高智能手机的实时定位精度,对广播星历电离层模型和国际GNSS服务(International GNSS Service,IGS)机构实时发布的球谐电离层模型进行比较分析,并将其作为电离层约束应用到智能手机非差非组合实时精密单点定位(precise point positioning,PPP)中。在静态开阔条件下,使用小米Mi 8和华为Mate 40 Pro智能手机开展试验,结果表明,Mi 8手机的平面精度可达到0.53 m,高程精度可达0.43 m;Mate 40 Pro手机的平面精度可达1.05 m,高程精度可达1.60 m。两种电离层模型的精度存在一定的差异,在滤波算法中,通过设置合理的先验噪声,均可有效提高定位精度和缩短滤波收敛的时间,球谐模型的定位精度要优于广播星历电离层模型。