不变RTS平滑算法及其在5G/SINS组合导航中的应用研究

为了解决导航系统的位置误差随时间累积的问题,提出一种状态空间为矩阵李群的不变RTS(invariant Rauch-Tung-Striebel,InRTS)平滑算法来提高导航状态的精度,其核心在于导航状态及观测都利用矩阵李群进行表示及推导。首先,将系统状态及其误差状态微分方程用矩阵李群来表征,相比于传统扩展卡尔曼滤波算法(extended Kalman filter,EKF),将系统状态构建在矩阵李群上,其动力学方程可以更自然更本质地描述物体在空间中的运动特性,而通过群运算定义的误差状态耦合了姿态误差而不是直接的向量相减;接着,通过李群和李代数之间的对数映射将不变误差状态变量映射到李代数空间,得到一个解析的线性微分方程,该方程与当前状态估计值无关,从而可以获得在任何线性化点处状态无关的雅克比矩阵;然后,根据5G定位中量测模型的左不变特性推导包含杆臂误差的左不变误差状态量测方程,从而得到一个左不变EKF;最后,以左不变EKF为前向滤波,提出不变RTS平滑算法,并将其应用于5G/SINS(strapdown inertial navigation system)组合导航系统,在仿真实验中与左不变EKF算法进行了精度对比。实验结果表明,InRTS算法能对左不变EKF算法得到的轨迹进行平滑,降低了前向滤波过程中导航状态的累积误差,从而证明了所提算法的有效性。

融合TOA/AOD的5G/SINS紧组合导航定位算法分析

针对5G定位和捷联惯性导航单一定位方式的可靠性和定位精度较差的问题,本文以扩展卡尔曼滤波为基础,提出了融合5G信号到达时间和信号离开角的5G/SINS紧组合导航算法。该算法首先利用惯性传感器输出信息解算用户的位置、速度和姿态,在此基础上利用已知的基站坐标反算出一组虚拟的5G观测值,然后使用该观测值和实际的5G测量值建立统一的观测方程进行滤波解算。仿真试验结果表明,5G/SINS紧组合的定位成功率可达99%以上,且能够有效改善惯导航位推算的发散问题,其定位精度相比单纯的5G定位有了大幅提高,相比5G/SINS松组合受基站数量和基站几何分布的影响较小。融合TOA/AOD的5G/SINS紧组合导航的定位结果有超过99%的历元在3 m以内。在5G观测值中存在系统误差时,5G/SINS紧组合的定位表现优于5G定位和5G/SINS松组合导航。

信号遮挡环境下融合TOA/AOD的5G/SINS组合导航算法模型与精度分析

为解决可观测基站受遮挡情况下仅采用到达时间(time of arrived,TOA)无法定位或精度较差的问题,将第5代移动通信技术(5th generation,5G)中多天线阵列提供的信号离开角(angle of departure,AOD)应用在定位解算中,通过卡尔曼滤波将5G定位与捷联惯性导航(strapdown inertial navigation system,SINS)融合,构成融合TOA/AOD的5G/SINS组合导航方案。通过模拟可观测5G基站数量充足、遮挡这两类场景下的仿真实验,对基于TOA的5G定位、基于TOA/AOD的5G定位、TOA组合导航、TOA/AOD组合导航这4种解算方法的位置误差进行了比较。仿真实验结果表明,当可观测基站受遮挡时,融合TOA/AOD进行5G/SINS组合导航能确保100%的定位成功率,并有效降低组合导航发散的概率,减小40%~70%的位置误差。

基于5G与车载传感器的车辆组合导航系统研究

车辆定位是车联网技术中重要组成部分,当前城市高楼密集区等环境下,车载全球导航卫星系统定位精度不佳,难以实现高精度定位。随着5G无线通信的快速发展,用组合定位来改善车辆定位精度具有重要意义。本文通过研究车辆运行中传感器采集到的速度及偏转角度信息,结合5G通信系统,提出一种基于5G的车载组合导航系统来提高定位精度,仿真结果表明,在室内或室内外交界处等缺少GNSS信号情况下,组合导航系统能够有效提高车辆定位精度。

5G与高精度定位融合在军事物流仓储中的应用

军事物流仓储对军事物流具有加速军用物资流转,提高军事物流效率和质量的作用,其现代化、信息化建设均需要通信技术与定位技术支撑。随着5G通信技术与室内外高精度定位技术的发展,研究北斗导航定位系统、UWB等高精度室内外定位组合与5G通信融合对军事物流仓储现代化建设应用具有重要意义。针对军事物流仓储建设需要和特点要求,本文对自主可控的室内外高精度组合、5G通信方式、室内外定位无缝衔接、系统总体架构及定位网与5G通信融合进行了研究,指出了高精度定位网与5G通信网建设对军事物流仓储建设发展具有重大影响。