因子图框架下里程计辅助GNSS/INS组合导航算法

在复杂观测环境下,GNSS/INS组合导航系统的GNSS信号易受干扰从而导致INS独立导航精度迅速下降。针对上述问题,本文基于因子图的里程计辅助GNSS/INS组合导航算法,利用里程计观测信息结合非完整性约束构建航向速度约束方程,同时采用能多次线性化计算和多次迭代的因子图优化方法进行参数估计。实际车载试验解算结果表明,在GNSS信号良好时,基于因子图方法比滤波方法具有更快的收敛时间,收敛速度提高了近10倍;在GNSS信号发生中断时,添加里程计辅助后组合导航系统在东向和北向分别提升了83%和89%。与传统的滤波融合手段相比,本文采用因子图优化后在东向和北向的定位精度分别有63%、70%的改善。

改进抗差自适应EKF算法在GNSS/INS组合导航中的应用

在车载GNSS/INS组合导航中,抗差自适应滤波以其具有控制动力学异常和观测异常的能力成为实现综合PNT的关键技术之一。然而,不合适的决策算法和抗差因子会导致滤波进一步劣化。针对该问题,提出一种双窗口Sage-Husa抗差算法和一种改进的异常新息占比决策方法。采用松组合结构,利用异常新息占比决策对组合过程中出现的模型异常作出判断,针对观测模型异常和动态模型异常分别采用对应的抗差或自适应滤波。利用武汉市城区林荫道、街区多遮挡环境下动态实测数据进行分析。实验结果表明,该方案在复杂多遮挡环境下东、北、天3个方向上位置精度分别提升35.78%、38.94%、66.00%,位置均方根误差达到0.70 m、0.69 m、1.16 m。

基于抗差估计改进的GNSS/INS组合导航完好性监测方法

在卫星/惯性(GNSS/INS)组合导航系统中,针对基于残差检测的完好性监测算法对于缓变误差检测效果不佳,以及自主完好性监测外推(AIME)法存在检测时延的缺陷,提出了一种基于抗差估计改进的完好性监测方法。该方法在AIME法的基础上,通过定义标准化残差,引入三段权函数抗差估计对AIME法进行改进,并设计了一种调节准则,实现在不同情况下采用不同的检测方式。最后通过搭建仿真平台对所提方法进行验证,仿真结果表明,该方法可有效降低组合导航系统完好性监测的误警率和告警时间,提高卡尔曼滤波估计精度和组合导航系统对缓变误差的检测性能。

基于软件定义无线电的紧耦合GNSS/INS组合导航结构

由于现有的普通硬件GNSS(Global Navigation Satellite System)接收机只能与INS(Inertial Navigation System)进行松散组合,为了进行GNSS/INS紧耦合相关实验研究,采用软件GNSS接收机技术提供紧耦合研究的所有开放接口和数据。利用软件接收机相关器输出的I(in-phase)和Q(quadrature)信号与频率误差和相位误差之间的关系,并通过INS提供I和Q信号的预测信息,作为Kalman滤波器量测更新来估计17维状态数值,同时根据载体的速度信息来辅助多普勒频率跟踪。结果表明,紧耦合系统能够降低跟踪回路带宽10 Hz左右,位置精度提升到5 m,可以提高软件接收机快速捕获跟踪和提升定位精度以及抗干扰能力。

GNSS/INS组合导航误差补偿与自适应滤波理论的拓展

对GNSS／INS组合导航误差补偿与自适应滤波理论进行了系统而深入的研究。针对GNSS／INS组合导航实际应用中存在的随机模型不精确、GNSS观测条件不佳、INS误差累积迅速等问题，引入Allan方差、ARMA模型、载波相位平滑伪距、伪距差分求解速度、自适应滤波、误差模型修正等算法，对其进行改进并进一步提高了导航精度和可靠性。

GNSS/INS组合导航在航空摄影中的应用研究

主要研究了GNSS/INS组合导航在航空摄影中的应用。介绍了GNSS/INS组合导航的优点和应用理论,在此基础上,主要研究偏心分量、偏心角的测定,预处理POS数据,GNSS/INS数据联合处理,检校场空三解计算与EO文件的输出等整个GNSS/INS导航在航空摄影的应用,从中体现出该导航应用于航空摄影的优越性。

基于LiDAR辅助的GNSS/INS组合导航设计

为了解决城市峡谷、信号干扰等挑战场景下,GNSS信号短暂丢失带来的定位中断问题,保证导航服务的持续性及可靠性,设计了基于GNSS/INS/LiDAR的松组合方案。首先在GNSS信号可见的情况下,以GNSS/INS组合系统的定位、定姿结果为主作为导航服务的数据参考,其次在GNSS拒止环境下,在GNSS/INS提供的定位、定姿结果基础上,采用基于LOAM算法的LiDAR里程计接替GNSS接收机系统,通过LiDAR/INS组合方式提供定位、定姿估计,保证挑战环境下的持续性定位服务,最后在实验小车平台上完成了算法验证。实验结果表明,在GNSS挑战环境下,LiDAR系统可以在短时间段内(35 s,20 m距离)保证分米级精度的续航能力。所设计的GNSS/INS/LiDAR的松组合方案可以应用在GNSS挑战环境下的导航服务中,以保证导航的持续精度能力。

基于高精度三轴转台的GNSS/INS组合导航姿态性能自动化测试评估方法研究

目前全球卫星导航系统/惯性导航系统(GNSS/INS)组合系统性能测试评估技术存在评价方式单一,数据自动化处理程度不高等问题.针对系统的姿态性能,研究了GNSS/INS组合导航姿态性能动态测试评估新方法,并研发了相应的自动化控制测试评估软件.该方法基于高精度三轴动态基准仿真转台进行,首先通过多转位、多姿态运动场景的任务进行测试,采集转台三轴运动姿态数据与组合导航系统输出数据,然后利用Thompson奇异值剔除法对实测数据进行处理,最后结合转台实测数据进行不确定度分析从而完成测试评估工作.针对微机电系统(MEMS)组合导航产品开展了两组测试,实测结果表明:该方法可以较好地抑制组合导航系统中出现的奇异值点,同时转台的不确定度值均在0.2″以内,验证了该测试评估方法的高可行性与可靠性.

GNSS/INS组合导航拓展卡尔曼滤波和粒子滤波算法对比

为了评估全球导航卫星系统(GNSS)/惯性导航系统(INS)中各种滤波算法在实际应用场景中的性能,针对滤波算法所估计的状态向量不同,组合导航的方式一般包括直接法和间接法,而GNSS/INS组合导航中数据融合的关键是滤波算法,因此选取间接法拓展卡尔曼滤波(EKF)和间接法粒子滤波(PF)分别用于GNSS/INS松组合导航,同时增加了直接法粒子滤波以增强实验对比效果。在仿真和实测环境下,对拓展卡尔曼滤波和粒子滤波两种非线性滤波算法进行对比。实验结果表明,间接法拓展卡尔曼滤波适用于弱非线性、非高斯情况下的GNSS/INS组合导航,定位精度较高;考虑到状态向量维数且尽可能减少粒子数,间接法粒子滤波(PF)可以选用拓展卡尔曼滤波(EKF)来提供更优的建议密度函数;直接法PF适用于状态方程非线性情况,对各导航子系统的输出参数进行滤波估计,但滤波精度不如间接法的EKF算法和PF算法。

智能农机GNSS/INS组合导航系统设计

为提高自动导航农机的定位精度和可靠性,该研究设计了基于全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System,INS)的智能农机组合导航系统,该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息,采用松耦合模式,通过卡尔曼滤波对INS误差实时校正,解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统,设计和制作了智能农机控制板,集成GNSS高精度解析板卡和惯性测量模块,并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台,并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明,在农机静止状态,两者性能接近,定位误差均在1 cm以内,姿态角误差均在0.1°以内;在农机以2 m/s的速度按照预设直线行驶时,单独GNSS导航位置误差在6 cm以内,姿态角误差在1°以内,GNSS/INS组合导航位置误差在3 cm以内,姿态角误差在0.5°以内,GNSS/INS组合导航精度明显的提升,可为高精度农机自动导航控制提供技术支持。

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。

基于自适应高斯渐进滤波的工程车GNSS/INS紧组合定位

研究了量测野值影响下的工程车GNSS/INS紧组合定位问题,提出了一种基于自适应高斯渐进滤波的车辆定位方法。首先,为降低量测野值对滤波器的破坏风险,利用假设检验方法对量测野值进行检测和剔除;其次,对于野值漏检测引起的定位性能下降的问题,设计了自适应的高斯渐进滤波方法来补偿量测的不确定性;特别地,利用线性化误差与系统估计误差的变化关系,对渐进量测更新方式进行了改进,从而实现对线性化误差的间接补偿。最后,通过工程车GNSS/INS紧组合定位实验进行结果分析,验证了所提方法的可靠性和优越性。

基于MEMS IMU的GNSS RTK/INS紧组合定位分析

本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。

基于组合历元新息抗差的GNSS/INS欺骗检测方法

针对传统的全球卫星导航系统/惯性导航系统(GNSS/INS)新息平均抗差欺骗检测算法对阶跃式欺骗存在检测时延长、对斜坡式欺骗检测不敏感等问题,提出了一种基于组合历元新息抗差的GNSS/INS欺骗检测方法。检测方法联合使用单历元新息和多历元新息平均检测方法提高检测效率,构造多历元等价权因子加大对斜坡式欺骗的削弱力度,按欺骗类型进行分类处理。实验结果表明,与单历元新息检测方法和多历元新息平均检测方法相比,所提方法更具敏感性,能够检测到单历元新息无法检出的10 m的阶跃式欺骗和多历元新息平均法无法检出的0.03 m/s的斜坡式欺骗;多历元等价权因子能削弱在检测到斜坡式欺骗之前误差跟踪效应对新息的影响;在多通道欺骗场景下,所提方法使检测时延缩短了21.3%,对欺骗进行分类处理使得与真实轨迹的最大位置误差减小了86.6%,均方根误差减小了96.8%。

LS-SVM和抗差估计的GNSS/INS紧组合欺骗检测算法

针对传统欺骗检测算法对斜率较小的斜坡式欺骗检测时间过长、虚警率和漏检率偏高等问题,提出一种最小二乘支持向量机(LS-SVM)和抗差估计的全球卫星导航系统(GNSS)和惯性导航系统(INS)紧组合欺骗检测算法。所提算法通过抗差自适应调整增益矩阵,有效削弱欺骗对新息的影响,将抗差优化的训练数据集经LS-SVM回归得到的预测新息来代替滤波器中的欺骗新息,从而进一步提高对斜率较小的斜坡式欺骗检测处理能力。仿真结果表明:在检测欺骗值为0.1 m/s的斜坡式欺骗时,所提算法与传统算法相比,检测时间缩短26.65%,虚警率降低40.63%,定位精度提高72.72%。所提算法具有检测快、虚警率低的优势,适用于GNSS/INS紧组合导航用户的斜坡式欺骗检测。

GNSS/INS/VNS组合定位信息融合的多无人机协同导航方法

在信息化战场上,无人机面临多种潜在威胁,不时出现的非意图干扰对无人机系统的卫星信号和通信链路造成干扰,对飞行产生不良影响。为了解决这一挑战,采用多传感器信息融合,以全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System,INS)组合导航系统为主滤波器,并将全球定位系统导航系统和视觉导航系统作为子滤波器,建立了联合滤波器。将多架无人机数字影像的相对导航信息与各无人机平台获取的绝对导航信息融合,实现了一种基于卡尔曼滤波的多地标接力辅助导航算法,有效提高了GNSS/INS相对导航系统的解算精度,降低了多无人机群体的计算负担,扩大了无人机的巡航范围。采用并行分布式的系统框架,将算法部署在多个无人机平台上,通过无人机之间的信息传递和互动,实现多无人机的协同感知与自主定位。在仿真任务场景中进行相关实验,实验结果显示该方法在3架无人机协同导航中位置估计平均误差达到0.66 m,速度估计精度保持在±0.4 m/s,满足设计要求。

基于简化鲁棒UKF的GNSS/INS紧组合列车定位方法

针对GNSS/INS组合列车定位中的信息融合非线性与传感器量测故障问题,为满足复杂多变列车运行场景下列车定位精度与鲁棒性的需求,提出一种基于简化鲁棒UKF的GNSS/INS紧组合列车定位优化方法。综合标准KF的时间更新与标准UKF的量测更新来构建简化UKF,在保证GNSS/INS紧组合列车定位精度的同时改善定位解算实时性。在简化UKF滤波框架内,引入故障检测与自适应调整因子构建简化鲁棒UKF,可以快速检测传感器量测故障导致的系统故障,并对故障历元的量测噪声协方差进行自适应调整降低滤波增益,使得滤波算法具有较强的鲁棒性。采用京沈高铁实测数据与故障仿真数据进行算法定位性能验证与评估,结果表明:基于简化UKF的GNSS/INS紧组合定位算法水平定位精度为2.6865 m,与传统EKF滤波模型下的紧组合与松组合方法相比定位精度分别提高5.6%和15.0%。此外,提出的简化鲁棒UKF方法可以快速有效检测到不同类型的传感器量测故障,且大幅抑制传感器量测故障,优化复杂运行场景下的列车定位精度与鲁棒性。

低成本亚米级PPP/INS组合导航定位系统研究

铁路智慧工地建设中,对车辆、机具、人员等有实时定位和安全管理等位置服务需求,设计了一种亚米级、低成本、基于微机电传感器(MEMS)的PPP/INS组合导航定位系统。首先介绍系统终端采用的基于零速度更新(ZUPT)和非完整约束(NHC)算法的PPP/INS松组合导航定位方法,然后介绍系统组成,并通过车载实验对开阔环境和半开阔环境下的系统动态定位精度进行分析。实验结果表明,该系统在开阔环境下可满足亚米级定位精度,在半开阔环境下定位精度优于1.0%×失锁距离,相比PPP和u-blox SPP单系统定位优势明显。研究成果对铁路智慧工地位置服务中低成本、亚米级导航定位研究及成果转化具有一定的参考价值。

基于GNSS/INS的拖拉机导向轮偏转角度测量系统设计与试验

传统的角度传感器在拖拉机导向轮偏转角度的测量中存在准确度不足、安装调试复杂等问题,这些问题制约了拖拉机在自动导航作业时的高精度、高稳定性的需求。鉴此,本文旨在构建并验证一种新型系统,该系统基于全球导航卫星系统(global navigation satellite system,GNSS)和惯性导航系统(inertial navigation system,INS)的技术原理,能够实现对拖拉机导向轮动态角度的实时解算。首先,对GNSS/INS融合原理进行了深入的分析,并设计了相应的GNSS/INS数据测量台架试验,以获取角度传感器的测量值。随后,采用卡尔曼滤波(Kalman filter,KF)、扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(untraced Kalman filter,UKF)三种滤波算法对角度测量值的滤波处理,以超调量、响应时间和稳定性等指标进行评价,结果表明UKF在本系统中表现最优。其次,针对不同工况(沥青路面和农田),进行了拖拉机在自动导航下转向和直线性能测试。在转向性能测试中,进行了1°、5°和15°的不同角度的固定测量,结果显示在1°时两种环境的响应时间最小,但均产生了最大超调量,同时随着角度的增加,系统对稳态误差的降低有明显作用。直线自动导航性能测试中,沥青路面和农田的最大横向偏差分别为17.51 mm和18.52 mm,系统误差分别为10.45 mm(2σ)和21.07 mm(2σ)。通过对比两种工况,沥青路面的各项性能指标上均优于农田环境,但两种工况在精度、响应时间和平稳性上均满足自动导航系统需求,可应用于拖拉机的自动导航作业中。

GNSS_INS组合导航在飞行校验系统中的应用

目前的飞行校验系统以GPS作为空间基准,这种定位方式在精度、性能、可靠性方面都存在着固有缺陷。介绍的SPAN(synchronous position,attitude and navigation)技术集合了2种不同但互补的技术:GNSS(global navigationsatellite system)定位技术和惯性导航技术。通过二者的结合,SPAN技术可以达到取长补短的目的,组合后的导航系统无论在精度、性能、可靠性方面都优于单独的子系统。将这项技术应用于飞行校验系统,利用GNSS定位的绝对精度加上惯性测量单元(IMU)陀螺和加速计测量的稳定性,就可以在卫星信号丢失或者高动态应用环境下仍然提供持续、稳定、可靠的位置及姿态数据。