RLG INS/GNSS极区组合导航方法

针对航空飞行器跨极区飞行,导航坐标系转换导致滤波器结构变化,进而影响导航精度的问题,提出了基于协方差变换的环形激光陀螺惯导/全球导航卫星系统算法(Ring Laser Gyroscope Inertial Navigation System/Global Navigation Satellite System,RLG INS/GNSS)。通过建立地理坐标系、格网坐标系下系统误差状态及其协方差的转换关系,设计了具有全纬度适用性的组合导航滤波器,并通过跑车实验以及半实物仿真实验对算法的有效性进行了验证。实验结果表明,协方差变换算法可以有效解决导航坐标系转换导致的滤波不稳定问题,相较于无协方差变换,系统状态误差减小一个数量级。

卫星拒止环境下无人机INS/GNSS紧组合定位算法研究

无人机在城市或山区等复杂低空环境下飞行时,很容易进入卫星拒止区域,导致接收到的卫星信号较少,GNSS接收机定位精度大幅下降甚至停止工作。针对无人机在卫星拒止环境下INS/GNSS紧组合的定位性能迅速下降的问题,提出使用零速修正方法对INS/GNSS紧组合定位算法进行改进;并根据航路所需导航性能需求,针对长时间处于拒止环境下可能引起的零速修正重启问题进行了有效约束,保证了无人机在此环境下拥有良好的导航性能。仿真实验证明,相对于传统卡尔曼滤波,零速修正调整的卡尔曼滤波显著降低了定位误差,其中水平误差降低了90.39%,高度误差降低了86.47%,UANP值减少了72.99%,导航定位性能明显提高。

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。

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。

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。

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%。

GNSS/INS组合导航中IMU参数设定与优化

针对惯性测量单元(IMU)参数设置不合理导致全球卫星导航系统(GNSS)/惯性导航系统(INS)组合导航无法充分发挥IMU性能的问题,提出了一套IMU参数设定与优化方案,建立了以GNSS短期中断期间导航漂移误差统计值、理论估计精度一致性以及IMU误差参数估计稳定性为评估对象的考核准则,使优化后的IMU参数可以确保GNSS/INS组合导航解算中状态预测方差阵的准确性,实现预测信息与观测信息权重合理分配,进而保障GNSS/INS组合导航最优性能。实测验证采用ADIS16465和ICM206022款典型车规级和消费级微机电(MEMS)IMU进行性能测试分析,测试结果表明:初始IMU参数与GNSS/INS组合导航算法适配度较低,无法得到最优组合导航结果;优化后,IMU参数在保障组合导航最优性能基础之上,也可实现理论估计精度与实际精度高度一致。

城市峡谷下视觉辅助的GNSS/INS多阶段定位方法

城市峡谷环境中卫星信号遮挡严重且质量易变,导致智能车的定位易失准甚至失效。为有效利用可观测的卫星信号,提出了一种基于可视卫星的GNSS/INS融合定位方法。首先,利用鱼眼相机筛选视距卫星,进而基于正交回归拟合方法定义空视情况优劣;接着,构建基于因子图的GNSS/INS融合定位框架,考虑到观测的不稳定性,分别构建了伪距、多普勒频率、载波相位观测因子,并在满足观测条件时增添对应的约束因子进行优化;最后,设计了基于空视情况的区间优化规则,优化长度跟随遮挡区间变化,以适应不同的遮挡情况。实车实验表明,相比传统的多传感融合方法,本文的多阶段定位方法在严重遮挡区域内定位精度提高了40%以上,有效提高了城市峡谷中的定位精度。

不同场景下GNSS与INS组合定位性能评估

为评估全球卫星导航系统(GNSS)和惯性导航系统(INS)在不同场景下导航性能的差异,本文利用卡尔曼滤波算法,使用由中国香港理工大学提供的2021年5月17、18日卫星原始观测值与惯导数据文件,利用开源软件GINav进行了单GNSS SPP、SPP/INS松组合(LC)和紧组合(TC)3种模式的数据处理,并对不同模式的组合导航定位结果进行性能评估。结果表明,在不同场景下利用全球卫星导航技术和惯性导航相结合的卫星定位精度GNSS/INS松、紧组合系统模式在各个方面及定位精度上均优于单SPP系统模式。两者均可以实现动态厘米级、静态毫米级的定位精度;SPP/INS LC导航性能均优于单SPP、SPP/INS LC模式,具有更好的系统稳健性。

顾及非视距与系统误差的UWB质量控制及其与GNSS/INS的组合定位

为提高GNSS拒止环境下定位系统的定位精度与稳定性,本文提出了顾及非视距与系统误差的UWB质量控制方法,并实现了其与GNSS/INS的组合定位。首先,综合考虑系统的稳定性与定位精度,以GNSS/INS松组合+UWB/INS紧组合的方式构建集中式卡尔曼滤波;在此基础上,针对UWB中存在的NLOS误差,设计了基于滑动窗口与滤波新息向量的两步NLOS误差识别方法;最后,采用基于滤波估计的方法实时补偿UWB中的系统误差。实验结果表明,本文提出的UWB质量控制方法能够有效减小NLOS与系统误差的影响,GNSS/UWB/INS组合算法水平定位误差在5cm以内。在UWB布局合理的情况下,该方法无需依赖过多基站也可实现较高的定位精度。

不同情形下GNSS/INS组合导航系统精度分析

基于载波相位差分的GNSS/INS组合导航系统在移动测绘领域应用广泛,但其精度也由于卫星观测条件、IMU级别、滤波算法和处理软件等因素而相差较大,对测绘作业和成果精度评定造成阻碍。针对上述问题,利用设计的跑车实验,详细分析了不同软件、不同级别IMU、不同处理模式、不同环境等条件下组合导航参数的精度。结果表明,在卫星观测条件良好的情况下,不同软件和不同处理模式的解算精度相当;由消费级到战术级再到近导航级,精度逐渐提高,其中消费级IMU组合导航的姿态中的航向精度为660″、横滚和俯仰精度为60″、速度精度为2.5 cm/s、3D位置精度为3 cm。在城市路段,精度整体上均有下降但仍在同一量级;当卫星数不足4颗时,紧组合定位精度会下降到m级。

基于GNSS/INS组合精密定位模糊度校正方法在城市车载测绘系统中的应用研究

城市车载测绘系统在城市环境下进行精密定位时面临着多路径效应和信号遮挡等问题,导致定位精度下降。为了解决这一问题提出了基于GNSS和INS组合的精密定位模糊度校正方法。研究结果表明,基于GNSS和INS组合的精密定位模糊度校正方法能够有效地提高城市车载测绘系统的定位精度,减小多路径效应和信号遮挡对定位精度的影响,该方法具有重要的应用价值和广阔的推广前景。

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。

基于北斗三号DGNSS/RDSS/INS的高性能轻量级导弹编队基线测量方法

在导弹编队基线测量是导弹集群攻击的前提下,针对导弹编队基线测量问题,提出了一种基于北斗三号DGNSS/RDSS/INS的高性能轻量级基线测量方法。以北斗RDSS区域短报文作为编队数传链路,基于北斗三号DGNSS/INS建立伪距单差观测模型,在GNSS信号连续正常或信号中断情况下,进行DGNSS与INS组合导航实现稳定的基线测量输出。仿真结果表明:在GNSS信号连续正常的观测历元中,DGNSS/INS组合导航可以实现稳定的基线测量输出。在GNSS信号中断20 s以内,DGNSS/INS组合导航在东向(E)、北向(N)的基线测量误差小于2.5 m(1σ),天向(U)的基线测量误差小于3.0 m(1σ)。与RTK算法相比,伪距单差模型对算力的要求降低了70%~80%。

GNSS/INS松、紧组合导航算法的等价性条件

GNSS/INS不同组合导航算法性能的讨论,一直是导航定位领域关注的热点.本文对GNSS/INS松、紧组合2种经典导航算法的等价性条件进行了理论推导和实验验证.首先,给出独立GNSS初值结构和集成GNSS初值结构2种模式在GNSS/INS松、紧2种组合算法中的应用方法,并在集成GNSS初值结构模式下推导出松、紧组合2种算法在导航状态参数以及方差协方差方面的等价性条件.然后,通过车载测试验证了不同算法的精度、运行效率及等价性,发现在GNSS理想观测条件下,松、紧组合2种算法的运行时间、导航坐标和方差协方差完全一致,验证了2种算法的等价性条件.

基于sbgECom协议的GNSS/INS数据解码与处理研究

针对SBG Ellipse-N传感器输出的GNSS/INS原始数据,在研究sbgECom协议格式、RINEX格式、IMR格式的基础上,编写了数据实时采集、解码与处理程序,将解码后的GNSS和INS原始数据分别转换为RINEX格式文件和IMR格式文件存储,以方便GNSS/INS数据后处理。以商业GNSS/INS数据处理软件的事后处理结果为参考,通过车载实测数据测试评估了自研RTK/INS实时组合算法的精度,从而验证了文中基于sbgECom协议格式的GNSS/INS原始数据解码及数据处理的正确性。

基于开/闭环交替的GNSS/INS一致性欺骗检测技术

GNSS与惯性导航系统(inertial navigation system,INS)在车辆、无人机等领域广泛应用,但GNSS接收机容易受到欺骗信号影响,因此本文提出一种利用INS观测量的一致性欺骗检测技术.惯性器件有着不易受欺骗信号干扰和易产生累计误差的特性,通过开/闭环交替反馈估计误差来构建GNSS/INS组合导航,在开环期间设置欺骗检测窗口,将惯性器件和GNSS得到的加速度、角速度统计检测量进行一致性检测,判断是否存在欺骗.实验结果证明:当窗口时间为70 s时,检测概率达到99.2%,虚警概率为5.2%.

基于UKF的INS/GNSS/CNS组合导航最优数据融合方法

为了提高INS/GNSS/CNS组合系统的导航精度,提出了一种基于UKF的多传感器最优数据融合方法。该方法具有两层融合结构,第一层中,GNSS和CNS分别通过两个局部UKF滤波器与INS组合,以并行的方式获得INS/GNSS和INS/CNS子系统的局部最优状态估值;第二层中,根据线性最小方差准则推导出一种矩阵加权数据融合算法,对局部状态估值进行融合,获取系统状态的全局最优估计。提出的方法无需采用方差上界技术对局部状态进行去相关处理,克服了联邦卡尔曼滤波(FKF)及其优化形式存在的缺陷。仿真结果表明,相比于FKF,提出方法的导航精度可至少提高36.4%;相比于UKF-FKF,其导航精度也可至少提高21.0%。

复杂环境下GNSS/INS/UWB紧组合的无人机协同导航算法

针对多无人机系统在复杂环境下卫星信号易受到干扰的问题,提出了一种基于环路和积算法的协同导航方法。根据传感器的特点,设计了基于GNSS/INS紧组合的绝对导航和UWB辅助的卫星双差紧组合相对导航,然后使用各个平台自身的绝对导航信息和平台间的相对导航信息,构建协同导航滤波器,基于环路和积算法,设计了消息传递规则,减少了平台间的流量,计算任务在各个平台上分布运行,减小了计算压力。最后对不同复杂场景进行了仿真和物理实验,结果表明该方案的协同导航精度明显优于不进行协同导航的结果,且随着可观测信息的增多,该方法导航精度越来越高。

基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法

在INS/GNSS组合导航系统中常采用基于新息的欺骗检测算法。针对现有算法对同步式欺骗干扰的检测时间较长、漏警率和误警率较高的问题,提出了一种基于新息速率抗差估计的INS/GNSS组合导航系统欺骗检测算法。该算法将Kalman滤波估计得到的新息速率作为检测量来判断是否存在欺骗干扰,并利用抗差估计削弱欺骗干扰对新息序列的影响,通过调整等价权函数的参数进一步提高算法的检测能力。仿真结果表明:该算法对诱导速率为0.1 m/s的同步式欺骗干扰的检测时间缩短了60%以上,在3路以下的卫星信号被欺骗时,通过选择合适的检测门限,误警率和漏警率均能维持在4%以内。