1、LOGO GPS与惯导系统的组合导航技术 CONTENTS 目录 1 2 3 GPS与惯导系统的组合导航技术 基于卡尔曼组合数据的融合方法 紧耦合和松耦合 LOGO LOGO GPS/INS 20 世纪末发展起来的全球卫星定位系统具有GPS: 定位和测速精度高的优势,且基本上不受时间、地区的限制,已经得到了广泛应用。但是,在卫星信号受到屏蔽或遮挡时,接收机就无法定位。G P S 的载体在做高动态运动时, 常使GPS 接收机不易捕获和跟踪卫星载波信号,甚至产生失锁现象。此外, 由于G P S 的星历广播数据率相对比较低( 50 b / s ),GPS 的导航解算的输出速率, 也相对是比较低的。因
2、此, 单用G PS 系统, 还不能满足高速移动平台的定位需要。对导航定位可靠性要求较高的情况下 GPS 很难单独应用 LOGO LOGO GPS/INS INS: INS 不仅能够提供载体位置、速度参数,还能提供载体的三维姿态参数,是完全自主的导航方式,在航空、航天、航海和陆地等几乎所有领域中都得到了广泛应用。但是,INS 难以克服的缺点是其导航定位误差随时间累加,难以长时间独立工作。 LOGO LOGO GPS/INS GPS/INS组合: 组合系统利用高精度的 GPS信息作为外部量测输入,在运动过程中修正 INS,以控制其误差随时间的累积；而短时间内高精度的 INS 定位结果,又可以解决G
3、PS 动态环境中的信号失锁和周跳问题。INS 还可以辅助 GPS 接收机增强其抗干扰能力,提高捕获和跟踪卫星信号的能力。 CONTENTS 目录 1 2 3 GPS与惯导系统的组合导航技术 基于卡尔曼组合数据的融合方法 紧耦合和松耦合 LOGO LOGO 基于卡尔曼组合数据的融合方法 信息融合: 信息融合是在多传感器的信息系统的大量涌现的时代背景之下所产生的。卡尔曼滤波在控制的领域得到了广泛应用后，也逐渐的成为多传感器的信息融合的系统主要技术的手段之一。 LOGO LOGO 基于卡尔曼组合数据的融合方法 卡尔曼滤波: 卡尔曼滤波是Kalman在1960年的时候提出来的。将状态的空间概念给引入估
4、计理论里，把信号的过程看作是白噪声的作用下线性系统输出，用状态的方程描述该输入和输出的关系。在估计的过程中可以利用系统的状态方程和观测的方程，还有白噪声的激励（系统的过程噪声与观测噪声）统计特性来构成所要的滤波算法。因为利用到的信息是在时域里的变量，它能够对平稳、一维随机的过程估计，同时也能够对非平稳、多维的随机的过程估计。 T 分解滤波算法 UDU自适应滤波算法 标准的卡尔曼滤波 平方根滤波算法 次优滤波算法 无损卡尔曼(UKF) 算法 扩展卡尔曼滤波（EKF） 粒子（PF）滤波算法 LOGO LOGO 基于卡尔曼组合数据的融合方法 卡尔曼组合数据融合: 通常，将GPS的接收机输出的信息与I
5、NS惯性测量的信息传给机载的计算机，首先利用相应软件实现两套数据时空的同步，然后使用卡尔曼滤波器实现最优的组合处理。 LOGO LOGO 基于卡尔曼组合数据的融合方法 分类: 按照组合中滤波器的设置来分类，可以分成： 集中式的卡尔曼滤波 分布式的卡尔曼滤波 按照对系统校正方法的不同，分为: 开环校正(输出校正) 闭环校正(反馈矫正) 按照组合水平的深度不同，分为： 松耦合 紧耦合 根据卡尔曼滤波器所估计的状态不同，卡尔曼滤波在组合导航中的应用有: 直接法 间接法 LOGO LOGO 基于卡尔曼组合数据的融合方法 集中式的卡尔曼滤波： 所谓的集中式卡尔曼滤波的组合，就是采用共同的一个卡尔曼的滤波
6、器处理与的数据，它的量测的输入是直接取自于的接收机观测量。 假如组合的滤波器使用的是普通卡尔曼滤波器，那么就要GPS的输出位置，速度信息的误差为白噪声，但是，GPS的接收机的输出位置，速度的信息误差是和时间都相关。为了解决这一问题，可有两种方法： 一、加大集中的滤波器迭代的周期，但这会导致组合系统导航的精度下降。 二、用分布式的卡尔曼滤波器的理论进行组合。 LOGO LOGO 基于卡尔曼组合数据的融合方法 分散式的卡尔曼滤波： 分布式的卡尔曼滤波方法，分两步处理多个系统数据。 第一步，每个系统都处理自己观测的数据，进行局部的最优的估计。 第二步，局部的滤波器输出并行的输入主滤波器中，以得到主滤
7、波器的状态向量最优的估计。 LOGO LOGO 基于卡尔曼组合数据的融合方法 分散式的卡尔曼滤波： 用分布式滤波器理论设计的组合滤波器，不再要求GPS输出的位置误差、速度误差为白噪声。 这种方案的缺点是GPS滤波器与组合滤波器之间的数据通信量较大。在按该式实施组合滤波器状态估计时，不仅GPS滤波器的滤波值要作为主滤波器的量测输入，GPS滤波的预报值也要作为主滤波器的量测输入。 LOGO LOGO 标准卡尔曼滤波原理 设随机线性离散系统的方程（不考虑控制作用）为： () (1) (2) 式中XK 是系统的 n 维状态向量，ZK 是系统的 n 维观测序列，WK 是系统的 p 维系统过程噪声序列，V
8、K 是系统的 m 维观测噪声序列，k，k-1是系统的 n*n状态转移矩阵，K,K-1是 n*p噪声输入矩阵，HK 是 n*m 维观测矩阵。 LOGO LOGO 标准卡尔曼滤波原理 系统的过程噪声和观测噪声的统计特性，假定如下： () () (3) 其中QK 是系统过程噪声WK 的 p*p维对称非负定方差矩阵，RK 是系统观测噪声VK 的 m*m维对称正定方差阵，而kj是 Kronecker-函数 如果被估计状态XK 和对XK 的观测量ZK 满足(1)、(2)式的约束，系统过程噪声WK 和观测噪声VK满足(3)式的假定，系统过程噪声方差阵QK 非负定，系统观测噪声方差阵RK 正定， k 时刻的观
9、测为ZK，则XK的估计X?K可按下述方程求解 LOGO LOGO 标准卡尔曼滤波原理 给定初值 和P0 ，根据 k (4) 时刻的观测值Z递推计算得 k 时刻的状态K，就可以 (5) (6) (7) (8) LOGO LOGO 标准卡尔曼滤波原理 (4) (7) (6) (5) (8) CONTENTS 目录 1 2 3 GPS与惯导系统的组合导航技术 基于卡尔曼组合数据的融合方法 紧耦合和松耦合 LOGO LOGO 紧耦合和松耦合 基于卡尔曼滤波的组合方式: 利用卡尔曼滤波器设计 GPS/INS 组合导航系统的方法多种多样按照组合水平的深度不同，分为： 松耦合 紧耦合 LOGO LOGO 紧
10、耦合和松耦合 松耦合模式是指直接利用 松耦合: GPS 接收机输出的定位信息与 INS 组合，它是一种低水平的组合。位置、速度组合是其典型代表，它采用 GPS 和 INS 输出的位置和速度信息的差值作为量测值。 LOGO LOGO 紧耦合和松耦合 优点: 1.组合结构简单，便于工程实现，便于实现容错 2.两个系统能够独立工作，使得导航系统有一定的余度 缺点: 1. GPS 输出的位置、速度通常是与时间相关的； 2.INS 和 GPS 信息流动是单向的，INS 无法辅GPS。 LOGO LOGO GPS/INS 紧耦合: 紧耦合模式是指利用 GPS 接收机的的原始信息来和惯导系统组合，原始信息一
11、般是指伪距、伪距率、载波相位等。 LOGO LOGO 紧耦合和松耦合 优点: 1.用伪距、伪距率等作为观测量，其观测误差可以缺点: 只提供伪距、伪距率和星历数据，可省去导 建模扩充为状态进行估计和校正，因而组合精度可以提高；2.GPS 航计算部分，便于和惯导进行一体化设计计算工作量大，软、硬件设计复杂，且伪距的精确补偿也有一定的难度。LOGO LOGO GPS/INS 松紧耦合组合导航系统仿真 : 速度误差估计 LOGO LOGO GPS/INS 紧耦合组合导航系统仿真 : 位置误差估计 由此可见，在引入 GPS 系统的位置、速度观测信息辅助 INS、并经组合卡尔曼滤波器的滤波修正后，INS 导航系统的位置、速度误差得到了有效抑制，长时间导航精度大大提高。 LOGO 谢谢观看
