【技术实现步骤摘要】
一种低动态高振动环境下的BDS/INS紧组合导航方法
本专利技术涉及一种导航方法,尤其适用于一种导航领域使用的低动态高振动环境下的BDS/INS紧组合导航方法。
技术介绍
随着卫星定位技术的发展,GPS/INS组合导航用于动态定位的研究非常广泛,通过GPS/INS紧组合提高系统的定位性能。目前,我国BDS系统与GPS系统具有相同的信号调制方式,并且BDS已具备全球导航定位服务能力。BDS/INS紧组合方法具有更高的导航精度,能进行复杂环境的导航定位。目前,国内外多数论文和专利主要针对INS原始数据降噪提出解决方案,且大多采用小波阈值降噪、EMD降噪方法以及EMD-小波降噪方法,小波阈值降噪方法不能抑制异常噪声的干扰,且需事先确定基函数和分解层数,不具有自适应能力,同时降噪结果受阈值和阈值函数的影响较大;对于EMD降噪,当信号的信噪较低且存在脉冲干扰或异常噪声时,信号的极值点分布不均匀,从而产生模态混叠现象,导致相邻2个IMF分量混叠,难以区分,从而影响EMD降噪效果;EMD-小波降噪模型中,需确定高频IMF进行小波降噪,故降噪效果受高频IMF数量的影响,同样地,当信号的信噪较低且存在脉冲干扰或异常噪声时,EMD-小波降噪的降噪效果不理想。目前的低动态高振动环境是指:搭载BDS和INS的移动载具行驶速度缓慢,但该移动载具却处于高频不规则振动中,这种低动态高振动环境将同时影响BDS和INS定位解算:对于BDS,快速振动会导致BDS卫星信号跟踪失锁,从而难以固定整周模糊度;对于INS,低动态高振动会使惯性器件的观测信号淹没在高频噪声中,大幅降低BDS/INS紧组 ...
【技术保护点】
1.一种低动态高振动环境下的BDS/INS紧组合导航方法,其特征在于,包括以下步骤:步骤1:获取低动态高振动环境下的移动载具的INS原始数据以及同步的BDS原始数据,并对INS原始数据进行EMD‑ICA去噪处理,得到去噪后的INS数据;步骤2:将INS原始数据与BDS原始数据进行紧组合中的Kalman滤波解算,得到紧组合处理后移动载具在当地地理坐标系中的位置、当地地理坐标系三轴方向的速度和姿态信息;步骤3:对Kalman滤波解算后的数据进行RTS平滑处理削弱噪声信号的影响,得到移动载具平滑后在当地地理坐标系中更精确的位置、当地地理坐标系三轴方向的速度和姿态信息,从而获得移动载具的具体定位信息,结合目的地的地理信息从而实现对移动载具的精确导航。
【技术特征摘要】
1.一种低动态高振动环境下的BDS/INS紧组合导航方法,其特征在于,包括以下步骤:步骤1:获取低动态高振动环境下的移动载具的INS原始数据以及同步的BDS原始数据,并对INS原始数据进行EMD-ICA去噪处理,得到去噪后的INS数据;步骤2:将INS原始数据与BDS原始数据进行紧组合中的Kalman滤波解算,得到紧组合处理后移动载具在当地地理坐标系中的位置、当地地理坐标系三轴方向的速度和姿态信息;步骤3:对Kalman滤波解算后的数据进行RTS平滑处理削弱噪声信号的影响,得到移动载具平滑后在当地地理坐标系中更精确的位置、当地地理坐标系三轴方向的速度和姿态信息,从而获得移动载具的具体定位信息,结合目的地的地理信息从而实现对移动载具的精确导航。2.根据权利要求1所述的低动态高振动环境下的BDS/INS紧组合导航方法,其特征在于:所述步骤1的去噪处理包括将原始INS数据通过小波滤波去噪,减去其均值,将结果作为INS数据误差模型的参考信号rt:步骤1.5中求出陀螺仪数据误差信号后,以此作为误差改正模型,对INS原始观测数据进行改正,即用原始数据减去误差信号数据得到去噪后的数据。步骤1.1:利用陀螺仪与加速度计采集移动载具的信息,包括陀螺仪的x、y、z轴三轴角速度信息与加速度计的x、y、z轴的三轴加速度信息,将所有陀螺仪与加速度计归入观测历元,对观测历元内的上述六种信息进行去噪处理;步骤1.2:首先处理陀螺仪x轴数据,将原始陀螺仪x轴数据进行EMD分解,得到n个IMF分量:找出原始陀螺仪x轴数据q(t)的所有极大值点序列和极小值点序列,将这两个序列分别用三次样条差值拟合成上、下包络线;计算上、下包络线对应的均值序列mi,将所有原始陀螺仪x轴数据构成序列q并利用公式:hi=q(t)-mi与得到hi,hi为中间变量;查看hi是否满足IMF筛选条件:如满足公式:则IMFi(t)=hi(t),否则将hi看成新的q(t)继续迭代计算:利用公式:ri(t)=ri-1(t)-IMFi(t)计算剩余信号的残余分量ri(t);IMFi(t)为第i个本征模态函数,t表示本征模态函数是时间t的函数;检测残余分量ri(t)是否为单调数,若ri(t)极值点个数不少于2个,则判断ri(t)不为单调函数,则i=i+1,继续以上步骤;否则,分解结束;最终使用EMD分解将原始陀螺仪x轴数据分解成n个IMF分量和一个残余分量rn的和:步骤1.3:将分解后的n个IMF分量作为虚拟观测数据Q为EMD分解后的IMF分量,q为原始数据,利用ICA-R方法提取出期望信号et:首先对虚拟观测数据QL×n去均值并进行白化,得到矩阵Z,初始化惩罚因子γ,选择一个随机的初始向量w0并标准化;选择拉格朗日乘系数u和λ的初值;计算ρ=E{G(y)}-E{G(v)},其中ρ为中间变量,无具体含义;E表示求函数的期望;G为任意非二次函数,自变量y表示与具有相同方差的变量,v为一个零均值单位方差的高斯变量。利用公式:uk+1=max{0,uk+γg(wk)}和λk+1=λk+γh(wk)更新u和λ;利用公式:更新w,标准化w直到|w(k+1)Tw(k)-1|趋近于0,式中y为与具有相同方差的变量,μ为拉格朗日乘子,η为比例系数,取值范围在0~1之间,求取q的协方差矩阵Rq=E{qqT},对求得的正常数ρ取符号函数G′y(y)、和g′y(y)、分别为Gy和gy关于y的一阶导数和二阶导数,其中G与g为两不同的任意实际非二次函数,最后求取迭代分量et=wZ;步骤1.4:求解陀螺仪数据幅值恢复的比例...
【专利技术属性】
技术研发人员:张秋昭,张云睿,马春,张书毕,郑南山,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。