多源数据融合实时导航定位方法及系统技术方案

本发明专利技术公开了一种多源数据融合实时导航定位方法及系统。该方法包括：获取GNSS数据、由IGS播发的GNSS运行数据、IMU数据、磁强数据和里程数据；由GNSS数据和GNSS运行数据计算当前位置和速度；根据当前位置和速度实现位置和速度初始化，根据IMU数据实现姿态初始化得到位姿初始化结果；基于位姿初始化结果进行惯性导航状态更新得到位姿更新结果；检查惯性测量单元的每个测量时刻是否获取到GNSS数据、磁强数据或里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或观测更新得到参数改正数向量；基于参数改正数向量利用误差反馈理论对位姿更新结果进行修正得到导航定位信息。本发明专利技术能够提高信号失锁环境中的定位精度。

Real time navigation and positioning method and system based on multi-source data fusion

【技术实现步骤摘要】
多源数据融合实时导航定位方法及系统
本专利技术涉及导航定位领域，特别是涉及一种多源数据融合实时导航定位方法及系统。
技术介绍
目前，全球卫星导航系统(GlobalNavigationSatelliteSystem，GNSS)是动态导航与位置服务领域中不可或缺的重要技术手段，其通过分布在不同轨道面上的多颗导航卫星不间断地为全球任意地面用户播发调制包含有测距码、卫星轨道和卫星钟参数、时间信息等无线电载波信号，采用精密定位算法，可为用户提供高精度的位置、速度和时间信息。相对于传统定位方法，卫星定位系统具有全球覆盖、全天候、实时、高精度、误差有界等优点。然而，GNSS作为一种无线电导航定位手段，在应用日益广泛的同时，其本身不足也日益明显。例如当处于城市峡谷、隧道、高架桥、树荫等容易引起信号失锁的环境中，GNSS的定位精度大大降低甚至无法实现导航定位。
技术实现思路
本专利技术的目的是提供一种多源数据融合实时导航定位方法及系统，提高信号失锁环境中的定位精度。为实现上述目的，本专利技术提供了如下方案：一种多源数据融合实时导航定位方法，应用于一种多源数据融合实时导航定位装置，该定位装置包括：GNSS接收机、惯性测量单元、磁强计、里程计、网络模块和FPGA主板；所述GNSS接收机、所述惯性测量单元、所述磁强计、所述里程计和所述网络模块均与所述FPGA主板连接；该导航定位方法包括：获取所述GNSS接收机采集的GNSS数据、所述网络模块接收的由国际GNSS服务组织播发的GNSS运行数据、所述惯性测量单元测量的IMU数据、所述磁强计测量的磁强数据和所述里程计测量的里程数据；基于最小二乘和序贯最小二乘理论，根据非差非组合精密单点定位理论由所述GNSS数据以及所述GNSS运行数据计算载体当前位置和当前速度；根据所述当前位置和所述当前速度实现位置初始化和速度初始化，根据所述IMU数据实现姿态初始化，得到位姿初始化结果；基于所述位姿初始化结果利用惯性导航系统力学编排理论进行惯性导航状态更新，得到位姿更新结果；检查每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或卡尔曼滤波的观测更新从而得到参数改正数向量；基于所述参数改正数向量，利用误差反馈理论对位姿更新结果进行修正，得到导航定位信息。可选的，所述检查每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或卡尔曼滤波的观测更新从而得到参数改正数向量，具体包括：判断每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据；针对未获取到所述GNSS数据、所述磁强数据和所述里程数据的时刻，以所述位姿更新结果作为该时刻的导航结果，并构建卡尔曼滤波时间更新方程和协方差矩阵；所述时间更新方程的状态参数向量的分量包括位置信息、速度信息、姿态信息、零偏、比例因子误差、接收机钟差、接收机钟漂、对流层湿延迟、接收机码间偏差、载波模糊度和电离层延迟；将所述位置信息、所述速度信息、所述姿态信息采用动力学函数模型进行描述；将所述零偏和所述比例因子误差建模为一阶高斯马尔科夫过程；将所述对流层湿延迟、所述接收机码间偏差和电离层延迟建模为随机游走过程；将所述载波模糊度建模为随机常数；将所述接收机钟差和所述接收机钟漂建模为从而得到建立好的卡尔曼滤波时间更新模型；其中tr，k与tr，k-1分别为k时刻和k-1时刻的接收机钟差，与分别为k时刻和k-1时刻的接收机钟漂；dt为采样间隔，εt，k-1与分别为接收机钟差噪声和接收机钟漂噪声；针对获取到所述GNSS数据、所述磁强数据或所述里程数据的时刻，根据所述GNSS数据、所述GNSS运行数据、所述IMU数据、所述磁强数据、所述里程数据以及载体状态约束观测量构建观测新息向量，进而构建卡尔曼滤波观测更新方程，得到建立好的卡尔曼滤波观测更新模型；基于扩展卡尔曼滤波参数估计理论，根据所述卡尔曼滤波时间更新模型和所述卡尔曼滤波观测更新模型对所述状态参数向量和所述协方差矩阵进行最优估计，得到最优状态参数向量和最优协方差矩阵；基于所述最优状态参数向量和所述最优协方差矩阵计算所述参数改正数向量。可选的，所述根据所述当前位置和所述当前速度实现位置初始化和速度初始化，根据所述IMU数据实现姿态初始化，得到位姿初始化结果，具体包括：以所述当前位置作为位置初始化结果，以所述当前速度作为速度初始化结果；根据所述IMU数据与地球自转角速度以及地球重力之间的姿态转换关系计算姿态方向余弦矩阵；根据所述姿态方向余弦矩阵计算初始姿态角，得到姿态初始化结果。可选的，在所述获取所述GNSS接收机采集的GNSS数据、所述网络模块接收的由国际GNSS服务组织播发的GNSS运行数据、所述惯性测量单元测量的IMU数据、所述磁强计测量的磁强数据和所述里程计测量的里程数据之前，还包括：以GNSS接收机的时间为基准对所述惯性测量单元、所述磁强计和所述里程计的时间进行同步。一种多源数据融合实时导航定位系统，应用于一种多源数据融合实时导航定位装置，该定位装置包括：GNSS接收机、惯性测量单元、磁强计、里程计、网络模块和FPGA主板；所述GNSS接收机、所述惯性测量单元、所述磁强计、所述里程计和所述网络模块均与所述FPGA主板连接；该导航定位系统包括：数据获取模块，用于获取所述GNSS接收机采集的GNSS数据、所述网络模块接收的由国际GNSS服务组织播发的GNSS运行数据、所述惯性测量单元测量的IMU数据、所述磁强计测量的磁强数据和所述里程计测量的里程数据；位置初步估计模块，用于基于最小二乘和序贯最小二乘理论，根据非差非组合精密单点定位理论由所述GNSS数据以及所述GNSS运行数据计算载体当前位置和当前速度；位姿初始化模块，用于根据所述当前位置和所述当前速度实现位置初始化和速度初始化，根据所述IMU数据实现姿态初始化，得到位姿初始化结果；惯性导航状态更新模块，用于基于所述位姿初始化结果利用惯性导航系统力学编排理论进行惯性导航状态更新，得到位姿更新结果；卡尔曼滤波模块，用于检查每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或卡尔曼滤波的观测更新从而得到参数改正数向量；修正模块，用于基于所述参数改正数向量，利用误差反馈理论对位姿更新结果进行修正，得到导航定位信息。可选的，所述卡尔曼滤波模块包括：判断单元，用于判断每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据；时间更新方程建立单元，用于针对未获取到所述GNSS数据、所述磁强数据和所述里程数据的时刻，以所述位姿更新结果作为该时刻的导航结果，并构建卡尔曼滤波时间更新方程和协本文档来自技高网...

【技术保护点】
1.一种多源数据融合实时导航定位方法，其特征在于，应用于一种多源数据融合实时导航定位装置，该定位装置包括：GNSS接收机、惯性测量单元、磁强计、里程计、网络模块和FPGA主板；所述GNSS接收机、所述惯性测量单元、所述磁强计、所述里程计和所述网络模块均与所述FPGA主板连接；/n该导航定位方法包括：/n获取所述GNSS接收机采集的GNSS数据、所述网络模块接收的由国际GNSS服务组织播发的GNSS运行数据、所述惯性测量单元测量的IMU数据、所述磁强计测量的磁强数据和所述里程计测量的里程数据；/n基于最小二乘和序贯最小二乘理论，根据非差非组合精密单点定位理论由所述GNSS数据以及所述GNSS运行数据计算载体当前位置和当前速度；/n根据所述当前位置和所述当前速度实现位置初始化和速度初始化，根据所述IMU数据实现姿态初始化，得到位姿初始化结果；/n基于所述位姿初始化结果利用惯性导航系统力学编排理论进行惯性导航状态更新，得到位姿更新结果；/n检查每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或卡尔曼滤波的观测更新从而得到参数改正数向量；/n基于所述参数改正数向量，利用误差反馈理论对位姿更新结果进行修正，得到导航定位信息。/n...

【技术特征摘要】
1.一种多源数据融合实时导航定位方法，其特征在于，应用于一种多源数据融合实时导航定位装置，该定位装置包括：GNSS接收机、惯性测量单元、磁强计、里程计、网络模块和FPGA主板；所述GNSS接收机、所述惯性测量单元、所述磁强计、所述里程计和所述网络模块均与所述FPGA主板连接；
该导航定位方法包括：
获取所述GNSS接收机采集的GNSS数据、所述网络模块接收的由国际GNSS服务组织播发的GNSS运行数据、所述惯性测量单元测量的IMU数据、所述磁强计测量的磁强数据和所述里程计测量的里程数据；
基于最小二乘和序贯最小二乘理论，根据非差非组合精密单点定位理论由所述GNSS数据以及所述GNSS运行数据计算载体当前位置和当前速度；
根据所述当前位置和所述当前速度实现位置初始化和速度初始化，根据所述IMU数据实现姿态初始化，得到位姿初始化结果；
基于所述位姿初始化结果利用惯性导航系统力学编排理论进行惯性导航状态更新，得到位姿更新结果；
检查每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或卡尔曼滤波的观测更新从而得到参数改正数向量；
基于所述参数改正数向量，利用误差反馈理论对位姿更新结果进行修正，得到导航定位信息。


2.根据权利要求1所述的多源数据融合实时导航定位方法，其特征在于，所述检查每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据，根据检查结果选择进行卡尔曼滤波的时间更新或卡尔曼滤波的观测更新从而得到参数改正数向量，具体包括：
判断每个所述惯性测量单元的测量时刻是否获取到所述GNSS数据、所述磁强数据或所述里程数据；
针对未获取到所述GNSS数据、所述磁强数据和所述里程数据的时刻，以所述位姿更新结果作为该时刻的导航结果，并构建卡尔曼滤波时间更新方程和协方差矩阵；所述时间更新方程的状态参数向量的分量包括位置信息、速度信息、姿态信息、零偏、比例因子误差、接收机钟差、接收机钟漂、对流层湿延迟、接收机码间偏差、载波模糊度和电离层延迟；
将所述位置信息、所述速度信息、所述姿态信息采用动力学函数模型进行描述；将所述零偏和所述比例因子误差建模为一阶高斯马尔科夫过程；将所述对流层湿延迟、所述接收机码间偏差和电离层延迟建模为随机游走过程；将所述载波模糊度建模为随机常数；将所述接收机钟差和所述接收机钟漂建模为从而得到建立好的卡尔曼滤波时间更新模型；其中tr，k与tr，k-1分别为k时刻和k-1时刻的接收机钟差，与分别为k时刻和k-1时刻的接收机钟漂；dt为采样间隔，εt，k-1与分别为接收机钟差噪声和接收机钟漂噪声；
针对获取到所述GNSS数据、所述磁强数据或所述里程数据的时刻，根据所述GNSS数据、所述GNSS运行数据、所述IMU数据、所述磁强数据、所述里程数据以及载体状态约束观测量构建观测新息向量，进而构建卡尔曼滤波观测更新方程，得到建立好的卡尔曼滤波观测更新模型；
基于扩展卡尔曼滤波参数估计理论，根据所述卡尔曼滤波时间更新模型和所述卡尔曼滤波观测更新模型对所述状态参数向量和所述协方差矩阵进行最优估计，得到最优状态参数向量和最优协方差矩阵；
基于所述最优状态参数向量和所述最优协方差矩阵计算所述参数改正数向量。


3.根据权利要求1所述的多源数据融合实时导航定位方法，其特征在于，所述根据所述当前位置和所述当前速度实现位置初始化和速度初始化，根据所述IMU数据实现姿态初始化，得到位姿初始化结果，具体包括：
以所述当前位置作为位置初始化结果，以所述当前速度作为速度初始化结果；
根据所述IMU数据与地球自转角速度以及地球重力之间的姿态转换关系计算姿态方向余弦矩阵；
根据所述姿态方向余弦矩阵计算初始姿态角，得到姿态初始化结果。


4.根据权利要求1所述的多源数据融合实时导航定位方法，其特征在于，在所述获取所述GNSS接收机采集的GNSS数据、所述网络模块接收的由国际GNSS服务组织播发的GNSS运行数据、所述惯性测量单元测量的IMU数据、所述磁强计测量的磁强数据和所述里程计测量的里程数据之前，还包括：
以GNSS接收机的时间为基准对所...

【专利技术属性】
技术研发人员：高周正，吕洁，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：北京;11