一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法技术

本发明专利技术公开一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，属于计算、推算或计数的技术领域。该方法结合了GPS、AOA、SINS三者优势互补的特点，并通过联邦卡尔曼进行最佳融合，大大提高定位精度。在联邦卡尔曼子滤波器和主滤波器之间加入故障检测和故障处理模块，当检测出异常时，利用残差卡方检测法设定的阈值与故障检测函数之比对故障子滤波器滤波增益矩阵K进行自适应调节，改变故障子滤波器中预测值和量测值的比重，并进一步将故障处理后的联邦卡尔曼滤波结果与故障子滤波器时间更新值融合。该方法可以有效抑制因异常值带来的定位发散，满足组合导航系统对可靠性与稳定性的需求。定性的需求。定性的需求。

【技术实现步骤摘要】
一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法


[0001]本专利技术涉及组合导航定位技术，具体公开一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，用于补偿复杂室外环境下单独GPS定位误差，属于计算、推算或计数的


技术介绍

[0002]导航定位系统伴随着人们在生活、生产等方面的需要逐步发展起来。全球定位系统(Global Positioning System,GPS)应用广泛，且系统定位精度高，定位误差不随时间累积，但由于GPS是非自主导航，定位结果受环境影响很大，在城市峡谷、隧道和山区中，卫星信号经常因受到遮挡而无法正常工作，同时GPS也存在着导航数据采样频率低、无法提供载体姿态信息等固有缺点。
[0003]随着城市发展，道路交通状况复杂化，楼宇之间遮挡严重，GPS定位精度因卫星信号受到干扰严重而急剧下降，单独使用GPS导航系统已经很难满足城市复杂环境下的导航性能要求，采用组合导航技术已经成为提高导航系统整体性能的有效途径。捷联惯性导航系统(Strap
‑
down Inertial Navigation System,SINS)可以对GPS的固有缺点进行补偿。SINS利用安装在载体上的陀螺仪和加速度计测量载体相对于惯性空间的运动参数，通过积分运算解算载体的速度、位置和三维姿态等导航信息，具有采样频率高、噪音低、隐蔽性强、不受外界干扰等众多优点，但由于解算过程中存在积分运算，系统定位误差随时间累积，长期工作精度差。同时，SINS硬件结构简单、体积小、重量轻，常用于陆用导航中，用SINS辅助GPS定位，可以增加多余观测量，提高卫星接收机的动态特性，也可以修正SINS的累积误差。
[0004]然而，在卫星信号受到严重干扰的情况下，GPS定位误差增大，SINS由于累计误差得不到修正而失去作用，引入5G基站定位为弥补GPS误差带来了新的可能。5G基站定位中基于到达角(Angle of Arrival,AOA)的定位方法，利用阵列天线估计发射信号的到达角度，构建以两个基站为端点的射线，两条射线的交点即为发射源位置。5G大规模天线阵列技术增加了AOA估计的精度，超密集组网为AOA定位提供了更高概率的视距(Line of Sight,LOS)环境，角度的估计使得基站间不需要时间同步，上述技术条件都使AOA定位精度得到了极大提高。
[0005]由Carlson提出的联邦卡尔曼滤波器(Federal Kalman Filter,FKF)，其基本思想是将多个子滤波器的信息先进行处理然后再集中融合，利用方差上界技术和信息守恒原则消除局部滤波器的相关性，且容错性好、滤波精度高、从局部滤波到全局滤波的融合算法简单、计算量少。然而，当GPS子系统出现故障时，常规FKF由于不能有效抑制定位发散；另一方面，现有FKF的故障检测手段单一、故障处理方法精度低。因此，需要对联邦卡尔曼滤波器做进一步改进。
[0006]本专利技术旨在通过FKF融合GPS、AOA和SINS的优势，使三者构成的组合导航系统可以有效解决单独GPS定位出现的问题，提供载体位置、速度和姿态信息、增强系统连续定位能力，克服复杂环境的影响，实现城市复杂环境下的高精度定位。

技术实现思路

[0007]本专利技术的专利技术目的是针对上述
技术介绍
的不足，针对单独GPS定位观测量不足、视距范围小等固有问题，提供一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，解决单独GPS定位精度不高及常规联邦卡尔曼滤波不能有效抑制组合导航滤波结果发散现象的技术问题，实现城市复杂环境下高精度定位和高可靠定位的专利技术目的。
[0008]本专利技术为实现上述专利技术目的采用如下技术方案：分析GPS/AOA/SINS组合导航系统的定位误差及对单独GPS定位的改善问题并建立数学模型，基于联邦卡尔曼滤波和故障检测与故障处理手段，提出了抑制定位异常发散方法。
[0009]在改进联邦卡尔曼滤波的组合导航系统中，SINS用作主滤波器和两个子滤波器的参考系统，子滤波器1的输出信号是SINS和GPS的融合结果，子滤波器2的输出信号是SINS和AOA的融合结果。子滤波器状态估计值进入主滤波器进行融合前，需要对其进行故障检测与处理，故障检测采用残差卡方检测法和根据新息序列进行的滑窗平均法共同进行判断，一旦确定子滤波器存在故障，说明此刻该子滤波器的状态估计值不正确，利用残差卡方检测法中阈值与故障检测函数的比值自适应调节故障子滤波器，将处理后的结果输入主滤波器进行融合，并将融合结果进一步与故障子滤波器时间更新值进行融合。该结构对联邦卡尔曼滤波器进行改进，利用包含在异常量测值中的有用信息，降低异常误差对滤波的影响，通过全局状态估计与故障子滤波器时间更新值的再次结合，提高了组合导航系统的滤波精度和容错能力，可以满足一定程度上的实时定位。
[0010]组合导航系统状态方程是被所有子滤波器所共享的。基于对SINS的误差源的分析，将SINS导航参数的误差量作为系统的状态量。导航坐标系选取当地东
‑
北
‑
天坐标系，选取15维状态变量表示如下：
[0011][0012]其中，φ
E
、φ
N
、φ
U
分别表示导航坐标系下东、北、天方向上的平台姿态角误差，δv
E
、δv
N
、δv
U
表示导航坐标系下东、北、天方向上的速度误差，δL、δλ、δh分别表示导航坐标系下纬度、经度和高程误差，是沿载体坐标系x轴、y轴、z轴上的陀螺仪漂移误差，并假设为随机常值漂移，差，并假设为随机常值漂移，是加速度计偏置误差，并假设为随机常值偏置零偏。
[0013]组合导航系统的状态方程如下所示：
[0014][0015]式子(2)中，F(t)是状态转移矩阵，G(t)是控制矩阵，W(t)是陀螺仪的随机噪声，假设为高斯白噪声。
[0016]W(t)＝[ε
gx ε
gy ε
gz ε
ax ε
ay ε
az
]T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)，
[0017]其中，ε
gx
、ε
gy
、ε
gz
分别表示陀螺仪高斯白噪声沿载体坐标系x轴、y轴、z轴的分量；ε
ax
、ε
ay
、ε
az
分别表示加速度计高斯白噪声沿载体坐标系x轴、y轴、z轴的分量。
[0018]SINS/GPS和SINS/AOA子滤波器结合对SINS误差模型的姿态、速度、位置误差量进行修正。
[0019]子滤波器1将GPS导航输出的速度、位置信息与SINS导航输出的速度、位置信息做
差，得到子滤波器1的量测方程为：
[0020][0021]H1(t)是量测矩阵：
[0022][0023]式(5)中，V
SINSE
、V
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，其特征在于，采用第一子滤波器观测GPS导航输出的速度、位置与SINS导航输出的速度、位置的差值，根据主滤波器分配的当前时刻全局状态估计值、全局预测协方差矩阵进行下一时刻的状态估计；采用第二子滤波器观测AOA定位的位置与SINS导航输出的位置的差值，根据主滤波器分配的当前时刻全局状态估计值、全局预测协方差矩阵进行下一时刻的状态估计；采用主滤波器对第一子滤波器输出的状态估计值、预测协方差矩阵以及第二子滤波器输出的状态估计值、预测协方差矩阵进行融合，并将当前时刻的全局状态估计值、全局预测协方差矩阵分配给两个子滤波器。2.根据权利要求1所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，其特征在于，所述主滤波器对第一子滤波器输出的状态估计值、预测协方差矩阵进行融合的表达式为：其中，P
g
、Q
g
分别为全局预测协方差矩阵和过程噪声协方差矩阵，为全局状态估计值，P
i
、Q
i
分别为第i个子滤波器的预测协方差矩阵和过程噪声协方差矩阵，为第i个子滤波器的状态估计值，N＝2。3.根据权利要求2所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，其特征在于，所述将当前时刻的全局状态估计值、全局预测协方差矩阵分配给两个子滤波器的表达式为：其中，β
i
为第i个子滤波器的信息分配系数。4.根据权利要求1所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，其特征在于，所述第一子滤波器输出的状态估计值、预测协方差矩阵以及第二子滤波器输出的状态估计值、预测协方差矩阵经故障检测与处理后送入主滤波器。5.根据权利要求1至4中任意一项所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，其特征在于，对子滤波器子输出的状态估计值、预测协方差矩阵进行故障判断的方法为结合卡方检测判定结果以及对新息序列进行滑窗平均的结果判断故障与否：当卡方检测判定结果为有故障且对新息序列进行滑窗平均的结果为有故障时，判断子滤波器故障；当卡方检测判定结果为无故障且对新息序列进行滑窗平均的结果有故障时，判断子滤波器无故障；当卡方检测判定结果为有故障且对新息序列进行滑窗平均的结果为无故障时，判断子滤波器无故障；
当卡方检测判定结果为无故障且对新息序列进行滑窗平均的结果为无故障时，判断子滤波器无故障。6.根据权利要求5所述一种基于联邦卡尔曼滤波的GPS/AOA/SINS组合导航方法，其特征在于，主滤波器预测当前时刻全局状态估计值的卡尔曼滤波增益矩阵根据...

【专利技术属性】
技术研发人员：蒋锐，李俊，徐友云，李大鹏，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：