一种用于单频GNSS/MEMS-IMU/里程计低功耗实时组合导航的改进自适应抗差卡尔曼滤波算法及系统技术方案

本发明专利技术涉及一种用于单频GNSS/MEMS

【技术实现步骤摘要】
一种用于单频GNSS/MEMS
‑
IMU/里程计低功耗实时组合导航的改进自适应抗差卡尔曼滤波算法及系统


[0001]本专利技术涉及一种应用于单频GNSS/MEMS
‑
IMU/里程计低功耗实时组合导航的改进自适应抗差卡尔曼滤波算法及系统。

技术介绍

[0002]全球定位导航卫星系统(Global Navigation Satellite System,GNSS)具有较高的定位精度，没有累积误差。但GNSS接收机至少需要4颗卫星才能定位。在林荫道、高架桥、城市峡谷和隧道等环境下，卫星信号易受到遮挡和多径影响。采用载波相位差分算法的GNSS接收机在复杂环境下容易出现失锁现象，并且重新再进入开阔环境时需要数秒时间才能固定整周模糊度。这会导致GNSS的定位精度变差，定位的连续性和可用性也不能得到保证。惯性导航具有较高的短时定位精度，不受环境限制。但由于惯性测量单元存在器件噪声、零偏、比例因子、轴偏差、非线性度等误差，单纯的INS定位精度会随时间呈指数函数发散。取长补短，将GNSS和INS组合使用，可以提供更精确、连续和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于单频GNSS/MEMS
‑
IMU/里程计低功耗实时组合导航的改进自适应抗差卡尔曼滤波算法，其特征在于：所述卡尔曼滤波预测及更新包括卡尔曼滤波预测步骤：根据系统的模型，基于系统的上一状态而预测出现在状态，如公式(1)，再利用上一时刻的状态转移矩阵与当前时刻的状态转移矩阵相乘得到当前时刻状态转移矩阵的估计值；预测过程状态中先计算误差状态向量X，再计算状态转移矩阵Φ，公式如下：X
k,k
‑1＝Φ
k,k
‑1X
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)卡尔曼滤波更新步骤：根据预测步骤中的公式得到状态预测结果后，再利用量测值和预测值对当前状态进行最优估计，得到最优的状态估计值；更新过程中首先计算状态预测协方差矩阵P，然后分别计算比例因子和自适应因子，再将比例因子和自适应因子代入计算增益K的公式中，最后利用增益矩阵更新误差状态向量X和状态估计协方差矩阵P。2.根据权利要求3所述的一种用于单频GNSS/MEMS
‑
IMU/里程计低功耗实时组合导航的改进自适应抗差卡尔曼滤波算法，其特征在于：卡尔曼滤波更新步骤中，采用如下公式改进自适应抗差卡尔曼滤波算法，其特征在于：卡尔曼滤波更新步骤中，采用如下公式改进自适应抗差卡尔曼滤波算法，其特征在于：卡尔曼滤波更新步骤中，采用如下公式改进自适应抗差卡尔曼滤波算法，其特征在于：卡尔曼滤波更新步骤中，采用如下公式X
k
＝X
k,k
‑1+K
k
(Z
k
‑
H
k
X
k,k
‑1)
ꢀꢀꢀꢀ
(7)P
k
＝(I
‑
K
k
H
k
)P
k,k
‑1ꢀꢀꢀꢀ
(8)其中，X是误差状态向量；Φ表示状态转移矩阵；P是状态预测协方差矩阵；Q是系统噪声协方差矩阵；K是卡尔曼滤波增益矩阵，它决定观测信息的权重；H表示设计矩阵；R代表观测噪声协方差矩阵；Z代表观测向量；α是比例因子；β是自适应因子；trace()表示对矩阵求迹；表示卡方分布；是预测残差向量；以上的下角标代表状态的变化，例如，X
k,k
‑1表示从k
‑
1历元到k历元的误差状态向量。3.根据权利要求2所述的一种用于单频GNSS/MEMS
‑
IMU/里程计低功耗实时组合导航的改进自适应抗差卡尔曼滤波算法，其特征在于：当GNSS RTK为固定解时，计算比例因子根据以下公式其中，是固定解的观测向量协方差矩阵。4.根据权利要求3所述的一种用于单频GNSS/MEMS
‑
IMU/里程计低功耗实时组合导航的
改进自适应抗差卡尔曼滤波算法，其特征在于：当GNSS RTK为浮点解时，计算比例因子根据以下公式其中，是浮点解的观测向量协方差矩阵。5.根据权利要求3所述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，其特征在于：当GNSS为伪距差分解时，计算比例因子根据以下公式其中，是浮点解的观测向量协方差矩阵。6.根据权利要求3所述的一种用于单频GNSS/MEMS
‑...

【专利技术属性】
技术研发人员：江金光，严培辉，
申请(专利权)人：武汉大学，
类型：发明
国别省市：