一种基于空间状态和观测模型的GNSS/INS紧组合导航方法，包括：构建GNSS/INS紧组合滤波模型，所述紧组合滤波模型包括空间状态模型、观测模型和模糊度解算模型；获取无人机流动站、基准站和惯导系统的实时导航参数；所述紧组合滤波模型对实时导航参数进行滤波，获取滤波后的导航参数；根据所述滤波后的导航参数进行导航。本发明专利技术通过构建GNSS/INS紧组合滤波模型，紧组合滤波模型包括空间状态模型、观测模型和模糊度解算模型对实时导航参数进行误差修正，提高在多粗差情况下定位可靠性，紧组合滤波模型对修正后的导航参数进行滤波，提高信号中断情况下的滤波收敛速度及定位精度。
【技术实现步骤摘要】
本专利技术涉及定位导航，具体涉及一种基于空间状态和观测模型的gnss/ins紧组合导航方法。
技术介绍
1、随着人类社会的进步和科技的迅速发展，导航定位技术在人类的社会、经济和军事活动中越来越发挥着重要的支撑作用(杨元喜，2015)。由于导航定位技术被广泛应用于军事和民用领域，因此学术界和工业界对其相关的研究和技术发展一直保持密切关注随着自动驾驶、无人机和机器人等技术的兴起，高精度、高可靠性、高可用性的低成本导航定位需求得到空前增长。相应地，导航定位技术也得到不断地发展和进步，在导航定位精度、连续性、可靠性和可用性等方面均得到显著提升。
技术实现思路
1、(一)专利技术目的
2、本专利技术的目的是提供一种解决复杂环境下高精度导航定位困难的问题，提高定位可靠性的基于空间状态和观测模型的gnss/ins紧组合导航方法。
3、(二)技术方案
4、为解决上述问题，本专利技术提供了一种基于空间状态和观测模型的gnss/ins紧组合导航方法，包括：
5、构建gnss/ins紧组合滤波模型，所述紧组合滤波模型包括空间状态模型、观测模型和模糊度解算模型；
6、获取无人机流动站、基准站和惯导系统的实时导航参数；
7、所述紧组合滤波模型对实时导航参数进行滤波，获取滤波后的导航参数；
8、根据所述滤波后的导航参数进行导航。
9、本专利技术的另一方面，优选地，所述空间状态模型包括：
10、
<
p>11、其中，表示姿态误差的变化率，也就是旋转矢量的导数，表示导航系中的速度误差的变化率，也就是速度误差的导数，表示导航系中的位置误差的变化率，也就是位置误差的导数，表示载波相位模糊度误差导数；ψ，vn和rn分别表示平台失准角、载体速度向量和位置向量；表示载体系到导航系的载体旋转矩阵；和fb分别表示陀螺和加表的输出；和分别为旋转加速度；(·)×表示相应的斜对称矩阵；δn为gnss系统的双差模糊度误差向量；δfb是比力误差向量，包含加表零偏δba和白噪声表示陀螺误差向量，包含陀螺零偏δbg和白噪声表示是的误差；fn是导航系中的比力，是地球自转角速度在导航系中的投影；δvn是地球自转角速度在导航系中的投影；δgn是重力加速度的误差。12、本专利技术的另一方面，优选地，所述空间状态模型还包括：
13、
14、式中，表示陀螺仪的零偏误差的变化率，也就是零偏误差的导数，表示加速度计的零偏误差的变化率，也就是零偏误差的导数，δbg和δba分别为陀螺和加表的零偏误差；εg和εa分别为陀螺和加表的驱动白噪声；τg和τa分别为对应的一阶高斯-马尔科夫过程的相关时间。
15、本专利技术的另一方面，优选地，所述空间状态模型还包括：
16、
17、式中，表示状态变量x(t)的一阶导数，它反映了系统的动态特性，它决定了系统的状态如何随时间演化；x表示状态参数向量；f表示状态转移矩阵；υ表示系统的噪声向量，t表示时间索引；
18、系统非线性状态方程为：
19、xk＝f(xk-1)+ωk
20、其中，xk表示第k个时刻的状态向量；ωk表示非相关零均值白噪声，其相应的协方差为f(·)表示状态方程的非线性函数。
21、本专利技术的另一方面，优选地，所述观测模型包括：
22、
23、
24、
25、式中，δ▽(·)表示双差算子；和分别为gnss的伪距、多普勒及载波相位观测值；和分别为ins预测的伪距、多普勒及载波相位观测值；ξp、ξd和ξφ分别表示双差伪距、多普勒及载波相位观测值的观测噪声；h表示设计矩阵；λ表示gnss载波波长；表示地球系(e)到导航系(n)的方向余弦矩阵；
26、其中观测方程为：
27、zk＝hkxk+vk
28、其中，zk表示第k个时刻的观测向量；vk表示非相关零均值白噪声，其相应的协方差为hk表示观测方程的设计矩阵。
29、本专利技术的另一方面，优选地，所述模糊度解算模型包括：
30、将模糊度在滤波模型中估计，得到模糊度浮点解及其协方差阵；
31、对模糊度浮点解和协方差阵进行整数变换，
32、进行序贯最小二乘求解，
33、得到模糊度整数解。
34、本专利技术的另一方面，优选地，所述滤波模型包括若干个子滤波模型，所述若干个子滤波模型交互概率利用以下公式进行计算：
35、
36、
37、每个子滤波模型的混合输入包括：
38、
39、
40、其中，表示子滤波模型mi和mj的交互概率，表示为标准化因子，为子滤波模型mi在k-1时刻的模型概率，为子滤波模型mi和mj的转移概率；表示第j个模型和第0个模型的交互协方差矩阵；第k-1时刻的状态估计协方差矩阵；表示第j个模型和第0个模型的交互状态估计；表示第k-1个时刻的状态估计。
41、本专利技术的另一方面，优选地，对每一个子滤波器，进行时间更新，所述时间更新包括：
42、
43、
44、其中，表示第j个模型和第0个模型的交互状态估计向量；上标t表示矩阵转置运算符；表示第k个时刻的状态预测向量；表示第k-1时刻的概率值，它是一个标量，它的值在0到1之间；pkk-1表示第k个时刻的状态预测协方差矩阵。
45、本专利技术的另一方面，优选地，对每一个子滤波器，进行量测更新，所述量测更新包括：
46、
47、
48、
49、
50、
51、其中，kj表示第j个模型的卡尔曼增益矩阵；表示第j个模型的观测矩阵；表示第k个时刻的新息向量协方差矩阵；示第k个时刻的新息向量；表示第j个模型的观测向量；表示第j个模型的观测噪声协方差矩阵；表示第k个时刻的状态估计；表示第k个时刻的状态协方差矩阵；i表示单位矩阵。
52、本专利技术的另一方面，优选地，对每一个子滤波器，进行模型概率融合更新，所述模型概率融合更新包括：
53、
54、其中，表示第k个时刻的模型概率，即第j个模型的权重，它是一个标量，它的值在0到1之间；c表示第k个时刻的归一化因子，它是一个标量，它的值等于所有模型概率与似然函数的乘积之和。
55、(三)有益效果
56、本专利技术的上述技术方案具有如下有益的技术效果：
57、本专利技术通过构建gnss/ins紧组合滤波模型，紧组合滤波模型包括空间状态模型、观测模型和模糊度解算模型对实时导航参数进行滤波，提高在多粗差情况下定位可靠性，提高信号中断情况下的滤波收敛速度及定位精度。
本文档来自技高网...
【技术保护点】
1.一种基于空间状态和观测模型的GNSS/INS紧组合导航方法，其特征在于，包括：
2.根据权利要求1所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，所述空间状态模型包括：
3.根据权利要求2所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，所述空间状态模型还包括：
4.根据权利要求3所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，所述空间状态模型还包括：
5.根据权利要求1所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，所述观测模型包括：
6.根据权利要求1所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，所述模糊度解算模型包括：
7.根据权利要求1所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，所述滤波模型包括若干个子滤波模型，所述若干个子滤波模型交互概率利用以下公式进行计算：
8.根据权利要求7所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，对每一个子滤波器，进行时间更新，所述时间更新包括：
9.根据权利要求7所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，对每一个子滤波器，进行量测更新，所述量测更新包括：
10.根据权利要求9所述的基于空间状态和观测模型的GNSS/INS紧组合导航方法，特征在于，对每一个子滤波器，进行模型概率融合更新，所述模型概率融合更新包括：
...
【技术特征摘要】
1.一种基于空间状态和观测模型的gnss/ins紧组合导航方法，其特征在于，包括：
2.根据权利要求1所述的基于空间状态和观测模型的gnss/ins紧组合导航方法，特征在于，所述空间状态模型包括：
3.根据权利要求2所述的基于空间状态和观测模型的gnss/ins紧组合导航方法，特征在于，所述空间状态模型还包括：
4.根据权利要求3所述的基于空间状态和观测模型的gnss/ins紧组合导航方法，特征在于，所述空间状态模型还包括：
5.根据权利要求1所述的基于空间状态和观测模型的gnss/ins紧组合导航方法，特征在于，所述观测模型包括：
6.根据权利要求1所述的基于空间状态和观测模型的gnss/ins紧组合导航方法，特征在于，所...
【专利技术属性】
技术研发人员：武军郦，王孝青，张鹏，宋伟伟，
申请(专利权)人：国家基础地理信息中心，
类型：发明
国别省市：
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。