GPS与惯导系统的组合导航技术

设随机线性离散系统的方程（不考虑控制作用）为： () (1) (2)
式中XK 是系统的 n 维状态向量，ZK 是系统的 n 维观测序列，WK 是系统的 p 维 系统过程噪声序列，VK 是系统的 m 维观测噪声序列，Φk，k-1是系统的 n*n状态转 移矩阵，ΓK,K-1是 n*p噪声输入矩阵，HK 是 n*m 维观测矩阵。
LOGO
GPS/INS
INS:
INS 不仅能够提供载体位置、速度参数,还能提 供载体的三维姿态参数,是完全自主的导航方式,在 航空、航天、航海和陆地等几乎所有领域中都得 到了广泛应用。但是,INS 难以克服的缺点是其导航 定位误差随时间累加,难以长时间独立工作。
LOGO
GPS/INS
GPS/INS组合:
LOGO
基于卡尔曼组合数据的融合方法
集中式的卡尔曼滤波：
所谓的集中式卡尔曼滤波的组合，就是采用 共同的一个卡尔曼的滤波器处理与的数据， 它的量测的输入是直接取自于的接收机观测 量。
假如组合的滤波器使用的是普通卡尔曼滤波器，那么就要GPS的输出位置， 速度信息的误差为白噪声，但是，GPS的接收机的输出位置，速度的信息误 差是和时间都相关。为了解决这一问题，可有两种方法： 一、加大集中的滤波器迭代的周期，但这会导致组合系统导航的精度下降。 二、用分布式的卡尔曼滤波器的理论进行组合。
LOGO
基于卡尔曼组合数据的融合方法
分散式的卡尔曼滤波
：
分布式的卡尔曼滤波方法，分两步处理 多个系统数据。 第一步，每个系统都处理自己观测的数 据，进行局部的最优的估计。 第二步，局部的滤波器输出并行的输入 主滤波器中，以得到主滤波器的状态向 量最优的估计。
LOGO
基于卡尔曼组合数据的融合方法
分散式的卡尔曼滤波：
用分布式滤波器理论设计的组合滤波器，不再要求GPS输出的位置误差、速度误 差为白噪声。 这种方案的缺点是GPS滤波器与组合滤波器之间的数据通信量较大。在按该式实 施组合滤波器状态估计时，不仅GPS滤波器的滤波值要作为主滤波器的量测输入， GPS滤波的预报值也要作为主滤波器的量测输入。
LOGO
标准卡尔曼滤波原理
LOGO
紧耦合和松耦合
优点:
1.用伪距、伪距率等作为观测量，其观测误差可以 建模扩充为状态进行估计和校正，因而组合精度 可以提高； 2.GPS 只提供伪距、伪距率和星历数据，可省去导 航计算部分，便于和惯导进行一体化设计
计算工作量大，软、硬件设计复杂，且伪距的精 确补偿也有一定的难度。
缺点:
wenku.baidu.com LOGO
组合系统利用高精度的 GPS信息作为外部量测 输入,在运动过程中修正 INS,以控制其误差随时间 的累积；而短时间内高精度的 INS 定位结果,又可 以解决GPS 动态环境中的信号失锁和周跳问题。 INS 还可以辅助 GPS 接收机增强其抗干扰能力,提 高捕获和跟踪卫星信号的能力。
1
CONTENTS
LOGO
分类:
基于卡尔曼组合数据的融合方法
按照组合中滤波器的设置来分类，可以分成： 集中式的卡尔曼滤波 分布式的卡尔曼滤波 按照对系统校正方法的不同，分为: 开环校正(输出校正) 闭环校正(反馈矫正) 按照组合水平的深度不同，分为： 松耦合 紧耦合 根据卡尔曼滤波器所估计的状态不同，卡尔曼 滤波在组合导航中的应用有: 直接法 间接法
LOGO
标准卡尔曼滤波原理
(4) 给定初值 和P0 ，根据 k 时刻的观测值ZK，就可以 递推计算得 k 时刻的状态 (5) (6)
(7)
(8)
LOGO
标准卡尔曼滤波原理
(4)
(7) (6)
(5)
(8)
1
CONTENTS
GPS与惯导系统的组合导航技术 基于卡尔曼组合数据的融合方法 紧耦合和松耦合
LOGO
紧耦合和松耦合
优点:
1.组合结构简单，便于工程实现，便于实现容错 2.两个系统能够独立工作，使得导航系统有一定的 余度
缺点:
1. GPS 输出的位置、速度通常是与时间相关的； 2.INS 和 GPS 信息流动是单向的，INS 无法辅GPS。
LOGO
GPS/INS
紧耦合:
紧耦合模式是指利用 GPS 接收机的的原始信息来和惯 导系统组合，原始信息一般是指伪距、伪距率、载波 相位等。
LOGO
GPS与惯导系统的组合导航技术
1
CONTENTS
GPS与惯导系统的组合导航技术 基于卡尔曼组合数据的融合方法 紧耦合和松耦合
目录
2 3
LOGO
GPS/INS
GPS:
20 世纪末发展起来的全球卫星定位系统具有 定位和测速精度高的优势,且基本上不受时间、地 区的限制,已经得到了广泛应用。但是,在卫星信号 受到屏蔽或遮挡时,接收机就无法定位。G P S 的载 体在做高动态运动时, 常使GPS 接收机不易捕获和 跟踪卫星载波信号,甚至产生失锁现象。此外, 由于 G P S 的星历广播数据率相对比较低( 50 b / s ),GPS 的导航解算的输出速率, 也相对是比较低的。因此, 单用G PS 系统, 还不能满足高速移动平台的定位需 要。对导航定位可靠性要求较高的情况下 GPS 很 难单独应用
LOGO
基于卡尔曼组合数据的融合方法
卡尔曼滤波:
卡尔曼滤波是Kalman在1960年的时候提出来的。将状态的 空间概念给引入估计理论里，把信号的过程看作是白噪声的 作用下线性系统输出，用状态的方程描述该输入和输出的关 系。在估计的过程中可以利用系统的状态方程和观测的方程， 还有白噪声的激励（系统的过程噪声与观测噪声）统计特性 来构成所要的滤波算法。因为利用到的信息是在时域里的变 量，它能够对平稳、一维随机的过程估计，同时也能够对非 平稳、多维的随机的过程估计。
标准的卡尔曼滤波
UDUT 分解滤波算法 平方根滤波算法 无损卡尔曼(UKF) 算法 粒子（PF）滤波算法
自适应滤波算法 次优滤波算法 扩展卡尔曼滤波（EKF）
LOGO
基于卡尔曼组合数据的融合方法
卡尔曼组合数据融合:
通常，将GPS的接收 机输出的信息与INS 惯性测量的信息传 给机载的计算机， 首先利用相应软件 实现两套数据时空 的同步，然后使用 卡尔曼滤波器实现 最优的组合处理。
谢谢观看
LOGO
标准卡尔曼滤波原理
系统的过程噪声和观测噪声的统计特性，假定如下： () () (3)
其中QK 是系统过程噪声WK 的 p*p维对称非负定方差矩阵，RK 是系统观测噪声 VK 的 m*m维对称正定方差阵，而δkj是 Kronecker-δ函数
如果被估计状态XK 和对XK 的观测量ZK 满足(1)、(2)式的约束，系统 过程噪声WK 和观测噪声VK满足(3)式的假定，系统过程噪声方差阵 QK 非负定，系统观测噪声方差阵RK 正定， k 时刻的观测为ZK，则XK 的估计XˆK可按下述方程求解
GPS与惯导系统的组合导航技术 基于卡尔曼组合数据的融合方法 紧耦合和松耦合
目录
2 3
LOGO
基于卡尔曼组合数据的融合方法
信息融合:
信息融合是在多传 感器的信息系统的 大量涌现的时代背 景之下所产生的。 卡尔曼滤波在控制 的领域得到了广泛 应用后，也逐渐的 成为多传感器的信 息融合的系统主要 技术的手段之一。
GPS/INS 松紧耦合组合导航系统仿真:
速度误差估计
LOGO
GPS/INS 紧耦合组合导航系统仿真:
位置误差估计
由此可见，在引入 GPS 系统的位置、速度观测信息辅助 INS、并经组合 卡尔曼滤波器的滤波修正后，INS 导航系统的位置、速度误差得到了有 效抑制，长时间导航精度大大提高。
LOGO
目录
2 3
LOGO
紧耦合和松耦合
基于卡尔曼滤波的组合方式:
利用卡尔曼滤波器设计 GPS/INS 组合导航系统的方法 多种多样按照组合水平的深度不同，分为： 松耦合 紧耦合
LOGO
紧耦合和松耦合
松耦合:
松耦合模式是指直接利用 GPS 接收机输出的定位信 息与 INS 组合，它是一种 低水平的组合。位置、速 度组合是其典型代表，它 采用 GPS 和 INS 输出的位 置和速度信息的差值作为 量测值。