一種GPS/GLONASS/INS 數據融合算法

2022-01-01 測繪科學

摘 要

針對衛星導航系統和慣性導航系統（ＩＮＳ）的不同特性，提出了一種ＧＰＳ／ＧＬＯＮＡＳＳ／ＩＮＳ數據融合算法。採用差分自適應檢測算法、改進碼平均相位算法以及位置聯合解算方法實現了ＧＰＳ／ＧＬＯＮＡＳＳ數據融合，藉助於改進的粒子濾波器、ＩＮＳ誤差模型建立系統狀態方程和觀測方程，完成ＧＰＳ／ＧＬＯＮＡＳＳ系統速度值和ＩＮＳ系統速度值數據融合，提高組合導航系統精度和可靠性。使用真實數據對數據融合算法性能進行仿真分析，結果表明所設計算法是有效的，能夠處理非線性非高斯條件下的濾波估計，提高濾波精度和系統可靠性。

引用格式：劉毓，鄒星． 一種ＧＰＳ／ＧＬＯＮＡＳＳ／ＩＮＳ 數據融合算法［Ｊ］． 測繪科學，２０１７，４２（９）：２０-２４，３６．

正 文

目前世界上建成並且已經得到廣泛應用的全球衛星導航系統主要有美國的ＧＰＳ 系統、俄羅斯的ＧＬＯＮＡＳＳ系統。兩種導航系統都能全天候的為地面和空中目標提供高精度導航， 但兩種導航系統信號都容易被幹擾且動態性能差。慣性導航（ｉｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍ，ＩＮＳ）作為一種完全自主、不與外界發生聯繫的導航系統， 具有良好的隱蔽性、強抗幹擾性、高機動性和導航信息完整等優點。ＩＮＳ的主要缺點是誤差隨時間積累增長和每次使用前需要進行初始對準。對比分析ＧＰＳ、ＧＬＯＮＡＳＳ和ＩＮＳ各自的優缺點，可知三者具有天然的、完美的互補性質，這使ＧＰＳ／ＧＬＯＮＡＳＳ／ＩＮＳ組合導航成為可能。一方面ＧＰＳ／ＧＬＯＮＡＳＳ 組合導航模式能夠改善衛星幾何排列結構，增加系統冗餘度，提高衛星導航系統定位精度， 特別是高程方向上的定位精度；另一方面ＩＮＳ對ＧＰＳ／ＧＬＯＮＡＳＳ導航系統的再次增強能夠提高導航系統的可靠性，特別是當衛星信號被幹擾時，ＧＰＳ／ＧＬＯＮＡＳＳ／ＩＮＳ 組合導航模式也能夠為載體提供較高精度的導航。

在組合導航系統中目前常用的信號處理方法有卡爾曼（Ｋａｌｍａｎ）濾波、擴展卡爾曼濾波（ＥＫＦ）、Ｕｎｓｃｅｎｔｅｄ卡爾曼濾波（ＵＰＦ）、粒子濾波（ＰＦ）以及各種改進濾波算法等。

Ｋａｌｍａｎ濾波實現方法簡單，是工程應用中最主要的信號處理方法，但Ｋａｌｍａｎ 濾波只能處理線性、高斯模型，這種標準模型在實際應用中幾乎很難遇到，同時也會帶來線性化誤差。ＰＦ 算法在最近幾年得到了大力應用，但傳統ＰＦ 算法精度不高，這在高精度導航中顯得並不合適。一些學者也研究討論了ＵＰＦ算法［１５-１６］，ＵＰＦ 算法能夠帶來較高定位精度，但數據處理量大，數據處理時間較長，這給系統實時性帶來了一定挑戰， 特別是在高動態環境下，傳統的ＵＰＦ 算法顯得無能為力。本文充分考慮幾種濾波算法的優缺點， 討論了一種基於傳統ＰＦ算法重採樣和ＵＰＦ 算法相結合的數據處理方法完成ＧＰＳ／ＧＬＯＮＡＳＳ／ＩＮＳ３ 種組合導航系統數據融合。本文數據處理方法的特點是充分考慮系統精度以及實時性的綜合要求， 保證系統在具有較高定位精度的同時也具有較好的實時性。

本文數據融合思想：雙模天線接收到衛星信號後將信號分成兩路，一路信號經ＧＰＳ 基帶處理器進行處理，另一路信號經ＧＬＯＮＡＳＳ 基帶處理器進行處理，處理後的兩路信號進行時間和坐標系的轉化，兩路信號時間和坐標系被統一後， 信號被送入信息聯合解算單元進行雙模組合定位，信息聯合解算單元輸出ＧＰＳ／ＧＬＯＮＡＳＳ 的組合信息，包括目標的位置、速度和加速度信息， 由於雙星系統增加了衛星個數，優化了衛星幾何結構，因此其高程方向上定位精度比採用單星導航系統有了明顯提高， 這也是雙星定位系統一大優勢。

最後，採用ＩＮＳ再次對ＧＰＳ／ＧＬＯＮＡＳＳ導航模式進行增強， 採用改進的ＰＦ 器將ＧＰＳ／ＧＬＯＮＡＳＳ的位置信息與ＩＮＳ 提供的位置信息進行融合，從而增強導航系統的精度和可靠性。

在高動態環境下粒子濾波以及各種基於粒子濾波的改進算法得到了充分應用，綜合考慮ＧＰＳ／ＧＬＯＮＡＳＳ／ＩＮＳ組合導航系統的精度和實時性，對傳統粒子濾波、ＵＰＦ算法以及改進的粒子濾波算法進行了分析討論。可以看出，改進的粒子濾波算法在滿足一定定位精度的情況下可以提高組合導航系統的實時性，是工程應用中一種較為理想的數據處理方法。

2017年（第42卷）第9期

夜間燈光遙感數據應用研究的文獻計量分析

喀斯特山區城鎮邊緣帶界定及特徵研究

一種可攜式船艙容量測量技術

利用衛星重力探測南極冰蓋質量變化

時空大數據面臨的挑戰與機遇

公元1430年前中國測繪美洲 ——《坤輿萬國全圖》探秘

物聯網在城市精細化管理中的應用

基於夜間燈光數據的南京城鎮用地提取

1982—2013年青藏高原植被動態變化時序分析

中國地圖藏南地名的表示


關於《測繪科學》

主管：國家測繪地理信息局

主辦：中國測繪科學研究院

郵箱：niu@casm.ac.cn

網站：http://chkd.cbpt.cnki.net

作者QQ群：555495420

編務QQ：2378225509

相關焦點

  • GPS/GNSS不能用了怎麼辦?
    GPS World https://www.gpsworld.com/how-companies-are-using-alternative-pnt/Alternative PNT不滿足於打輔助，Alternative PNT可以強化、增強甚至在必要的時候取代GNSS。
  • 論文賞析 | PandaDB:一種異構數據智能融合管理系統 ​
    為實現結構化、非結構化數據的融合管理和關聯查詢分析，本文採用智能屬性圖模型，基於Neo4j開源版本，設計並實現了異構數據智能融合管理系統PandaDB。本部分第2.1節介紹PandaDB的總體架構，第2.2節~第2.5節分別介紹各模塊的設計思路和實現細節。
  • 【零基礎入門數據挖掘】-模型融合
    常見的模型融合的方法有哪些？針對不同的問題類型，應該選擇哪種方法呢？模型融合：通過融合多個不同的模型，可能提升機器學習的性能。這一方法在各種機器學習比賽中廣泛應用， 也是在比賽的攻堅時刻衝刺Top的關鍵。而融合模型往往又可以從模型結果，模型自身，樣本集等不同的角度進行融合。
  • 圖算法--最小生成樹算法的實現與分析
    圖是一種靈活的數據結構，它多用於描述對象之間的關係和連接模型。
  • BDS/GPS/GLONASS融合網格偽距差分定位性能分析
    國內常用的網絡偽距差分定位方法，以高精度和實效性為原則，基於現有省級連續運行參考站系統（Continuous Operation Reference Station System，CORS），為避免數據傳輸階段洩露國家大地點的精確坐標，本文基於網格虛擬參考站的偽距差分定位方法，詳細分析了BDS/GPS/GLONASS融合偽距差分定位的性能。
  • 基於CPU-GPU異構混合編程的遙感數據時空融合
    因此，研究人員提出了遙感數據時空融合算法來獲取高時空解析度的遙感影像，從而為深入認知地球表層變化提供有效的數據源。遙感影像數據量大，遙感數據時空融合算法複雜度高，使用CPU串行計算效率低、耗時長。因此，通過遙感數據時空融合算法獲取海量時序的高時空解析度遙感影像非常困難。
  • GPS坐標換算為百度坐標教程
    也就是說由於受到國家一些法律法規限制，所有的電子地圖服務提供商都需要給地圖數據加上偏移和加密，所謂的地圖數據加密偏移，其實就是用一個偏移算法對地圖的經緯度做一個加減偏移量，從而達到與實際地圖不一致。這個偏移算法本身是沒有什麼規律可言的，每家地圖服務商都有一套自己的加密偏移算法，既然算法上沒有什麼規律可言，但是對於算法中生成的偏移量是否有規律呢？
  • 金庸研發的兩種融合算法:真武七截陣和天罡北鬥陣
    由於圖像融合算法可以提高圖像質量或者使圖像包含更加豐富的信息，因此在很多領域具有廣闊的應用前景，也因此得到了研究人員的大量關注。專業研究多了，就容易在生活中代入。最近我就發現，金庸先生在他筆下借兩位大佬的手設計了兩種融合算法，即武當派張三丰的「真武七截陣」和全真教王重陽的「天罡北鬥陣」。
  • GPS天線怎麼選擇?
    1.GPS無法100％定位，更別相信室內定位的鬼話，GPS不像手機廣播，隨地都能收到訊號，很多東西都會影響gps收訊，包含天空星分布狀態，大樓，高架橋，電波，樹葉，隔熱紙等，會影響的東西太多了，一般來說，從gps位置向上看，能看到天空的面積，就是gps能收到訊號的面積。
  • 一種融合器官三維幾何信息的分割模型
    MICS科研簡訊第三期本篇文章提出了一種融合器官三維幾何信息的醫學圖像分割模型。
  • 臨近預報的兩種高時空解析度定量降水預報融合算法的對比試驗
    為了彌補上述兩種預報間存在的預報時效縫隙，目前國際上流行採用將外推預報與數值模式預報相融合的技術，形成統一的0-6h格點化高解析度無縫隙定量降水臨近預報系統。城市院臨近預報團隊對目前流行的兩種融合算法（INCA、RAPIDS）進行了分析和對比試驗，以期為業務應用提供借鑑。
  • 車輛定位算法展望
    首先，「算法」指軟體開發，與僅依靠GNSS信息的定位系統相比，目前已經有足夠多的可用的傳感器或數據信息，定位性能有了很大的飛躍。其次，定位是許多系統都需要的服務，而非一個單獨的系統。第三，我們迴避了「導航」這個詞，是因為這只是定位算法的一個應用場景。
  • 車載GPS定位器的組成和安裝
    地面控制站負責收集由衛星傳回之訊息,並計算衛星星曆、相對距離,大氣校正等數據。車載gps定位器3、用戶設備部分GPS車載終端內置GPS衛星接收機模塊，用於接收衛星導航電文信息，並與其它外接的數據傳感器和應用設備記錄車況信息，然後通過信息處理模塊處理成報文，經由GSM/CDMA網絡，以 GPRS/CDMAD等傳輸方式通過網際網路發送給監控中心。
  • 一種基於Rsync算法的資料庫備份方案設計
    針對當前遠程容災備份系統普遍造價高昂的缺點，技術人員提出了一種通過基於Linux系統下的Rsync（Remote Synchronize）遠程同步框架進行改進
  • YOLOv3比原作高10個點,飛槳更新至73個視覺算法、203個預訓練模型
    看下面這段代碼就知道了：from plsc import Entryif __name__ == "main":ins = Entry() ins.set_class_num(1000000) #設置分類類別數 ins.train()——————————————————————————————————————————————————# command linepython
  • 為什麼有了GPS我們還要做北鬥?
    後一種回答屬於家庭倫理範疇暫時不討論，前一種回答，就是定位。現在我們可以非常方便的確定自己的位置，如果你確實非常想讓對方知道你的位置，你甚至可以直接發送一個定位過去，對方按圖索驥就行了，秒秒鐘找到你。但是在這之前，辦到這件事情其實相當困難。你可以會覺得這也沒多難啊？
  • 北鬥已是全球最強導航, 為何手機裡還在使用GPS呢?
    其實，手機系統設置上的「GPS」並非美國開發的Global Positioning System（全球定位系統）的簡稱，而是衛星導航的統稱，現在市面上的手機都是融合多個衛星導航系統同時工作的，至於手機定位時使用的是北鬥、GPS還是其他導航，這都是根據當時信號強弱自動選擇衛星定位的。也就是說，北鬥導航我們早就用上了。
  • 加拿大魁北克算法研究所博士生瞿錳:高效學習與訓練的關係數據建模新方法GMNN | 公開課預告
    傳統的關係數據建模的方法主要有兩種：統計關係學習SRL和圖神經網絡結構GNN。SRL通常是利用條件隨機場CRF來對節點標籤依賴關係進行建模。雖然CRF可以學習到節點標籤之間的聯合分布，但特徵需要人工標定，表達能力有限；同時網絡節點關係結構複雜，計算節點標籤之間的後延分布困難。而GNN主要是通過非線性的神經元架構來學習節點的特徵表示，整個網絡進行端到端的分類。
  • 【聚焦】GPS III來了!
    據GPSIII有效載荷供應商哈裡斯公司透露，GPS III衛星配備了經過70％獨特數字設計的「任務數據單元（MDU），連接了原子鐘、輻射強化計算機和強大的發射器。因此，就單顆衛星而言，具備以下特點：1.  更高的服務精度：GPS III衛星所播發信號的精度較當前的GPS衛星提高三倍；2.
  • 基於模型的強化學習(Model-Based Reinforcement Learning)算法分類及介紹
    圖1，Dyna算法框圖在Dyna算法中，訓練被分為兩個步驟，第一步，使用當前的策略，在真實的測試環境中進行採樣，使用得到的數據訓練參數化的環境模型，這一參數化的環境模型可以使線性回歸模型，高斯過程模型，甚至是深度神經網絡等等。第二步，使用環境模型生成合成數據，用於策略的訓練。