CN104316947B - Gnss/ins超紧组合导航装置及相对导航*** - Google Patents

Abstract

本发明公开了一种GNSS/INS超紧组合导航装置及相对导航***。GNSS/INS超紧组合导航装置在传统GNSS/INS超紧组合导航装置的基础上，采用分布式滤波结构先利用从滤波器对每个卫星通道I，Q信号进行预处理，再将处理后的信息发送至组合滤波器；同时，将GNSS/INS超紧组合导航装置应用到相对导航***中，通过接收载体自身的导航状态、惯性测量，同时接收其它载体导航信息及载波相位，利用双差载波相位和惯性测量，采用最优卡尔曼滤波器进行递推滤波解算，估计多载体中每两个载体之间的最优相对位置与相对速度。

Description

GNSS/INS超紧组合导航装置及相对导航***

技术领域

本发明属于导航领域，更加地说是GNSS/INS超紧组合导航装置及相对导航***。

背景技术

全球导航卫星***GNSS(Global Navigation Satellite System),惯性导航***INS(InertialNavigationSystem)；GNSS/INS超紧组合导航是近几年组合导航的研究热点。卫星导航和惯性导航具有互补优势，两者组合方式可以有效地解决卫星导航信号受地理位置和环境干扰，和惯性导航***测量误差随时间累计等问题。GNSS/INS组合方式有松散组合，紧组合和超紧组合方式。其中，超紧组合方式是该领域的研究热点。此方式利用了惯性导航信息对GNSS信号捕获跟踪的辅助，实现了GNSS信息跟踪参数和惯性导航位置与速度之间的信息融合。在复杂环境下，GNSS/INS超紧组合***具有较强的抗干扰能力，可以为复杂状况下的运动载体，提供精确和稳定的导航定位、姿态确定和惯性对准等重要功能。

目前GNSS/INS超紧组合导航滤波结构多数属于集中式数据处理。通常I，Q信号的频率在MHz量级，而惯性输出在100Hz量级，集中式处理直接将两种信息集中处理，处理难度大，不易实现。

分布式导航***是一种新的导航***设计理念。分布式导航是将多个导航载体看成一个导航***，通过导航***里多个载体之间导航信息的相互交换和信息共享来提高整个***的导航精度，同时提高***的故障容错水平。分布式导航***可以分为集中式结构和分布式结构。Lead-Follower结构是一种常见的集中式结构，其思想是将某个导航载体作为领队导航终端，其它的作为跟随导航载体，各个导航终端之间的信息是向上可见，向下不可见的。分布式结构各个导航载体同处一个级别，各个载体的导航信息发送至数据处理中统一处理。分布式导航在机群协调编队中应用非常广泛。

相对导航***主要用于卫星编队飞行、自主交会对接任务和机群协同编队的相对导航信息的获取。目前，基于视觉的相对导航***常用于卫星自主交会对接任务中。

相对导航***是机群协同编队飞行的关键技术。飞行载体之间的相对导航信息的获取是保证编队飞行队形保持和变换的必要条件。其精度也会对编队飞行效果产生很大的影响。传统的相对导航多依赖卫星导航***且自主性比较差。卫星导航信号易受外界干扰，可靠性无法得到保证，一旦卫星信号受到干扰，相对导航精度下降很快。如何提高相对导航的精度同时增强飞行自主性和稳定性是目前相对导航研究的难点。

发明内容

为了解决目前GNSS/INS超紧组合导航滤波结构多数属于集中式数据处理，对数据处理速度要求很高，***复杂实现难度大的问题，本发明提供了一种GNSS/INS超紧组合导航装置，该装置于分布式滤波结构来实现，包括GNSS射频前端、惯性测量单元、跟踪捕获环路单元和组合滤波器；组合滤波器分别与惯性测量单元、跟踪捕获环路单元相连，跟踪捕获环路单元还与GNSS射频前端相连；

其中，跟踪捕获环路单元包括若干个可见卫星通道，每个可见卫星通道对应一个积分处理单元和从滤波器；GNSS射频前端接收并处理卫星信号数据后将数据发送至跟踪捕获环路单元，跟踪捕获环路单元中各可见卫星通道的I、Q信号经过对应的积分处理单元处理后发送至对应的从滤波器进行预处理得到从滤波器的状态向量；组合滤波器接收惯性测量单元的测量信息和从滤波器的状态向量，利用接收到的信息估计出该载体状态信息和载波相位并生成环路控制指令对跟踪捕获环路单元进行控制，其中所述载体状态信息包括位置、速度和姿态。

进一步地优选方案，本发明GNSS/INS超紧组合导航装置中，从滤波器处理当前、超前和滞后的I，Q信号；

从滤波器的状态向量X_i＝[δw_i δφ_i δt_i M_i]^T，其中δw_i为载波频率估计误差，δφ_i是载波相位估计误差，δt_i为码相位估计误差，M_i为信号的载波幅度，i为从滤波器对应的可见卫星通道数，i＝1,2,...N,N为可见卫星通道数，[]^T表示矩阵转置；

从滤波器中观测量Z_i为积分周期T内当前I，Q信号值、超前I，Q信号值和滞后I，Q信号值，表示为：

其中，T₀为积分周期的起始时刻，ε是接收机产生伪随机码的超前与滞后量之间的时间偏移。

进一步地优选方案，本发明GNSS/INS超紧组合导航装置中，组合滤波器的状态向量

其中，δx为位置误差状态，δv为速度误差状态，为姿态误差状态，δw为陀螺仪误差姿态向量，δa为加速度误差状态向量；δt_u为接收机的时钟偏差，δt_r是接收机的时钟随机漂移误差量；

组合滤波器的量测向量为：

其中，δρ_i和分别是GNSS和INS输出的伪距之差和伪距率之差。

同时本发明为了解决传统的相对导航多依赖卫星导航***且自主性比较差的问题，本发明还提供了一种基于GNSS/INS超紧组合导航装置的相对导航***，该***用于估计多载体中每两个载体之间的最优相对位置与相对速度，其特征在于，每个载体对应一个依次连接的GNSS/INS超紧组合导航装置、数据传输单元和数据处理单元；

其中，数据传输单元包括有线传输和无线传输；数据处理单元包括相互连接的动态模型构建单元和相对导航滤波器；

GNSS/INS超紧组合导航装置中惯性测量单元的测量信息、从滤波器状态向量中的载波测量信息和组合滤波器估计出的载体状态信息、载波相位经有线传输至该载体对应的动态模型构建单元中；同时组合滤波器估计出的载体状态信息和载波相位还经无线传输至其他载体的动态模型构建单元中；

每个载体对应的动态模型构建单元利用有线传输和无线传输获得的信息来确定动态模型的状态量和观测量后构建动态模型；根据动态模型，相对导航滤波器利用卡尔曼最优滤波递推方程组，计算得到误差状态的最优估计值，对两个载体的相对位置和相对速度进行补偿进而得到最优的相对位置和相对速度。

进一步地优选方案，本发明相对导航***中，动态模型的状态量和观测量如下：

动态模型的状态量为x_GPS和x_INS

x_INS＝[δΔv δΔx δw_m δa_m]^T；

式中，Δx为两个载体的相对位置，为双差整周模糊度，Δm_φ单差载波相位多路径误差，δT为对流层误差；δI为电离层误差；δΔv为两个载体的相对速度误差状态，δΔx为两个载体的相对位置误差状态，δw_m为载体m陀螺仪误差姿态向量；δa_m为载体m加速度误差状态向量，下标m为载体标号；

动态模型的的观测量为z＝[Δv Δx]^T，Δv为两个载体的相对速度；Δx为两个载体的相对位置。

本发明与现有技术相比具有以下显著的优点：

(1)本发明采用分布式滤波结构先利用从滤波器对每个卫星通道I，Q信号进行预处理，再将从滤波器预处理后的信息发送至组合滤波器，避免了集中式数据处理对数据处理速度要求很高，***复杂实现难度大的问题；

(2)基于GNSS/INS超紧组合相对导航***里，利用了GNSS/INS超紧组合导航方式，充分结合了两者的优势，将信息融合方式深入到跟踪环路I，Q信号的层次，加强GNSS接收机对卫星信号的捕获和跟踪能力，进而提高***的抗动态和抗干扰能力。同时避免了惯性测量误差随时间累计等问题；(3)本发明的GNSS/INS超紧组合导航装置的相对导航***通过无线传输将各载体的低速率数据(载波相位和载体导航信息)传输至载体的数据处理单元完成载体之间信息的共享，增强信息冗余度，进而提高估计精度。

附图说明

图1为本发明的GNSS/INS超紧组合导航装置原理图；

图2为本发明的基于GNSS/INS超紧组合导航装置的相对导航***原理图；

图3为本发明的数据处理单元的工作流程图；

下面结合附图和具体实施方式对本发明作进一步详细的描述；

具体实施方式

如图1所示，本发明一种GNSS/INS超紧组合导航装置，该装置基于分布式滤波结构来实现，包括GPS射频前端、惯性测量单元、跟踪捕获环路单元和组合滤波器；所述跟踪捕获环路单元包括N个可见卫星通道，每个可见卫星通道对应一个积分处理单元和从滤波器；GPS射频前端接收卫星信号，并进行功率放大、频率转换和数模转换，将转换后的数据发送至跟踪捕获环路单元，跟踪捕获环路单元中各可见卫星通道的I、Q信号经过对应的积分处理单元处理后发送至对应的从滤波器进行预处理得到从滤波器的状态向量；组合滤波器接收惯性测量单元的测量信息和从滤波器的状态向量，利用上述信息估计出该载体状态信息和载波相位并生成环路控制指令对跟踪捕获环路单元进行控制。

GNSS***提供的连续的位置、速度信息可以辅助INS***的初始对准，误差估计、补偿和校正等。同时，组合中GNSS***还将获得来时INS的辅助，进而有效地改善动态环境下GNSS接收机对卫星信号的捕获和跟踪能力，并能保证在卫星分布情况差或可见星数量少的情况下保持较高定位精度和可靠性。GNSS射频前端将采集到的卫星信号进行调理，变频并数字化。跟踪捕获环路负责信号的捕获和跟踪。GNSS/INS超紧组合滤波结构包括组合滤波器和从滤波器两部分。组合滤波器基于伪距，伪距率和载波相位层次，从滤波负责处理当前、超前和滞后的I，Q信号。组合滤波器完成对惯导信息和卫星信息的最优融合输出导航信息，同时向捕获跟踪环路发出环路控制指令。

从滤波器的处理流程：经过各通道后的I，Q信号经积分进入从滤波器，令各通道从滤波器的状态向量X_i＝[δw_i δφ_i δt_i M_i]^T，其中δw_i为载波频率估计误差，δφ_i是载波相位估计误差，δt_i为码相位估计误差，M_i为信号的载波幅度，i为从滤波器对应的可见卫星通道数，i＝1,2,...N,N为可见卫星通道数，[]^T表示矩阵转置；

从滤波器中观测量为积分周期T内当前I，Q信号值、超前I，Q信号值和滞后I，Q信号值，可表示为：

其中，T₀为积分周期的起始时刻，T为积分周期，ε是接收机产生伪随机码的超前与滞后量之间的时间偏移；

因此，分布式滤波结构中从滤波器的状态和量测方程为：

其中，X_i为状态量，Z_i为观测量，A_i(k,k-1)表示从k-1时刻到k时刻的状态转移距阵；W_i(k-1)为k-1时刻的动态噪声，C_i(k)表示k时刻观测系数矩阵，V_i(k)为k时刻的观测噪声，k为离散化处理后的时间量，式中W_i(k-1)、A_i(k,k-1)、V_i(k)、C_i(k)的具体设计过程均为现有技术，具体参见文献：刘基余.GPS卫星导航定位原理与方法[M].北京：科学出版社.2003.

组合滤波器的处理流程：组合滤波器的状态向量在惯导状态量得基础上增加了从滤波器的的误差状态估计，即：

其中，δx，δv和分别为位置，速度和姿态误差状态，δw为陀螺仪误差姿态向量，δa为加速度误差状态向量；δt_u为接收机的时钟偏差，δt_r是接收机的时钟随机漂移误差量。

由伪距误差和伪距率误差组成的量测向量为：

其中，δρ_i和分别是GNSS和INS输出的伪距之差和伪距率之差，下标N为可见卫星通道数。

组合滤波器的状态和观测方程可表示为：

其中，X为状态量，Z为观测量，W(k-1)为k-1时刻的动态噪声，V(k)为k时刻的观测噪声，k为离散化处理后的时间量，C(k)表示k时刻观测系数矩阵，A(k,k-1)表示从k-1时刻到k时刻的状态转移距阵，W(k-1)、V(k)、C(k)、A(k,k-1)的具体设计过程为现有技术，具体参见文献：刘基余.GPS卫星导航定位原理与方法[M].北京：科学出版社.2003.

如图2所示，基于GNSS/INS超紧组合导航装置的相对导航***，包括载体1和载体2，载体1对应GNSS射频前端11、惯性测量单元12、跟踪捕获环路单元13、组合滤波器14、数据传输单元15和数据处理单元16；其中，组合滤波器14分别与跟踪捕获环路单元13、惯性测量单元12、数据传输单元15相连，跟踪捕获环路单元13还与GNSS射频前端11相连，数据传输单元15还与数据处理单元16相连；数据传输单元15包括有线传输151和无线传输152；数据处理单元16包括相连的模型构建单元161和相对导航滤波器162；

载体2对应GNSS射频前端21、惯性测量单元22、跟踪捕获环路单元23、组合滤波器24、数据传输单元25和数据处理单元26；其中，组合滤波器24分别与跟踪捕获环路单元23、惯性测量单元22、数据传输单元25相连，跟踪捕获环路单元23还与GNSS射频前端21相连，数据传输单元25还与数据处理单元26相连；数据传输单元25包括有线传输251和无线传输252；数据处理单元26包括相连的模型构建单元261和相对导航滤波器262；

GNSS射频前端11接收并处理卫星信号数据后将数据发送至跟踪捕获环路单元，跟踪捕获环路单元13中各可见卫星通道的I、Q信号经过对应的积分处理单元处理后发送至对应的从滤波器进行预处理得到从滤波器的状态向量；

组合滤波器14接收惯性测量单元的测量信息：加速度a₁、角速度ω₁和从滤波器的状态向量，利用上述信息估计出载体1的位置x₁、速度v₁、姿态和载波相位φ₁并生成环路控制指令对跟踪捕获环路单元13进行控制；

GNSS射频前端21接收并处理卫星信号数据后将数据发送至跟踪捕获环路单元，跟踪捕获环路单元23中各可见卫星通道的I、Q信号经过对应的积分处理单元处理后发送至对应的从滤波器进行预处理得到从滤波器的状态向量；

组合滤波器24接收惯性测量单元的测量信息：加速度a₂、角速度ω₂和从滤波器的状态向量，利用上述信息估计出载体2的位置x₂、速度v₂、姿态和载波相位φ₂并生成环路控制指令对跟踪捕获环路单元23进行控制；

惯性测量单元11的测量信息、从滤波器的状态向量中的载波测量信息和组合滤波器14估计出的载体1状态信息和载波相位φ₁经有线传输151至载体1量测模块构建单元161中；同时组合滤波器14还将估计出载体1的位置x₁、速度v₁和载波相位φ₁经无线传输152至载体2量测模块构建单元262中；惯性测量单元12的测量信息、从滤波器的状态向量中的载波测量信息和组合滤波器估计出的载体2状态信息和载波相位φ₂经有线传输251至载体2量测模块构建单元261中；同时组合滤波器24还将估计出载体2的位置x₂、速度v₂、载波相位φ₂经无线传输252至载体1量测模块构建单元162中，

量测模块构建单元161根据通过测量信息、从滤波器的状态向量中的载波测量信息、载体1状态信息、载波相位φ₁、载体2状态信息和载波相位φ₂来确定动态模型的状态量和观测量后构建动态模型，

相对导航滤波器162利用卡尔曼最优滤波递推方程组，计算得到误差状态的最优估计值，对两个载体的相对位置和相对速度进行补偿进而得到最优的载体1相对载体2的位置和速度；

量测模块构建单元261根据通过测量信息、从滤波器的状态向量中的载波测量信息、载体2状态信息、载波相位φ₂、载体1状态信息和载波相位φ₁来确定动态模型的状态量和观测量后构建动态模型，

相对导航滤波器262利用卡尔曼最优滤波递推方程组，计算得到误差状态的最优估计值，对两个载体的相对位置和相对速度进行补偿进而得到最优的载体2相对载体1的位置和速度。

如图3所示，数据处理中心的目的是对相对导航进行误差估计并完成相对导航最优输出。将载体上的位置和速度状态估计通过低速率数据链传送至各载体的数据处理单元，以各载***置和速度状态作差之后的相对导航信息作为标称值。目标载体的数据处理单元利用GNSS双差载波相位和自身载体上的惯性信息，对相对导航误差状态进行最优估计，并完成相对导航状态的最优估计；

具体地利用双差载波相位完成对相对位置估计，利用加速度测量和相对位置完成对相对速度的估计。

以下以载体1与载体2为例：双差载波相位是通过两次差分得：先将载体1和载体2的载波测量进行一次差，这个过程消除了卫星时钟误差和星历误差；再将第一次差分量相对主卫星的一次差分量进行再次差分，再次消除了接收机时钟误差，双差载波相位可表示为：

其中，Δx＝x₁-x₂，x₁和x₂分别表示载体1和载体2在地心地固坐标系(ECEF)下的位置向量；λ为载波波长；为卫星i的系数矩阵，为卫星j的系数矩阵；δT^i,j和δI^i,j分别为卫星i和卫星j的对流层残差和电离层残差；是卫星i和卫星j的双差整周模糊度；为卫星i的单差载波相位多路径误差；为卫星j的单差载波相位多路径误差；为卫星i和卫星j的双差载波相位测量噪声，卫星i和卫星j是指载体1对应的卫星i、载体2对应的卫星j；这里的卫星i对应通道数i，卫星j对应通道数j；

因此，GNSS估计相对位置的状态向量可表示为：

式中，为双差整周模糊度，Δm_φ单差载波相位多路径误差，δT为对流层误差；δI为电离层误差。

线性化后的动态模型可表示为一般形式：

δx_GPS为GNSS的相对位置误差状态量，w_G为状态误差，Φ_G为系数矩阵。

令v₁和v₂分别为载体1和载体2的相对地球的速度向量，则

v₁＝v₂+Δv+w_en×Δx (9)

根据比力方程可知：

a₁＝a₂+Δa+2w_en×Δv+w_en×Δx+w_en×(w_en×Δx) (10)

a₁＝f₁-2w_ie×v₁+g₁ (11)

a₂＝f₂-2w_ie×v₂+g₂ (12)

其中，下标1，2分别代表载体1和载体2，Δv为两个载体的相对速度，Δx为两个载体的相对位置，a₁为载体1相对地球的加速度向量，a₂为载体2相对地球的加速度向量；f₁为载体1在导航坐标系下比力输出；f₂为载体2在导航系下比力输出；g₁为载体1所受的重力向量，g₂为载体2所受的重力向量，w_en为导航坐标系相对地理系的角速度；w_ie为地理系相对惯性系的角速度，

将式(9)，(11)和(12)代入(10)可得，

将式(12)进行泰勒级数展开即可得到相对位置和相对速度的状态，其动态模型的状态量x_INS为

x_INS＝[δΔv δΔx δw₁δa₁]^T (13)

δΔv为两个载体的相对速度误差状态，δΔx为两个载体的相对位置误差状态，δw₁为载体1的陀螺仪误差姿态向量；δa₁为载体1加速度误差状态向量；

线性化后的动态模型可表示为

其中，δx_INS为INS的相对速度和位置误差状态量，w_INS为状态误差，Φ_I为对应的系数矩阵。

式(8)和(14)构成相对导航滤波器的状态方程，

观测向量z＝[Δv Δx]^T，相对导航滤波器的动态模型可表示为：

其中M(k)为k时刻标称轨迹，Φ(k,k-1)表示从k-1时刻到k时刻的状态转移阵；C(k)表示k时刻的观测系数矩阵；v(k)为观测矩阵，w(k-1)为动态噪声，x表示状态量，z表示观测量。这里的Φ(k,k-1)、C(k)、v(k)、w(k-1)的具体设计过程参照刘基余.GPS卫星导航定位原理与方法[M].北京：科学出版社.2003.

根据公式(15)利用卡尔曼最优滤波递推方程组，进行相对位置和相对速度的误差估计，进而得出最优的相对导航信息；

P_k,k-1＝Φ_k,k-1P_k-1Φ_k,k-1+Q_k-1

由上述递推方程组，计算得到误差状态的最优估计后，对两个载体的相对位置和相对速度进行补偿进而得到最优的相对位置和相对速度，关于卡尔曼最优滤波递推方程组为现有技术，参见俞济祥，主编《卡尔曼滤波及其在惯性导航中的应用》，航空专业教材编审组，1984年。

Claims (4)

1.一种GNSS/INS超紧组合导航装置，其特征在于，该装置基于分布式滤波结构来实现，包括GNSS射频前端、惯性测量单元、跟踪捕获环路单元和组合滤波器；组合滤波器分别与惯性测量单元、跟踪捕获环路单元相连，跟踪捕获环路单元还与GNSS射频前端相连；

其中，跟踪捕获环路单元包括若干个可见卫星通道，每个可见卫星通道对应一个积分处理单元和从滤波器；GNSS射频前端接收并处理卫星信号数据后将数据发送至跟踪捕获环路单元，跟踪捕获环路单元中各可见卫星通道的I、Q信号经过对应的积分处理单元处理后发送至对应的从滤波器进行预处理得到从滤波器的状态向量；组合滤波器接收惯性测量单元的测量信息和从滤波器的状态向量，利用接收到的信息估计出载体状态信息和载波相位并生成环路控制指令对跟踪捕获环路单元进行控制，其中所述载体状态信息包括位置、速度和姿态，从滤波器处理当前、超前和滞后的I，Q信号；

从滤波器的状态向量X_i＝[δw_i δφ_i δt_i M_i]^T，其中δw_i为载波频率估计误差，δφ_i是载波相位估计误差，δt_i为码相位估计误差，M_i为信号的载波幅度，i为从滤波器对应的可见卫星通道数，i＝1,2,...N,N为可见卫星通道数，[]^T表示矩阵转置；

从滤波器中观测量Z_i为积分周期T内当前I，Q信号值、超前I，Q信号值和滞后I，Q信号值，表示为：

$Z_i=\left[\begin{array}{c}\underset{k=T_0}{\overset{T_0+T}{\Σ}}I\\ \underset{k=T_0}{\overset{T_0+T}{\Σ}}Q\\ \underset{k=T_0}{\overset{T_0+T}{\Σ}}\[I\left(\frac{\mathrm{\ϵ}}{2}\right)-I(-\frac{\mathrm{\ϵ}}{2})\]\\ \underset{k=T_0}{\overset{T_0+T}{\Σ}}\[Q\left(\frac{\mathrm{\ϵ}}{2}\right)-Q(-\frac{\mathrm{\ϵ}}{2})\]\end{array}\right]$

其中，T₀为积分周期的起始时刻，ε是接收机产生伪随机码的超前与滞后量之间的时间偏移。

2.根据权利要求1所述GNSS/INS超紧组合导航装置，其特征在于，组合滤波器的状态向量

其中，δx为位置误差状态，δv为速度误差状态，为姿态误差状态，δw为陀螺仪误差姿态向量，δa为加速度误差状态向量；δt_u为接收机的时钟偏差，δt_r是接收机的时钟随机漂移误差量；

组合滤波器的量测向量Z为：

$Z={\left[\begin{array}{ccccccccc}{\mathrm{\δ\ρ}}_1& \mathrm{\δ}{\stackrel{\·}{\mathrm{\ρ}}}_1& {\mathrm{\δ\ρ}}_2& \mathrm{\δ}{\stackrel{\·}{\mathrm{\ρ}}}_2& {\mathrm{\δ\ρ}}_i& \mathrm{\δ}{\stackrel{\·}{\mathrm{\ρ}}}_i& \mathrm{...}& {\mathrm{\δ\ρ}}_N& \mathrm{\δ}{\stackrel{\·}{\mathrm{\ρ}}}_N\end{array}\right]}^T$

其中，δρ_i表示GNSS和INS输出的伪距之差，表示GNSS和INS输出伪距率之差。

3.一种基于权利要求2所述GNSS/INS超紧组合导航装置的相对导航***，该***用于估计多载体中每两个载体之间的最优相对位置与相对速度，其特征在于，每个载体对应一个依次连接的GNSS/INS超紧组合导航装置、数据传输单元和数据处理单元；

其中，数据传输单元包括有线传输和无线传输；数据处理单元包括相互连接的动态模型构建单元和相对导航滤波器；

GNSS/INS超紧组合导航装置中惯性测量单元的测量信息、从滤波器状态向量中的载波测量信息和组合滤波器估计出的载体状态信息、载波相位经有线传输至该载体对应的动态模型构建单元中；同时组合滤波器估计出的载体状态信息和载波相位还经无线传输至其他载体的动态模型构建单元中；

每个载体对应的动态模型构建单元利用有线传输和无线传输获得的信息来确定动态模型的状态量和观测量后构建动态模型；根据动态模型，相对导航滤波器利用卡尔曼最优滤波递推方程组，计算得到误差状态的最优估计值，对两个载体的相对位置和相对速度进行补偿进而得到最优的相对位置和相对速度。

4.根据权利要求3所述的相对导航***，其特征在于，动态模型的状态量和观测量如下：

动态模型的状态量为x_GPS和x_INS

$x_{GPS}=\[\begin{array}{ccccc}\mathrm{\Δ}x& \▿\mathrm{\Δ}N& {\mathrm{\Δm}}_{\mathrm{\φ}}& \mathrm{\δ}T& \mathrm{\δ}I\end{array}\];$

x_INS＝[δΔv δΔx δw_m δa_m]^T；

式中，Δx为两个载体的相对位置，为双差整周模糊度，Δm_φ单差载波相位多路径误差，δT为对流层误差；δI为电离层误差；δΔv为两个载体的相对速度误差状态，δΔx为两个载体的相对位置误差状态，δw_m为载体m陀螺仪误差姿态向量；δa_m为载体m加速度误差状态向量，下标m为载体标号；

动态模型的观测量为z＝[Δv Δx]^T，Δv为两个载体的相对速度。