CN112946711B - 一种gnss/ins组合导航***的导航方法 - Google Patents
一种gnss/ins组合导航***的导航方法 Download PDFInfo
- Publication number
- CN112946711B CN112946711B CN202110126999.4A CN202110126999A CN112946711B CN 112946711 B CN112946711 B CN 112946711B CN 202110126999 A CN202110126999 A CN 202110126999A CN 112946711 B CN112946711 B CN 112946711B
- Authority
- CN
- China
- Prior art keywords
- gnss
- value
- navigation
- receiver
- ins
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 10
- 230000001427 coherent effect Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 5
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明提供一种GNSS/INS组合导航***的导航方法,应用于GNSS/INS组合导航***工作在紧组合模式下。技术方案是:利用GNSS接收机的伪码跟踪环路锁定值、载波相位跟踪环路锁定值、导航信息校验值构造联合权重矩阵,对GNSS接收机伪距测量值的协方差矩阵进行修正;利用修正的GNSS接收机伪距测量值的协方差矩阵,通过因子图计算得到GNSS/INS组合导航***的导航结果。本发明导航精度高,且不需要增加额外的传感器,因此具有低成本的特点,在工程实践中具有很好的应用价值。
Description
技术领域
本发明涉及卫星导航技术领域,特别是涉及GNSS(Global Navigation SatelliteSystem,全球卫星导航***)与INS(Inertial Navigation System,惯性导航***)组合导航***的紧组合模式下,利用测量信号进行导航的方法。
背景技术
GNSS以其全天时、全球覆盖、高精度的定位性能,成为当今主流的导航手段,然而GNSS落地信号功率低(约-160dBw),且易受各种干扰及遮挡,导致在某些复杂环境下可用性差,如城市峡谷。INS以其不与外界发生信息交换的特点,恰好解决了GNSS易受干扰的问题。将上述两种导航设备组合在一起的 GNSS/INS组合导航***,取二者之优点,已成为未来导航技术发展的趋势。
GNSS/INS组合导航***通常有三种组合模式,分别为:松组合模式、紧组合模式和深组合模式。其中,紧组合模式具有适中的计算量和良好的定位性能,是目前GNSS/INS组合导航技术研究的热点。GNSS/INS组合导航***紧组合模式通常采用GNSS接收机输出的原始观测信息(如伪距、伪距率、多普勒等) 作为测量值,通过贝叶斯滤波器,和INS输出的测量值进行融合滤波,得到最优的***状态估计量。这种模式下,GNSS/INS组合导航***是非线性的,需要使用非线性的融合滤波方法来进行***状态量估计。非线性融合滤波方法分为基于模型状态的非线性融合滤波方法和基于小波分析、神经网络、模糊控制等的非线性融合滤波方法。在基于模型状态的非线性融合滤波方法中,通常是在 Kalmam滤波方法基础上变化的扩展算法,参见文献[1]-[3]。这些扩展算法使用数值积分或线性逼近的方法,对***状态的后验概率密度分布函数进行逼近,并基于某种最优化准则,对***状态量进行最优估计。使用上述方法时,存在的问题是:当GNSS/INS组合导航***运行在卫星信号频繁短暂失锁、强多径干扰等复杂环境下时,由于GNSS测量噪声变化剧烈、测量值缺失,即测量模型改变,上述的非线性融合滤波方法,对***状态量发生突变的适应能力差,不具有应对GNSS/INS组合导航***模型不确定的鲁棒性,在噪声统计值未知或者时变情况下易出现滤波精度下降甚至发散,导致计算失败。
为了解决上述问题,文献[4]提出了一种基于因子图的优化方法,对GNSS 接收机中接收的每一颗卫星都设置可靠性因子,可靠性因子表示卫星信号的质量好坏,当某颗卫星的伪距、伪距率等测量值缺失时,对应的可靠性因子为0,表示该卫星不可见,当某颗卫星测量值正常时,可靠性因子为1,表示该卫星信号可用,但是文献[4]的方法,没有解决卫星信号在各种遮挡、干扰环境下伪距测量值变差而导致的模型不准确问题。文献[5]提出了一种基于鱼眼相机辅助的,在因子图模型下的GNSS/INS组合导航***紧组合导航方法,该文献增加了鱼眼相机作为***的辅助传感器,实时获取运动载体周围的可见光图像,从而判断载体目前在哪些方向上有建筑物等的遮挡,再结合星历给出的卫星位置,来判断哪些卫星不可用。另外,利用GNSS接收机输出的信噪比、卫星方位角等测量信息,使用拟合公式计算卫星可用性的权值,将此权值作为对应卫星伪距测量的方差参与***状态量的计算。文献[5]相比文献[4]的方法更具完整性和准确性,然而新增的鱼眼相机增加了***成本和复杂性,同时拟合公式也是由经验值计算而来,不同的传感器设备,不同的应用场景,拟合公式的参数不同,需要用户自定义,不具通用性。
发明内容
针对现有技术中存在的问题,本发明提供一种应用于GNSS/INS组合导航***工作在紧组合模式下的导航方法。相比现有的方法,在不增加额外传感器资源的基础上,提高了GNSS/INS紧组合导航***在复杂环境下的导航精度和鲁棒性,具有较低的计算复杂度,能适应GNSS/INS紧组合导航***在各种噪声模型下的定位解算。
本发明的技术方案是:一种GNSS/INS组合导航***的导航方法,应用于 GNSS/INS组合导航***工作在紧组合模式下,其特征在于,利用GNSS接收机的伪码跟踪环路锁定值、载波相位跟踪环路锁定值、导航信息校验值构造联合权重矩阵,对GNSS接收机伪距测量值的协方差矩阵进行修正;利用修正的GNSS接收机伪距测量值的协方差矩阵,通过因子图计算得到GNSS/INS 组合导航***的导航结果。
进一步,在因子图计算过程中,将IMU(Inertial Measurement Unit,导航测量单元)测量值进行预积分,其预积分时间间隔与GNSS接收机输出测量值间隔一致。
本发明的技术效果是:通过利用GNSS接收机的内部参数(伪码跟踪环路锁定值、载波相位跟踪环路锁定值、导航信息校验值)构造联合权重矩阵,使联合权重矩阵的取值实时反映接收的不同卫星信号的质量情况,从而可以使本发明可以适应各种不同信号环境,提高组合导航***的鲁棒性和可靠性。利用联合权重矩阵对GNSS接收机伪距测量值的协方差矩阵进行修正,从而提高***在各种复杂环境下的导航精度和鲁棒性。通过对IMU测量值进行预积分,经过一段时间间隔积累后再进行坐标系的转换、输出导航解,可以在保证导航精度的同时减小计算量。本发明不需要增加额外的传感器,因此具有低成本的特点,在工程实践中具有很好的应用价值。
附图说明
图1是本发明的流程示意图;
图2是GNSS/INS组合***的因子图模型图;
图3是仿真的载体运动轨迹图;
图4是本发明与卡尔曼滤波、经典因子图算法的定位、测速误差对比图;
图5是本发明与文献[4]的方法在定位、测速的误差对比图;
表1是仿真数据的初始参数设置表;
具体实施方式
下面结合图1对本发明做进一步介绍。
本发明提供一种GNSS/INS组合导航***的导航方法,包括:
第一步,构造联合权重矩阵
假设在某个时刻,GNSS接收机接收到的I支路信号经过相干积分后,得到的超前支路信号、即时支路信号、滞后支路信号分别为IE、IP、IL;Q支路信号经过相干积分后,得到的超前支路信号、即时支路信号、滞后支路信号分别为QE、 QP、QL。
利用下式得到鉴相器输出的伪码相位误差控制量DLI为:
其中,dc为相干器间隔。
利用下式计算归一化的伪码相位锁定检测值D:
根据上式可知,当伪码环路锁定时,D取值为(0,1],当环路失锁时D取ε,ε为接近零的正小数,在实际计算中取值小于10-5即可。
利用下式计算接收机对信号的载波相位锁定值PLI:
再利用下式计算载波相位锁定检测值P:
其中,α为锁定门限,通常取值大于0.85,小于0.95。当PLI>α时认为相位锁定,否则失锁。
GNSS接收机对接收信号锁定的另外一个判据是导航电文正确接收,利用下式计算电文校验正确标志C:
综上,对GNSS接收机内部正确锁定信号的判决,可以由三个参数来表示,分别是接收信号的伪码相位锁定检测值D,载波相位锁定检测值P和电文校验正确标志C。这三个参数的组合,可以用来表征伪距测量值不确定度,即GNSS 接收机锁定信号的质量好坏,锁定信号好则伪距测量值准确,锁定信号差则伪距测量值不准确,后续导航定位时利用伪距测量值进行定位。所以伪距测量值的精度影响导航定位精度。
对于GNSS接收机接收的第j颗可见卫星的导航信号,构造联合权重系数wj如下:
wj=Dj·Pj·Cj
其中,Dj为第j颗可见卫星的伪码相位锁定检测值,Pj为第j颗可见卫星的载波相位锁定检测值,Cj为第j颗可见卫星的电文校验正确标志。
联合权重矩阵W=diag(w1,w2,…,wj,…,wJ),W是以wj为对角线元素的对角矩阵(J为可见卫星数目),表征GNSS接收机对各颗可见卫星的信号锁定性能,同时也体现了伪距测量值的不确定度,当wj越小,则对应卫星的伪距测量值的不确定度越大,测量效果越差,反之则越好。
第二步,构造因子图
构造因子图如图2所示,具体构建过程参照文献[6]:在因子图中,包括两种因子节点;一种是过程模型因子节点,即INS节点;一种是测量模型因子节点,即GNSS节点。在任意一个测量时刻i,因子图***状态量为Xi, Xi={x1,x2…xi},x1表示第一个测量时刻,GNSS/INS组合导航***状态量,x2表示第二个测量时刻,GNSS/INS组合导航***状态量,依次论推,则可知Xi包括了截至到时刻iGNSS/INS组合导航***状态量的所有值。
首先,计算过程模型因子节点。
假设在测量时刻i,已知IMU在B系(Body frame,载体坐标系)的输出测量值为加速度fi b和角度 令为IMU在B系三个坐标轴上的加速度计测量偏差,εb i为IMU在B系三个坐标轴上的陀螺仪测量偏差;IMU输出测量值的时间间隔为Δt。为了降低计算负担,采用预积分的方法。选定INS因子节点的更新周期为时间间隔T,时间间隔T的大小为GNSS接收机输出测量值的时间间隔。在时间间隔T内对IMU测量值在B系下的速度、姿态角变化量分别进行预积分,得到下述结果:
其中,分别为B系下在测量时刻i,经过时间间隔T积分后得到的 GNSS/INS组合导航***的速度、姿态角的变化量;M=T/Δt,根据接收机的参数设置可知M的取值必定为正整数。由以上预积分求出的变化量,进一步可以求得测量时刻i+1时,GNSS/INS组合导航***的速度、位置、姿态角的估计值:
其中,分别为GNSS/INS组合导航***在E系(Earth-CenteredEarth-Fixed,地球地固坐标系)下测量时刻i时的位置、速度、姿态角,由INS 递推的原理可知这些为已知量;表示从测量时刻i到测量时刻i+1,由B 系变换到E系的旋转矩阵;ge表示重力矢量,在时间间隔T内为一个常量。值得说明的是,测量时刻i到测量时刻i+1的时间间隔是T。
其次,构造测量模型因子节点,即GNSS节点。
则GNSS接收机的测量方程可以写为:
上式即表示估计的伪距与伪距率。
第三步,因子图的计算由上述推导得,测量时刻i+1,因子图***状态量Xi+1的最大后验概率值Xi+1 MAP的表达式为:
其中,表示求矩阵的马氏距离(mahalanobis distance)的平方。当GNSS 接收机被短时遮挡或干扰时,输出的伪距测量值噪声变大,此时用接收机输出的联合权重矩阵W来调整矩阵对应的协方差矩阵Λk,即使用协方差矩阵Λ′k求矩阵的马氏距离的平方,Λ′k=W-1·Λk。通过这个调整,得使协方差中的元素大小实时对应实际接收机的工作环境,从而获得更符合实际测量值噪声特性的数据。
利用基于平滑和建图的标准C++的库GTSAM(Georgia Tech Smoothing andMapping),采用第二版增量平滑与地图构建(Incremental Smoothing And Mapping 2,iSAM2)算法(见参考文献7)对上述公式(1)进行求解计算,可以得到***导航解。
下面将通过GNSS/INS紧组合实验对所提方法进行验证。实验数据采用模拟生成的数据,其中GNSS接收机的输出速率为1Hz,IMU输出速率为100Hz,时间间隔T=1s。GNSS与INS具体的仿真参数如表1所示。
表1
1PSD:功率谱密度
GNSS/INS组合导航***放在载体上,载体为汽车,载体的真实运动轨迹如图3所示,仿真轨迹坐标采用E系,从坐标原点出发,运动持续时间为200秒,整个轨迹分别在70秒和120秒处进行了两次45度转弯。
仿真实验一将本发明与现有的卡尔曼滤波、因子图方法进行比较,载体运动轨迹选取0-200秒区间,为模拟复杂环境下多星受遮挡或干扰时的定位情况,在80-95秒时间增加第1-5颗可见卫星的基带导航信号噪声分量3-5dB不等,使卫星锁定结果变差,伪距测量误差增加。实验结果如图4所示,首先,因子图方法由于使用了所有历史观测数据,定位误差比卡尔曼更小;另外,在GNSS 数据出现异常时,本发明由于能自适应调节测量噪声协方差矩阵,因此各方向上的定位结果皆优于卡尔曼滤波算法与因子图方法。图4(b)为三种方法速度误差实验结果,与因子图方法和卡尔曼滤波相比,本发明速度估计误差更小。总的来说,本发明在位置与速度估计方面都体现出更好性能。
仿真实验二将本发明与文献[4]提供的方法进行比较。载体的运动轨迹与仿真实验一相同,GNSS与INS各参数保持不变,不同的是可观测卫星为4颗。在 80-95秒时间内加大第一颗可见卫星基带信号对应的噪声分量3bB,使得测量的伪距与伪距率误差变大。在实验中,文献[4]的第一颗可见卫星的伪距与伪距率的权重设为ω,其余可见卫星权重值均取1。分别取ω为0、0.5和1进行仿真实验,定位和测速实验结果分别如图5(a)与(b)所示。当ω=0时表示此时 GNSS因子中对于故障卫星测量值不可见,参与状态估计的卫星数为3,定位结果出现发散。ω=1是表示对故障不作任何处理,而ω=0.5则是降低故障在因子中的权重,所以权重值为0.5时的结果较优。另外,图中点画线为本发明的结果,与文献[4]中方法相比,本发明在三个坐标轴方向的定位和速度误差均小于文献[4]。原因是本文直接调整测量的协方差矩阵,而文献[4]的协方差矩阵不变,只是调整了参与代价函数计算的数据大小,且没有说明权重函数ω如何取值,因此无法得到确切的最优结果。所以总体来说,本发明在***导航性能上优于文献[4]的方法。
参考文献
[1]J.L Crassidis,Sigma-point kalman filtering for integrated GPS andinertial navigation[C].IEEE Transactions on Aerospace and Electronic Systems,vol.42,no.2,pp.750-756,2006.
[2]秦永元,张洪钺,汪叔华.卡尔曼滤波与组合导航原理[M].第3版.西安:西北工业大学出版社,2015.
[3]王小旭,赵琳.自适应融合滤波算法及其在INS/GPS组合导航中的应用[J]. 宇航学报,2010,31(11):22-28.
[4]W Li,X Cui,and M.Lu.A robust graph optimization realization oftightly coupled GNSS/INS integrated navigation system for urbanvehicles.Tsinghua Science and Technology,vol.23,no.6,pp.724-732,2018.
[5]W Wen,X Bai,and Y Kan,et al.Tightly coupled integration via factorgraph and aided by fish-eye camera.IEEE Transactions on Vehicular Technology,vol.68,no.11,pp.10651-10662,Nov,2019.
[6]V Indelman,S Williams,M Kaess,F Dellaert.Information fusion innavigation systems via factor graph based incremental smoothing[J]. Roboticsand Autonomous Systems.61,pp.721-738,2013.
[7]M Kaess,H Johannsson,R Roberts,V Indelman,J Leonard,F Dellaert.iSAM2:Incremental smoothing and mapping using the Bayes tree[J].TheInternational Journal of Robotics Research,vol.31,no.2,pp.216-235, 2012.
Claims (3)
1.一种GNSS/INS组合导航***的导航方法,应用于GNSS/INS组合导航***工作在紧组合模式下,其特征在于,利用GNSS接收机的伪码相位锁定检测值D、载波相位锁定检测值P和电文校验正确标志C构造联合权重矩阵,对GNSS接收机伪距测量值的协方差矩阵进行修正;利用修正的GNSS接收机伪距测量值的协方差矩阵,通过因子图计算得到GNSS/INS组合导航***的导航结果;其中,GNSS是指全球卫星导航***,INS是指惯性导航***,符号“/”是指与或者和的意思;
采用下述过程计算任意一颗可见卫星的伪码相位锁定检测值D:
假设在某个时刻,GNSS接收机接收到的I支路信号经过相干积分后,得到的超前支路信号、即时支路信号、滞后支路信号分别为IE、IP、IL;Q支路信号经过相干积分后,得到的超前支路信号、即时支路信号、滞后支路信号分别为QE、QP、QL;
利用下式得到鉴相器输出的伪码相位误差控制量DLI为:
其中,dc为相干器间隔;
利用下式计算归一化的伪码相位锁定检测值D:
其中,ε为接近零的正小数;
采用下述过程计算任意一颗可见卫星的载波相位锁定检测值P:
利用下式计算接收机对信号的载波相位锁定值PLI:
再利用下式计算载波相位锁定检测值P:
其中,α为锁定门限,取值大于0.85且小于0.95;
采用下述过程计算任意一颗可见卫星的电文校验正确标志C:
采用下述过程构造联合权重矩阵:
对于GNSS接收机接收的第j颗可见卫星的导航信号,构造联合权重系数wj如下:
wj=Dj·Pj·Cj
其中,Dj为第j颗可见卫星的伪码相位锁定检测值,Pj为第j颗可见卫星的载波相位锁定检测值,Cj为第j颗可见卫星的电文校验正确标志;
联合权重矩阵W=diag(w1,w2,…,wj,…,wJ),W是以wj为对角线元素的对角矩阵,J为可见卫星数目;
其中,GNSS接收机在测量时刻i的状态量为其中,δi为GNSS接收机的本地时间和GPS***时间的差,为δi的变化率; 分别为GNSS/INS组合导航***在地球地固坐标系下测量时刻i时的位置、速度;
2.根据权利要求1所述的GNSS/INS组合导航***的导航方法,其特征在于,计算过程模型因子节点时,采用预积分的方法,选定INS因子节点的更新周期为时间间隔T,时间间隔T的大小为GNSS接收机输出测量值的时间间隔。
3.一种GNSS/INS组合导航***,其特征在于,采用权利要求1至2任一项所述的导航方法进行导航。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110126999.4A CN112946711B (zh) | 2021-01-29 | 2021-01-29 | 一种gnss/ins组合导航***的导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110126999.4A CN112946711B (zh) | 2021-01-29 | 2021-01-29 | 一种gnss/ins组合导航***的导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112946711A CN112946711A (zh) | 2021-06-11 |
CN112946711B true CN112946711B (zh) | 2022-11-25 |
Family
ID=76239810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110126999.4A Active CN112946711B (zh) | 2021-01-29 | 2021-01-29 | 一种gnss/ins组合导航***的导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112946711B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113432604B (zh) * | 2021-06-29 | 2023-05-19 | 广东工业大学 | 一种能够灵敏检测故障的imu/gps组合导航方法 |
CN114545472B (zh) * | 2022-01-26 | 2022-10-21 | 中国人民解放军国防科技大学 | 一种gnss/ins组合***的导航方法和装置 |
CN115685292B (zh) * | 2023-01-05 | 2023-03-21 | 中国人民解放军国防科技大学 | 一种多源融合导航***的导航方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6167347A (en) * | 1998-11-04 | 2000-12-26 | Lin; Ching-Fang | Vehicle positioning method and system thereof |
CN108344415A (zh) * | 2018-01-30 | 2018-07-31 | 北京大学 | 一种组合导航信息融合方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105806338B (zh) * | 2016-03-17 | 2018-10-19 | 武汉际上导航科技有限公司 | 基于三向卡尔曼滤波平滑器的gnss/ins组合定位定向算法 |
CN106291645B (zh) * | 2016-07-19 | 2018-08-21 | 东南大学 | 适于高维gnss/ins深耦合的容积卡尔曼滤波方法 |
CN106501832A (zh) * | 2016-12-16 | 2017-03-15 | 南京理工大学 | 一种容错矢量跟踪gnss/sins深组合导航方法 |
CN108919311B (zh) * | 2018-04-18 | 2022-07-15 | 青岛杰瑞自动化有限公司 | 用于北斗导航***的抗干扰方法 |
CN111044075B (zh) * | 2019-12-10 | 2023-09-15 | 上海航天控制技术研究所 | 基于卫星伪距/相对测量信息辅助的sins误差在线修正方法 |
CN111175795B (zh) * | 2020-01-03 | 2023-05-26 | 暨南大学 | Gnss/ins组合导航***的两步抗差滤波方法及*** |
-
2021
- 2021-01-29 CN CN202110126999.4A patent/CN112946711B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6167347A (en) * | 1998-11-04 | 2000-12-26 | Lin; Ching-Fang | Vehicle positioning method and system thereof |
CN108344415A (zh) * | 2018-01-30 | 2018-07-31 | 北京大学 | 一种组合导航信息融合方法 |
Non-Patent Citations (1)
Title |
---|
A robust graph optimization realization of tightly coupled GNSSINS integrated navigation system for urban vehicles;Wei Li 等;《Tsinghua Science and Technology》;20181231;第23卷(第6期);第724-732页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112946711A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112946711B (zh) | 一种gnss/ins组合导航***的导航方法 | |
CN110823217B (zh) | 一种基于自适应联邦强跟踪滤波的组合导航容错方法 | |
US20210033735A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
Almagbile et al. | Evaluating the performances of adaptive Kalman filter methods in GPS/INS integration | |
CN111780755A (zh) | 一种基于因子图和可观测度分析的多源融合导航方法 | |
US6311129B1 (en) | Positioning process and system thereof | |
Georgy et al. | Vehicle navigator using a mixture particle filter for inertial sensors/odometer/map data/GPS integration | |
CN115267855B (zh) | 一种gnss-ins紧组合中异常值探测方法和平差定位方法 | |
CN107367744B (zh) | 基于自适应测量噪声方差估计的星载gps定轨方法 | |
CN111380521B (zh) | 一种gnss/mems惯性组合芯片定位算法中的多路径滤波方法 | |
Kim et al. | An ultra-tightly coupled GPS/INS integration using federated Kalman filter | |
CN115373007A (zh) | 基于手机gnss模糊度相对变化估计的里程计定位方法 | |
Pan et al. | A variational Bayesian-based robust adaptive filtering for precise point positioning using undifferenced and uncombined observations | |
US20240094415A1 (en) | System and method for detecting outliers in gnss observations | |
Han et al. | Land vehicle navigation with the integration of GPS and reduced INS: performance improvement with velocity aiding | |
Wang et al. | A robust backtracking CKF based on Krein space theory for in-motion alignment process | |
Ćwian et al. | GNSS-augmented lidar slam for accurate vehicle localization in large scale urban environments | |
CN113671551B (zh) | Rtk定位解算方法 | |
Gong et al. | Airborne earth observation positioning and orientation by SINS/GPS integration using CD RTS smoothing | |
CN115096309A (zh) | 融合定位方法、装置、电子设备及存储介质 | |
Li et al. | An Improved Multiple-Outlier Robust Filter Based on Maximum Correntropy Criterion for Integrated Navigation | |
CN112230249B (zh) | 一种基于城市多路径误差抑制的相对定位方法 | |
CN115371705A (zh) | 一种基于特殊正交群和鲁棒不变扩展卡尔曼滤波的dvl标定方法 | |
CN116625362A (zh) | 一种室内定位方法、装置、移动终端及存储介质 | |
Liu et al. | A new algorithm of tightly-coupled GNSS/INS integrated navigation based on factor graph |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |