欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202310606033X
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,包括以下步骤:步骤S1、惯性测量单元IMU和全球卫星定位系统GNSS分别以一定频率采集一段时间的导航数据,对数据进行时间和空间同步对准;

步骤S2、对卫星和惯导数据进行建模,建立紧组合滤波过程所需要的状态方程和观测方程;

步骤S3、根据步骤S2中建立的状态方程和观测方程进行紧组合滤波,同时利用IGG‑III模型对观测方程协方差阵进行权值修正,进而在滤波结束后得到修正的卫星数据;

步骤S4、获取IMU得到的陀螺仪和加速度计增量信息,并对其进行预积分操作,并在预积分过程中考虑地球自转带来的偏差影响,对预积分结果进行误差分析,获得相应的误差方程,进而构建IMU残差方程及代价函数;

步骤S5、对步骤S3修正后的GNSS数据进行误差分析,获取GNSS残差方程及代价函数,根据IMU预积分过程得到的雅可比矩阵构建边缘化信息因子,得到边缘化信息所对应的残差方程及代价函数;

步骤S6、根据步骤S4和步骤S5中得到的代价函数,对GNSS‑INS因子图进行优化,得到导航最优解。

2.根据权利要求1所述的一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,步骤S1中IMU提供陀螺和加速计信息,GNSS提供伪距和伪距率信息,所述对数据进行时间和空间同步对准,具体步骤如下:步骤S11、导入IMU原始数据和GNSS原始数据,其中IMU数据包括陀螺仪和加速度计在东北天三个方向的采样信息,GNSS原始数据包含基站信息及相应的导航电文信息;

步骤S12、针对GNSS原始数据文件,采用开源软件Rtklib进行初步解算,得出卫星数据中相应的载体位置信息和速度信息,并将得到的数据进行坐标系转换,实现卫星数据与惯导数据在空间上的同步,并结合数据输出的时间,对数据进行时间上的同步编排。

3.根据权利要求1所述的一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,步骤S2中所述建立紧组合滤波过程所需要的状态方程和观测方程,建立过程如下:步骤S21、对导航各个坐标系进行定义,紧组合滤波过程所需要的状态信息包括INS和GNSS两部分;针对INS部分的状态,采用惯导误差进行状态方程的建立,其中包含载体姿态误差,速度误差,位置误差,陀螺仪零偏误差和加速度计零偏误差五个状态量;针对GNSS部分的状态,由于采用双差观测值进行计算,不需要对接收机钟差和漂移参数进行估计,只对双差模糊度进行评估;

步骤S22、基于捷联惯导算法与组合导航原理建立紧组合滤波过程所需要的状态方程;

步骤S23、采用差分技术得到的卫星双差载波相位观测值和伪距观测值与INS推算的双差距离作差得到紧组合滤波过程所需要的观测方程。

4.根据权利要求1所述的一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,步骤S3中所述紧组合滤波及权值修正过程如下:步骤S31、设步骤S2中建立的状态方程和观测方程分别为:

Zk=HXk+Vk

(2)上式中,A表示状态转移矩阵,B表示控制矩阵,Xk和Xk分别表示状态估计值和状态,Wk表示过程噪声,Zk表示观测值,H表示观测矩阵,Vk表示观测噪声;

步骤S32、紧组合数据融合过程采用传统卡尔曼滤波进行处理:

上式中,Q和R分别表示过程误差协方差阵和观测误差协方差阵,P表示方差协方差矩阵;

步骤S32、针对GNSS数据中存在的断点以及野值,采用IGG‑III策略进行消除,引入权重概念对滤波过程中的量测协方差阵加以约束:上式中,γ为基于IGG‑III方案的权值系数。

5.根据权利要求1所述的一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,步骤S4中预积分操作以及边缘化信息的处理过程如下:步骤S41、任意取一段采样间隔,且此间隔内包含若干个IMU量测,通过比力方程能够得到载体速度微分方程表达式,进而联立推算出IMU相对导航系的速度预积分结果;考虑Coriolis加速度和重力加速度导致的速度补偿项,对速度微分方程进行一次积分处理,得到带有补偿项的位置预积分结果;

步骤S42、选取同步骤S41的时间间隔,以此为开端展开递推求解姿态预积分结果,IMU误差模型同步骤S22,以此推算出整体预积分误差微分方程,得到相对应的误差雅克比矩阵及其方差协方差阵。

6.根据权利要求1所述的一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,步骤S5中GNSS残差方程和边缘化信息残差方程的构建过程如下:步骤S51、GNSS残差方程考虑坐标系转换过程以及自身与IMU之间的杠杆臂误差;

步骤S52、利用步骤S42求得的方差协方差矩阵和误差雅克比矩阵,结合舍尔消元法实现边缘化信息残差方程的建立。

7.根据权利要求1所述的一种采用前向紧组合的GNSS‑INS因子图优化方法,其特征在于,步骤S6中对GNSS‑INS因子图的优化过程及对比分析过程为:步骤S61、联立步骤S4和步骤S5中得到的代价函数,构建最小二乘问题,利用LM迭代法求解非线性优化解。