捷联惯导评估系统中多传感器信息融合的应用✳

王纪南,解春明,赵 剡,鲁 浩

(1.北京航空航天大学仪器科学与光电工程学院,北京 100191;2.中国空空导弹研究院,河南洛阳 471009)

多传感器信息融合技术就是将多传感器的测量信号加以综合利用,最大限度地提取有用信息,利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合,给出更正确的估计、识别和决策.本文提出采用高精度平台主惯导,高精度 DGPS,高分辨率里程仪和高精度气压高度计等传感器信息进行融合.运用信息融合技术,合成目标的多源信息,获得比单一信源更精确的检测,以达到更完全的估计和判决,实现优势互补.将多传感器融合后的信息作为基准信息,使评估基准信息的精度更高,可靠性更强.多传感器信息融合技术在捷联惯导评估专家系统得到应用,起到提高系统评估精度,更好地实现对各被评估捷联惯导系统的性能、各环节算法、计算周期、时序、流程、试验环境等进行计算机虚拟分析和研究的作用[1-2].

1 捷联惯导专家系统多传感器信息融合方法设计

1.1 硬件组成

捷联惯导专家评估系统由试验总控系统,数据采集系统,火控模拟系统,高精度的平台主惯导系统,DGPS天线和接收机,高分辨率的里程仪,高精度气压高度计,组合导航计算机,信息采集 /存储/处理计算机以及控制显示单元等部分组成[3],如图1所示.利用 DGPS的位置信息,高精度里程仪的速度信息,气压高度计的高度信息和平台主惯导系统的导航信息融合后,提供高精度的位置 /速度 /姿态信息,作为专家系统的测试评估基准.

1.2 多传感器工作模式

在捷联惯导专家评估系统中,高精度平台惯导,高精度 GPS定姿定位系统,高分辨率里程仪和高精度气压高度表等多传感器的组成方式采用模块化组合[3],系统各个模块的安装和拆卸简单易行,既能单独工作,也可协同工作,工作模式可根据评估对象的要求任意组合,主要有以下几种工作组合模式:

1)INS/DGPS;

2)INS/DGPS/高分辨率里程仪;

3)INS/DGPS/高分辨率里程仪 /高精度气压高度表;

4)INS/DGPS定姿定位系统 /高分辨率里程仪 /高精度气压高度表.

1.3 多传感器融合的实现和控制

信息融合过程原理如图2所示.首先,对采集到的传感器测量值进行预处理;然后,将测量值转换到统一的时空坐标系下,进行卡尔曼滤波处理.对处理之后的数据分出三路:一路发送回多传感器数据的组网中,提供其他传感器信息融合时所需信息;一路可直接转换到本地坐标系,作为本地传感器的滤波结果;另一路用于和组网中其它传感器传出的有用信息进行信息融合.最后,将各类数据融合结果总结处理得出局部融合结果,送入全局融合部分,再与其它局部融合结果进行全局融合,得出系统所需融合信息.

1.3.1 传感器量测值数据合理性检验

对传感器量测值数据合理性检验的目的在于发现和剔出野值,为融合提供合理的数据基础.通常采用拟合预报法和差分检测法进行数据检验[3].

1.3.2 量测信息的时间和空间统一

在进行融合时,来自高精度平台主惯导,高精度 DGPS,高分辨率里程仪,高精度气压高度计等传感器的各种信息,其得到的量测数据一般均在各自的惯性坐标系下,时间和空间并不统一,具有时空相对独立性,因此首先需要进行时空对准和各自数据的预处理.对各自的测量结果进行时空统一,只有在统一的时间和和坐标系统内才能进行多传感器的融合.如果不能很好地处理时空统一,使数据标准化,就会使数据处理精度大大下降,大大影响后继信息处理的可信度.所以在信息融合中,应对传感器进行时间配准和空间配准,然后利用相关算法进行融合处理[3-5].

1)空间匹配算法

捷联惯导专家评估系统中的各传感器量测数据均在各自的惯性坐标系下获得,为避免组网内各分布传感器信息融合时复杂的坐标转换计算,在各传感器量测数据得到之初就统一转换到地心大地坐标系下,进行滤波和融合,这样一方面可以减少运算量,提高融合精度,另一方面方便了组网上各传感器融合信息的直接获取和利用.

传感器本地北-天-东坐标系与地心大地坐标系存在以下转换关系

其中:

式中:X E为地心地固坐标系下观测矢量;X NUE为本地坐标系下观测矢量;e为第一偏心率;Ae为大地椭球长半轴.

2)时间匹配算法

在信息融合算法中,要求各传感器信息在时间上严格同步,才能利用滤波算法,保证系统信息的精度.在本系统中,GPS接收机有很准确的秒脉冲输出,GPS的秒同步脉冲(1 PPS,每秒一个脉冲)和UTC(世界协调时)秒点是对齐的,是非常精确的.GPS接收机严格地在每一个 1 PPS脉冲的边沿时刻进行一次伪距、伪距变化率、载波相位测量、GPS标准授时、定位等测量,因此,可以认为 GPS的数据更新频率就是准确的 1 Hz.主惯导的数据更新周期 T INS远远小于 1 s,在 10 ms以下,所以利用 GPS的1 PPS脉冲作为同步的标准时刻,进行融合数据的同步是很好的选择.本文采用基于 GPS的 PPS秒脉冲和高精度晶振的一种软硬件相结合的实时系统[6].

图3 时间同步示意图Fig.3 Schematic diagram of time synchronization

两路数据的同步示意图如图3所示.图中,长竖线表示 GPS的 1 PPS脉冲,即 GPS数据更新点;短竖线表示 INS数据更新时刻.从图3中可以看出,在 GPS数据更新点上,INS没有数据输出.设 INS和 GPS的同步时间差为Δt,故有 T INS=T GPS+Δt.

设置统一时标,GPS和 INS相对于该时标计时,以 GPS的第一次计时值作为时间起点 (t=0),存储 INS的最新输出时间,若在 INS的最新输出时间 t s之后获得 GPS的输出,GPS的输出时间为 t GPS,则惯导相对于 GPS的同步时间差为

式中:f k-1为同步时间差.

另外,依据图3的各种时间节点的关系有

式中:Δtk为同步时间延迟量;Δfk为同步时间差.

因为 Nk为整周期数,所以其可简化为

由于Δt0是 t=0时刻 INS相对于 GPS的时间迟后,可以测得.所以可以利用以上公式递推得到fk,即得到各个 INS输出时间的同步差.

1.3.3 卡尔曼滤波器设计

采用联邦滤波融合方案,如图4所示.采用 INS的误差方程和惯性器件的误差方程组成组合系统的状态方程,以 DGPS提供的位置和里程仪提供的速度作为观测量.利用 DGPS提供的位置校正惯导系统的位置,利用高分辨率里程仪的速度来校正惯导系统的速度.由局部滤波到全局滤波的融合算法简单、计算量小、数据通讯少,便于实时执行[7-8].

系统的状态方程和量测方程的离散形式为

式中:X k为被估计的状态变量;Z k为量测变量;

Φk+1,k为状态转移阵;Hk为量测阵;Wk为系统激励噪声,其方差阵为 Qk;Vk为量测噪声阵,其方差阵为R k.

初始状态的统计特性为 E[X 0]=m x 0,var[X0]=P0.X 0,W k和 V k互不相关.

设局部子滤波器的状态估计分别为 X^1,X^2和 X^3,其对应的估计误差方差分别为 P^11,P^12和 P^13,则全局最优估计为局部估计的线性组合,即

选择待定系数矩阵 w1,w2和 w3,以使 X^为最小方差估计,则

通过解算可知,全局最优估计的误差要小于局部估计的误差,也就是说全局估计优于每一个局部估计.

2 仿真结果

本文对载机初始对准进行仿真,系统包括高精度平台主惯导,高精度 DGPS,高分辨率里程仪和高精度气压高度表.各传感器子系统的更新频率 (Hz)或测量间隔 (s)分别为:①主惯导 50 Hz;② DGPS接收机 1～ 2 s,高分辨率里程仪+高精度气压高度表1/4～ 1/2 s.假设载机以 45°航向角平飞,在 20～40 s的时间作盘旋机动,其余时间匀速飞行.对准误差均为 5′,在传递对准结束后,120 s的共同飞行期间,应用卡尔曼滤波器专家系统进行失准角估计,h E0,h L0的收敛速度较快,h u0的收敛速度较慢,在 120 s时实现对准,准精度可以达到 0.3°以下[9-10].

3 结 论

本文所论述的多传感器数据融合方法,在捷联惯导专家评估系统中得到了应用,经初步仿真试验,利用系统中的多传感器融合信息进行滤波解算,能够提高系统的评估基准精度,从而提高整个专家系统的评估精度,更好地完成评估任务,同时也为导航系统中的多传感器信息融合提供了参考.

[1]鲁红英,肖思和,宋弘.信息融合技术的方法与应用研究 [J].四川理工学院学报(自然科学版),2007,20(5):35-38.Lu Hongying,Xiao Sihe,Song Hong.Methods and applications studying of information fusion[J].Journal of Sichuan University of Science&Engineering(Natural Science Edition),2007,20(5):35-38.(in Chinese)

[2]何友.多传感器信息融合及应用 [M].北京:电子工业出版社,2000.

[3]鲁浩,徐世杰,徐剑芸.惯导系统传递对准精度实验的半物理仿真方案[J].测试技术学报,2007,21(3):225-231.Lu Hao,Xu Shijie,Xu Jianyun.Transfer alignment of inertial navigation system precision of the semi-physical simulation test program[J].Journal of Test and Measurement Technology,2007,21(3):225-231.(in Chinese)

[4]徐田来.车载组合导航信息融合算法研究与系统实现 [D].哈尔滨:哈尔滨工业大学,2007.

[5]李林,黄柯枥.集中式多传感器融合系统中的时间配准研究[J].传感技术学报,2007,20(11):2445-2449.Li Lin,Huang Kedi.Research on time alignment algorithms of centralized multi-sensor fusion system[J].Chinese Journal of Sensors and Actuators,2007,20(11):2445-2449.(in Chinese)

[6]张冀.基于多源信息融合的传感器故障诊断方法研究 [D].保定:华北电力大学,2008.

[7]Spalding K.An efficient rapid transfer alignment filter[C].Proceedings of the AIAA Guidance,Navigation and Control Conference(Part 1).Hilton,USA,1992:1276-1286.

[8]扈光锋,王艳东,范跃祖.传递对准中测量延迟的补偿方法 [J].中国惯性技术学报,2005,13(1):10-14,20.Hu Guangfeng,Wang Yandong,Fan Yuezu.Compensation method for measurement delay in transfer alignment[J].Journal of Chinese Lnertial Technology,2005,13(1):10-14,20.(in Chinese)

[9]鲁浩,杜毅民,王纪南.应用于近距空空导弹惯导系统的传递对准技术[J].中国惯性技术学报,2005,13(5):10-15.Lu Hao,Du Yimin,Wang Jinan.Transfer alignment technology for INS of ASRAAM[J].Journal of Chinese Inertial Technology,2005,13(5):10-15.(in Chinese)

[10]邱吉冰,蒋志翔.组合导航系统离线信息融合算法 [J].计算机工程与设计,2008,29(9):2346-2349.Qiu Jibing,Jiang Zhixiang.Algorithm of post-information fusion on integrated navigation system[J].Computer Engineering and Design,2008,29(9):2346-2349.(in Chinese)