GNSS与IMU集成原理及其改进分析
2016-07-15赵福生杨宏瑞薛艳丽
赵福生,杨宏瑞,薛艳丽
(1. 测绘出版社,北京 100045; 2. 昆明云金地科技有限公司,云南 昆明 650106;3. 中测新图(北京)遥感技术有限责任公司,北京 100039)
GNSS与IMU集成原理及其改进分析
赵福生1,杨宏瑞2,薛艳丽3
(1. 测绘出版社,北京 100045; 2. 昆明云金地科技有限公司,云南 昆明 650106;3. 中测新图(北京)遥感技术有限责任公司,北京 100039)
摘要:GNSS和IMU是目前最重要的导航、定位、定姿方式,两者各有所长,其软硬件集成融合已是大势所趋。本文论述了GNSS与IMU的集成类型,介绍了各类型的特点及深度集成方式的原理,并进行了集成性能分析,最后给出了改进方案,进行了实例验证。
关键词:GNSS;IMU;集成;紧耦合
组合系统最早应用于导航领域。组合导航技术是指使用两种或两种以上的不同导航系统(或设备)对同一信息源作测量,利用不同导航设备性能上的互补特性,从这些测量值的比较值中提取各系统的误差并校正,以提高整个导航系统性能的方法和手段[1]。不同类型的系统之间,误差往往具有互补性,集成起来可充分发挥各自系统的优点,又较好地解决了各自的不足[2]。集成系统一般具有3种功能[3]:协合功能、互补功能和余度功能。GNSS与IMU的主要优缺点见表1。
表1 IMU与GNSS优缺点的比较
一、GNSS与IMU集成类型
集成方式主要有非耦合、松耦合和紧耦合3种,其各有优缺点。通过分析,根据各自的优点,以及对目前存在问题的研究,可以对系统集成进行一定的改进。对于IMU与GNSS的集成结构,根据研制的集成方案可以分为4个主要类型[4]。
1) 非耦合系统。在该系统中,GNSS的估计位置只简单地用于每隔一定的时间对IMU指示的位置进行重新设置。
2) 松耦合集成。在该系统中,对IMU和GNSS的位置估值和速度估值进行比较,得到的差值形成卡尔曼滤波器的测量输入值。
3) 紧耦合集成。在该集成中,GNSS的伪距测量值和伪距率测量值与IMU系统生成的这些量的估值进行比较。
4) 深耦合集成。该集成将GNSS信号跟踪功能与GNSS+IMU集成结合在一起,形成一个单一算法。它将GNSS信号跟踪与GNSS+IMU集成合并成一个单独的卡尔曼滤波器。
二、紧耦合系统及其改进
紧耦合方法的优点主要是由于将松耦合系统中使用的两个卡尔曼滤波器进行组合,具体为:①不用考虑将一个卡尔曼滤波器的输出用作第二个滤波器的测量输入时所产生的统计问题;②隐含完成GNSS位置和速度协方差的交接;③系统不需要用完整的GNSS数据来辅助IMU,即使只跟踪到单个卫星信号,GNSS数据也会输入滤波器,但是精度下降很快。图1给出了一个简化的紧耦合GNSS/IMU方案的示意图。
1. 状态方程
在文献[5]中,系统状态变量涉及8个,即3个方向上的位置误差、3个方向上的速度误差、1个钟差及1个钟差漂移率;文献[6]关于状态系统参数提到为11个,即3个平台角误差分量、3个位置误差分量、3个速度误差分量、1个时钟差等效的距离误差和1个时钟频率漂移等效的速度误差;文献[7]根据实际需要及惯导敏感器的特性,增加3个轴向陀螺随机漂移和3个轴向加速度计随机漂移,共17个状态参数;而本文的状态变量中除11个与文献[6]相同外,在陀螺漂移中增加3个随机常值漂移和3个一阶马尔可夫过程,此外增加3个加速度计的测量误差,共20个参数[8],即
图1 紧耦合GNSS/IMU集成结构
(1)
分别对模拟平台角误差、速度误差、位置误差、仪表误差、GNSS误差进行分析,20个状态参数的表达式已确定。其中,前4部分为IMU范围,第5部分为GNSS范围。系统总状态方程用矩阵可以表示为
(2)
即
2. 量测方程
观测量是选择IMU和GNSS两者伪距之差和伪距率之差。对于GNSS伪距ρG可以由GNSS接收机测量得到;而对于IMU的伪距ρI,可以由IMU的位置(xI,yI,zI)和卫星星历确定的卫星j的位置(xsj,ysj,zsj)计算得到。载体到卫星j的伪距差为
(3)
GNSS要同时接收4颗卫星的数据,即j=1、2、3、4。那么整理后,伪距量测方程为
Zρ(t)4×1=Hρ(t)4×20X(t)20×1+Vρ(t)4×1
(4)
同理,伪距率量测方程为
(5)
综合式(4)和式(5)就可以得到基于伪距及伪距率的量测方程
(6)
三、性能分析与方案改进
1. 松、紧耦合性能分析
对于松散耦合,用GNSS和IMU输出的位置和精度信息的差值作为量测值,经卡尔曼滤波估计出IMU系统的误差,然后对IMU系统进行校正。这种模式下,GNSS接收机独立于IMU系统工作中,即使集成系统出现故障,也可以照常工作,增加了系统的可靠性。同时正常工作时,有冗余信息,这是紧耦合所缺少的。
此外,集成工作比较简单,适用于系统的改装,任何IMU和GNSS都可以采用这种方法。在时间对准方面,采用以GNSS所取位置所对应时刻作为解算的离散点,使IMU数据进行差值对应,方法比较简单。姿态误差与敏感器零偏之间的集成步骤较少,但是速度测量值可使敏感器零偏和姿态误差的估值能够及时获取。松耦合最大的缺陷就是GNSS输出的组合信息(位置和速度)有很大的相关性。
紧耦合则是高水平的集成,可以把GNSS和惯导系统按综合的要求进行一体化设计。GNSS接收机提供的伪距、伪距率信号为接收机接收后的原始信息,GNSS不需要经过导航解算,各个伪距、伪距率信号的误差独立、互不相关。伪距、伪距率组合便于卡尔曼滤波器的设计与实现。从理论上该组合效果比位置、速度组合方式好。同时伪距来自GNSS编码跟踪环,伪距率主要来自精度较高但可靠性较差的载波跟踪回路,两者是互补的。不足之处如下:系统高度集成,一旦出现故障,就完全不能工作,即可靠性差;另外,没有了GNSS位置、速度信息,一方面系统数据出现较大错误,也很难判别,另一方面在紧耦合解算过程中,量测方程中真实位置只能用IMU位置代替,误差较大。此外,计算量较大,精确补偿伪距误差有一定的难度。
在时间同步问题方面,松耦合时间不同步差中更多是由于GNSS解算而延迟,这对GNSS和IMU两个子系统的导航数据进行时间配准后,来获取两路信号在同一数据融合时间点上的同步量测数据将有很大的难度;而紧耦合中,耦合前GNSS解算极少,此方面的时间延迟可以忽略不计,但IMU中增加了伪距及伪距率解算,同时要考虑IMU位置时刻所对应的GNSS所捕获的卫星坐标。
2. 紧耦合方案改进
通过上面的分析可知,紧耦合集成方式没有明显的性能提高,在深入分析的基础上,考虑松耦合的可取之处,对紧耦合进行改进。
首先,GNSS位置和速度数据的必要性。
1) 多一份备用导航方案,增强可靠性。
2) 通过对比,可以很容易发现解算信息质量和错误。
3) 在组合计算中,提供一些相对较高精度的位置、速度数据,用于卡尔曼滤波的解算。
其次,对于组合导航数据信息中的δtu,可以回算接收机钟差,充分利用并及时对GNSS接收机进行修正。基于以上考虑,对紧耦合方案进一步改进,如图2所示。
图2 紧耦合改进结构
四、试验与分析
本文选取了江西省一条航线的原始数据,时间约600 s,在同样实地条件下以改进的紧耦合进行试验。试验结果位置误差及其均方差、俯仰角和横滚角结果如图3—图5所示。
图3 GNSS/IMU紧耦合位置误差
图4 GNSS/IMU紧耦合位置均方差
图5 GNSS/IMU紧耦合姿态角
由图中可以看出,改进后的GNSS+IMU紧耦合中,平面位置均方差在3~3.5 cm,高程均方差为4.5~5.5 cm,姿态角多在±1°之间,达到了较好的效果。
五、结束语
目前少控制甚至无控制的高低空摄影技术应用日益增多,相应的仪器设备也层出不穷,但对这一“打包”技术详尽释义的并不多,本文通过进一步分析、研究,提出了改进方案,达到了较好的效果。
在研究过程中,分析发现一些需要解决的问题或关键技术如下:精确初始化数据的获取;算法中系统误差(非白噪声)处理;GNSS时间相关性问题;伪距本身精度尚需提高;GNSS加入姿态,进行全集成;紧耦合解算过程中有过多的线性化等。这在以后的研究中需作进一步处理。
参考文献:
[1]张雨楠. INS/GPS组合导航系统滤波器设计 [D]. 哈尔滨:哈尔滨工程大学,2007.
[2]石平,张文安. IMU/GPS辅助航空摄影测量技术方法应用研究——以贵阳市航空摄影测量项目为例 [J].测绘通报,2016(1):88-90.
[3]吴舟. 组合导航数据处理方法研究及其应用 [D]. 长沙:国防科学技术大学,2006.
[4]李学友,赵荣军,李英成,等. IMU/DGPS辅助航测技术在大比例尺航测成图中的应用[J]. 测绘科学,2016,36(1):60-61.
[5]刘海颖,王惠南. 基于广义卡尔曼滤波的伪距组合GPS/INS导航[J]. 航天控制,2004,22(4):34-38.
[6]周星伶. GPS/INS组合导航系统松、紧耦合性能比较[J]. 航天电子技术,2007,38(4):1-6 .
[7]曹福祥,袁建平.基于精确伪距率观测模型的GPS/SINS组合导航系统研究[J]. 航天控制,1999(3):58-64.
[8]赵福生. INS/GPS组合算法研究及其误差分析[D]. 长沙:中南大学,2009.
[9]肖玉钢,姜卫平,陈华,等. 北斗卫星导航系统的毫米级精度变形监测算法与实现[J]. 测绘学报,2016,45(1):16-21.
[10]程多祥. 无人机移动测量数据快速获取与处理[M]. 北京:测绘出版社,2015.
GNSS and IMU Integration Principle and Improvement Analysis
ZHAO Fusheng,YANG Hongrui,XUE Yanli
收稿日期:2016-02-05
作者简介:赵福生(1981—),男,编辑,主要从事测绘图书的出版工作。E-mail:zfs_2006_csu@163.com
中图分类号:P228
文献标识码:B
文章编号:0494-0911(2016)06-0060-04
引文格式:赵福生,杨宏瑞,薛艳丽.GNSS与IMU集成原理及其改进分析[J].测绘通报,2016(6):60-63.DOI:10.13474/j.cnki.11-2246.2016.0190.