直接配置中GPS辅助惯性导航系统研究



直接配置中GPS辅助惯性导航系统研究

车辆沿着某一轨道运行时自主估计车辆的状态（如位置、速度和方向等）的过程被称为导航。而自主导航是有人驾驶和无人驾驶车辆的一个重要功能。惯性导航系统（INS）和全球定位系统（GPS）是应用比较广泛的航位推算系统。但是，当车辆使用较低成本的传感器时，INS只能在短期内提供正确和高频率（100~ 200Hz）的信息；而GPS在低频域（1~4Hz）提供车辆参考位置和速度估计值。INS和GPS的融合可以形成一个导航系统，该系统充分利用了两者的优点，并且克服了单独使用时的缺点。因此，GPS辅助INS可以对车辆的全状态进行估计。

卡尔曼滤波通常被用来估计系统的状态变量、抑制测量噪声，其已被认为是最强有力的状态估计技术之一。所研究的GPS-INS集成系统的架构基于在直接配置扩展卡尔曼滤波的方法。该方法能通过预测状态和测量残差（预测值和当前值之间的差异）来更新状态向量。

系统预测状态。预测方程通过从陀螺仪和加速度计获得测量结果及时进行系统状态估计，估计的向量状态由22个状态变量组成，16个状态变量描述车身6自由度的运动，其余6个状态变量描述传感器误差（陀螺仪和加速度计偏差）。

系统更新。为了纠正和限制所估计系统状态的偏差，通过更新方程将全球参考信息和系统动力学先验假设融合到该系统中。系统更新考虑了3种系统：①车辆动力学先验知识以中等速度并入到系统中；②车辆的姿态信息以可变速率融入到系统中；③车辆位置和航向信息以低速率融入到系统中。

为了测试所提出的方法，使用马拉加数据集作为输入信号的Matlab实施方法被离线执行，马拉加数据集由在线免费提供，包含了传感器信号和精确的地面实况。试验结果表明，该系统在使用低成本传感器时仍然具有很好的鲁棒性。

刊名：Journal of Applied Research and Technology（英）

刊期：2014年第12期

作者：R. Munguía

编译：王莹