連文浩，楊小龍，朱磊，程帥

(中國人民解放軍63981部隊(duì)，湖北 武漢 430311)

?導(dǎo)航、制導(dǎo)與控制

EKF在SINS/GNSS深組合導(dǎo)航中的應(yīng)用*

連文浩，楊小龍，朱磊，程帥

(中國人民解放軍63981部隊(duì)，湖北 武漢 430311)

為了在衛(wèi)星較少條件下也能提供連續(xù)穩(wěn)定、精度高的導(dǎo)航，建立了一種基于擴(kuò)展卡爾曼濾波器(extended Kalman filter，EKF)的捷聯(lián)慣導(dǎo)系統(tǒng)(strapdown inertial navigation system，SINS)/全球?qū)Ш叫l(wèi)星系統(tǒng)(global navigation satellite system，GNSS)深組合導(dǎo)航系統(tǒng)，并對該系統(tǒng)所采用的導(dǎo)航結(jié)構(gòu)、狀態(tài)估計(jì)算法等進(jìn)行研究設(shè)計(jì)。最后，在戰(zhàn)術(shù)級條件下，分別對單獨(dú)的SINS，SINS/GNSS松組合導(dǎo)航系統(tǒng)和SINS/GNSS深組合導(dǎo)航系統(tǒng)進(jìn)行仿真驗(yàn)證，并對導(dǎo)航結(jié)果進(jìn)行對比分析。從仿真結(jié)果可以看出，深組合導(dǎo)航系統(tǒng)位置誤差約為0.3 m，速度誤差約為0.01 m/s，姿態(tài)誤差約為0.005°。對比分析可知深組合導(dǎo)航精度更高，且不受衛(wèi)星個(gè)數(shù)條件影響，具有很高的實(shí)用價(jià)值。

SINS/GNSS深組合導(dǎo)航；擴(kuò)展卡爾曼濾波；狀態(tài)估計(jì)；導(dǎo)航精度；導(dǎo)航定位結(jié)果；戰(zhàn)術(shù)級

0 引言

SINS導(dǎo)航誤差通過導(dǎo)航方程被不斷積分，使其導(dǎo)航精度會(huì)隨時(shí)間下降[1]，而GNSS的輸出功率很低，噪聲誤差大，且導(dǎo)航信號容易被遮擋或干擾[2]，而將這2種系統(tǒng)結(jié)合起來，可以形成連續(xù)、高帶寬、精度高的組合導(dǎo)航系統(tǒng)[3]。SINS/GNSS組合導(dǎo)航系統(tǒng)是目前應(yīng)用最為廣泛、性能最優(yōu)、自主性最強(qiáng)的組合導(dǎo)航系統(tǒng)。它主要是利用GNSS提供的長時(shí)間高精度的導(dǎo)航輸出參數(shù)來對SINS進(jìn)行誤差校正，彌補(bǔ)SINS導(dǎo)航誤差隨時(shí)間增大的缺點(diǎn)，同時(shí)利用SINS的連續(xù)工作能力對GNSS信號中斷進(jìn)行輔助，平滑處理導(dǎo)航結(jié)果，提高GNSS的抗干擾能力，從而實(shí)現(xiàn)穩(wěn)定性高、可靠性強(qiáng)、精度高的全天候?qū)Ш侥芰4-5]。

SINS/GNSS組合導(dǎo)航系統(tǒng)導(dǎo)航結(jié)果的最優(yōu)化求解、導(dǎo)航系統(tǒng)的位置和速度誤差估計(jì)等都要用到卡爾曼濾波(Kalman filter，KF)[6]。標(biāo)準(zhǔn)的卡爾曼濾波算法中，通常假設(shè)組合導(dǎo)航系統(tǒng)是線性的，然而實(shí)際系統(tǒng)并非如此[7]。本文運(yùn)用卡爾曼濾波的非線性形式——EKF來對導(dǎo)航系統(tǒng)進(jìn)行狀態(tài)估計(jì)，有效的解決了組合導(dǎo)航系統(tǒng)觀測參數(shù)非線性化，時(shí)間相關(guān)噪聲、系統(tǒng)噪聲標(biāo)準(zhǔn)方差未知和觀測數(shù)據(jù)非高斯分布等實(shí)際問題[8-9]。

1 組合導(dǎo)航結(jié)構(gòu)

SINS/GNSS組合導(dǎo)航系統(tǒng)結(jié)構(gòu)主要包括松組合、緊組合和深組合，本節(jié)分別對這3種組合導(dǎo)航結(jié)構(gòu)進(jìn)行闡述，并就其各自的優(yōu)缺點(diǎn)進(jìn)行對比分析。

1.1松組合導(dǎo)航

SINS/GNSS松組合導(dǎo)航是利用GNSS輸出的位置和速度參數(shù)，作為輸入傳遞給卡爾曼濾波器，后者用它來估計(jì)SINS誤差，同時(shí)，根據(jù)SINS誤差對SINS導(dǎo)航參數(shù)進(jìn)行校正，校正后的SINS導(dǎo)航參數(shù)作為組合導(dǎo)航的輸出。SINS/GNSS松組合導(dǎo)航系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 松組合導(dǎo)航系統(tǒng)結(jié)構(gòu)Fig.1 Structure of loose integrated navigation system

在SINS/GNSS松組合卡爾曼濾波器中，會(huì)假設(shè)輸入的測量噪聲是時(shí)間不相關(guān)的，這與實(shí)際GNSS測距處理器的輸出參數(shù)是不相符的，這個(gè)問題嚴(yán)重影響了卡爾曼濾波器在松組合導(dǎo)航系統(tǒng)中的使用。而且，松組合導(dǎo)航系統(tǒng)至少需要4顆導(dǎo)航衛(wèi)星，才能保證GNSS輸出有效的導(dǎo)航參數(shù)[10]。因此，松組合導(dǎo)航系統(tǒng)的使用具有限制性。

1.2緊組合導(dǎo)航

緊組合導(dǎo)航是在距離域進(jìn)行的，擴(kuò)展卡爾曼濾波器的輸入值源于GNSS測距處理器的偽距和偽距率，以此來估計(jì)SINS誤差和GNSS的鐘差。與松組合導(dǎo)航相同，緊組合導(dǎo)航輸出結(jié)果也是校正后的慣導(dǎo)參數(shù)。其具體結(jié)構(gòu)如圖2所示。

圖2 緊組合導(dǎo)航系統(tǒng)結(jié)構(gòu)Fig.2 Structure of tight integrated navigation system

從圖2中可以看出，緊組合導(dǎo)航系統(tǒng)將GNSS測距處理器和SINS/GNSS組合算法合并成一個(gè)算法，這就解決了松組合導(dǎo)航中假設(shè)卡爾曼濾波器的噪聲時(shí)間不相關(guān)與實(shí)際輸出參數(shù)不相符的問題。與此同時(shí)，當(dāng)沒有足夠的導(dǎo)航衛(wèi)星時(shí)，GNSS輸出的導(dǎo)航參數(shù)也能用于輔助SINS[11]。但是，由于不是所有的GNSS測距處理器都能輸出濾波器所需要的距離域參數(shù)，因此，容易導(dǎo)致輸出參數(shù)權(quán)值下降和降低卡爾曼濾波器增益等問題。

1.3深組合導(dǎo)航

在深組合導(dǎo)航中，衛(wèi)星位置和速度，以及GNSS誤差估計(jì)作為校正后的慣導(dǎo)參數(shù)。GNSS接收機(jī)累加輸出IS和QS，通過預(yù)濾波器傳輸給組合濾波器，組合濾波器估計(jì)SINS和GNSS誤差，并對SINS參數(shù)進(jìn)行校正，作為組合導(dǎo)航輸出結(jié)果。深組合導(dǎo)航系統(tǒng)結(jié)構(gòu)如圖3所示[12]。

與松組合和GNSS矢量跟蹤相比，深組合導(dǎo)航系統(tǒng)只需要跟蹤SINS參數(shù)誤差，而不需要跟蹤整個(gè)運(yùn)動(dòng)軌跡，因此，它能夠采用低跟蹤帶寬，從而增強(qiáng)系統(tǒng)的抗噪聲能力。并且深組合導(dǎo)航系統(tǒng)還可以在少于4顆導(dǎo)航衛(wèi)星的情況下工作。

與緊組合相比，深組合導(dǎo)航系統(tǒng)在濾波器中去除了跟蹤環(huán)路濾波和級聯(lián)濾波，避免了輸出參數(shù)權(quán)值下降和卡爾曼濾波器增益降低等問題。通過改變輸出參數(shù)權(quán)值，可以適用于不同的C/N0水平，當(dāng)導(dǎo)航衛(wèi)星信號中斷時(shí)，深組合導(dǎo)航系統(tǒng)也可以利用閉合碼和載波頻率跟蹤。因此，深組合導(dǎo)航系統(tǒng)結(jié)構(gòu)是最優(yōu)的組合結(jié)構(gòu)。

2 狀態(tài)估計(jì)

組合導(dǎo)航系統(tǒng)的狀態(tài)估計(jì)算法決定了系統(tǒng)的導(dǎo)航參數(shù)，而卡爾曼濾波則是導(dǎo)航系統(tǒng)中絕大部分狀態(tài)估計(jì)的基礎(chǔ)算法，被廣泛應(yīng)用于GNSS和陸基無線電導(dǎo)航、GNSS信號檢測、組合導(dǎo)航、SINS的精確對準(zhǔn)和標(biāo)校等。

2.1卡爾曼濾波

卡爾曼濾波不僅是一種濾波器，更是一類狀態(tài)估計(jì)算法。它包含5個(gè)核心要素：系統(tǒng)模型、狀態(tài)向量及其協(xié)方差、觀測模型、觀測向量及其協(xié)方差和濾波算法。

2.1.1 系統(tǒng)模型

卡爾曼濾波要求所有狀態(tài)的時(shí)間導(dǎo)數(shù)是其他狀態(tài)和白噪聲的線性函數(shù)。在t時(shí)刻卡爾曼濾波的狀態(tài)向量x(t)可以表示為[13]

(1)

式中：ω(t)為系統(tǒng)噪聲向量；F(t)為系統(tǒng)矩陣；G(t)為連續(xù)系統(tǒng)噪聲分布矩陣。

(2)

當(dāng)F(t)在(t-τs)～t之間時(shí)，F(xiàn)(t)可近似為常數(shù)，由式(2)可得

(3)

在離散卡爾曼濾波中，狀態(tài)估計(jì)值是前一時(shí)刻估計(jì)值的線性函數(shù)，可以表示為

(4)

式中：Φk-1為狀態(tài)轉(zhuǎn)移矩陣。

將式(3)帶入式(4)得

Φk-1≈exp(Fk-1τs).

(5)

圖3 深組合導(dǎo)航系統(tǒng)結(jié)構(gòu)Fig.3 Structure of deep integrated navigation system

當(dāng)F(t)和G(t)在積分時(shí)間間隔內(nèi)近似為常數(shù)時(shí)，由式(5)可得

xk=Φk-1xk-1+Γk-1ωk-1，

(6)

式中：ωk-1為離散系統(tǒng)的噪聲向量；Γk-1為離散系統(tǒng)噪聲分布矩陣。

假設(shè)系統(tǒng)噪聲為白噪聲，可以得到系統(tǒng)噪聲協(xié)方差矩陣為

(7)

2.1.2 觀測模型

在t時(shí)刻卡爾曼濾波的觀測向量可以表示為

z(t)=H(t)x(t)+υ(t)，

(8)

式中：H(t)為觀測矩陣；υ(t)為白噪聲源。

狀態(tài)估計(jì)值是觀測值與前一時(shí)刻的估計(jì)值的線性組合，可以表示為

(9)

式中：Kk和Lk為權(quán)值函數(shù)。

狀態(tài)估計(jì)誤差和觀測噪聲是不相關(guān)的，因此由式(9)可以得到誤差協(xié)方差矩陣為

(10)

2.2擴(kuò)展卡爾曼濾波(EKF)

卡爾曼濾波算法的推導(dǎo)是建立在對被估狀態(tài)和噪聲源特性的假設(shè)上的，這在實(shí)際導(dǎo)航系統(tǒng)中并不一定成立，因此，需要EKF算法，以此來解決非線性系統(tǒng)模型、時(shí)間相關(guān)噪聲、系統(tǒng)/觀測噪聲方差未知等問題[14]。

EKF是卡爾曼濾波的非線性化形式，它的系統(tǒng)動(dòng)態(tài)模型可以表示為

(11)

根據(jù)2.1節(jié)內(nèi)容可以得到狀態(tài)向量傳播公式為

(12)

由于在EKF中，假設(shè)狀態(tài)向量估計(jì)的誤差遠(yuǎn)小于狀態(tài)向量，因此系統(tǒng)狀態(tài)向量殘差可以表示為

(13)

EKF的觀測模型為

z(t)=h(x(t),t)+υ(t)，

(14)

式中：h為狀態(tài)向量的非線性函數(shù)。

由式(14)可以得到觀測新息為

(15)

2.3基于濾波的導(dǎo)航定位解算

導(dǎo)航定位解由卡爾曼濾波器的狀態(tài)向量組成，無論載體是否移動(dòng)，導(dǎo)航解的位置和速度都是被估計(jì)的。在導(dǎo)航濾波器的系統(tǒng)模型和觀測模型中，存在8個(gè)待估的狀態(tài)量：天線位置、速度、接收機(jī)鐘差和接收機(jī)時(shí)鐘漂移。

在不同坐標(biāo)系下，導(dǎo)航濾波器的狀態(tài)向量分別表示為

(16)

(17)

式中：上標(biāo)i為地心慣性坐標(biāo)系(ECI)坐標(biāo)系；e為地心地固坐標(biāo)系(ECEF)坐標(biāo)系。

結(jié)合2.1節(jié)和2.2節(jié)內(nèi)容，系統(tǒng)噪聲協(xié)方差矩陣可以表示為

(18)

由于在GNSS導(dǎo)航模型中，偽距和偽距率是狀態(tài)估計(jì)值的非線性函數(shù)，因此，必須使用EKF測量模型。同樣由2.1節(jié)和2.2節(jié)內(nèi)容可知，在ECI系和ECEF系中，預(yù)測的偽距測量矩陣可以表示為

(19)

式中：j表示衛(wèi)星s和衛(wèi)星信號的總稱；W表示三維坐標(biāo)系；ρ表示偽距；v表示速度；γ表示ECI系和ECEF系。

3 基于EKF的組合導(dǎo)航系統(tǒng)模型

在SINS/GNSS組合導(dǎo)航系統(tǒng)中，GNSS導(dǎo)航處理器測量輸出值與根據(jù)SINS參數(shù)預(yù)測的測量值之間的差被用作更新狀態(tài)向量，因此，由SINS和GNSS得到的測量值必須是同時(shí)有效的。

3.1基于EKF的松組合導(dǎo)航系統(tǒng)

SINS/GNSS松組合導(dǎo)航系統(tǒng)所輸出的導(dǎo)航解要運(yùn)用到GNSS導(dǎo)航設(shè)備的位置和速度參數(shù)，因此，它的測量新息向量包括GNSS參數(shù)和校正后的SINS位置和速度參數(shù)的差值，同時(shí)也對SINS到GNSS天線的傳輸路徑進(jìn)行了補(bǔ)償[15]。根據(jù)第2章內(nèi)容可知，基于EKF的SINS/GNSS松組合導(dǎo)航系統(tǒng)測量矩陣可以表示為

(20)

在某些特定情況下，姿態(tài)誤差和陀螺零偏在導(dǎo)航過程中是弱耦合的，這些誤差主要通過速度誤差的變化進(jìn)行估計(jì)，因此，測量矩陣中的非常數(shù)項(xiàng)可近似為0，在此不多加討論。

3.2相干預(yù)濾波器深組合導(dǎo)航

相干預(yù)濾波器的核心部件是估計(jì)碼相位、載波相位和載波頻率跟蹤誤差的跟蹤濾波器，通常采用的是EKF算法。SINS/GNSS深組合的相干預(yù)濾波器的工作原理如圖4所示[16-17]。

為了使載波相位估計(jì)精確，跟蹤濾波器的更新頻率至少應(yīng)為50 Hz，因此，只有在接收機(jī)的輸出頻率很高時(shí)，才能進(jìn)行Is和Qs相關(guān)求和。同時(shí)，在進(jìn)行偽距和偽距率測量時(shí)，輸出到組合濾波器的頻率通常為1 Hz或2 Hz。

所有的相干濾波器都要估計(jì)碼跟蹤誤差、載波相位誤差和載波頻率誤差，還可以根據(jù)實(shí)際情況估計(jì)載波頻率跟蹤誤差的導(dǎo)數(shù)和載波功率噪聲密度比。如果估計(jì)載波頻率跟蹤誤差的導(dǎo)數(shù)，則狀態(tài)估計(jì)的系統(tǒng)模型可以表示為

(21)

由于存在接收機(jī)時(shí)鐘噪聲，頻率跟蹤誤差必須建立相應(yīng)的噪聲方差，噪聲方差與實(shí)際方向的加速度和的平方成正比。

如果導(dǎo)航接收機(jī)前段有自動(dòng)增益控制(AGC)，那么測量噪聲就是一個(gè)常數(shù)(信號幅度隨c/n0變化)。噪聲標(biāo)準(zhǔn)差根據(jù)接收機(jī)設(shè)計(jì)的不同而變化，此時(shí)，濾波器的偽距測量新息可以表示為

(22)

因此，根據(jù)式(19)和式(22)可以得到，深組合導(dǎo)航測量矩陣可以表示為

圖4 深組合的相干預(yù)濾波器Fig.4 Phase interference filter of deep combination

(23)

式中：ψ為偏航角或方位角。

在SINS/GNSS深組合導(dǎo)航中，導(dǎo)航接收機(jī)接收的NCO控制命令是慣導(dǎo)處理器產(chǎn)生的，因此，產(chǎn)生NCO命令的有效時(shí)間和接收命令的有效時(shí)間之間存在明顯的延時(shí)，影響延時(shí)的因素主要有：IMU采樣窗口的長度；從IMU采樣輸出到慣導(dǎo)處理器、慣性導(dǎo)航參數(shù)計(jì)算、生成NCO命令所花費(fèi)的時(shí)間；與導(dǎo)航接收機(jī)進(jìn)行NCO命令通信、應(yīng)用NCO命令花費(fèi)的時(shí)間；GNSS相關(guān)窗口長度等[3]。

對于大多數(shù)的導(dǎo)航處理器，如果做了延遲補(bǔ)償，那么以50 Hz來更新NCOC命令就足夠了。如果沒有延遲補(bǔ)償，則更新頻率應(yīng)調(diào)整為100 Hz。

4 仿真驗(yàn)證及對比分析

采用Spirent SinGen軟件仿真出的車載運(yùn)動(dòng)軌跡作為戰(zhàn)術(shù)級SINS，SINS/GNSS松組合導(dǎo)航系統(tǒng)和SINS/GNSS深組合導(dǎo)航系統(tǒng)的Matlab仿真輸入。

4.1戰(zhàn)術(shù)級SINS仿真

仿真條件為：慣性導(dǎo)航系統(tǒng)，戰(zhàn)術(shù)級慣導(dǎo)器件，ECEF坐標(biāo)系下，載車初始速度20 m/s，90°轉(zhuǎn)彎，加速到20 m/s，-90°轉(zhuǎn)彎，再加速到20 m/s，運(yùn)動(dòng)一段距離后停車。其導(dǎo)航仿真位置誤差如圖5所示，速度誤差如圖6所示，姿態(tài)角誤差如圖7所示。

從圖5～7中可以看出，單獨(dú)的SINS導(dǎo)航誤差隨仿真時(shí)間加長而不斷變大，呈積分趨勢。

圖5 戰(zhàn)術(shù)級SINS導(dǎo)航位置誤差Fig.5 Position error of SINS in tactical level

圖6 戰(zhàn)術(shù)級SINS導(dǎo)航速度誤差Fig.6 Velocity error of SINS in tactical level

圖7 戰(zhàn)術(shù)級SINS導(dǎo)航姿態(tài)角誤差Fig.7 Attitude angle error of SINS in tactical level

圖8 SINS/GNSS松組合導(dǎo)航位置誤差Fig.8 Position error of loose integrated navigation system of SINS/GNSS

4.2SINS/GNSS松組合導(dǎo)航系統(tǒng)仿真

仿真條件為：SINS/GNSS松組合導(dǎo)航系統(tǒng)，戰(zhàn)術(shù)級慣導(dǎo)器件，ECEF坐標(biāo)系下，GNSS導(dǎo)航衛(wèi)星4顆，衛(wèi)星信號預(yù)相關(guān)帶寬50 MHz，接收機(jī)通道數(shù)12，組合濾波器測量更新頻率1Hz，載車初始速度20 m/s，90°轉(zhuǎn)彎，加速到20 m/s，-90°轉(zhuǎn)彎，再加速到20 m/s，運(yùn)動(dòng)一段距離后停車。其導(dǎo)航仿真位置誤差如圖8所示，速度誤差如圖9所示，姿態(tài)角誤差如圖10所示。

從圖8～10中可以看出，與單獨(dú)的SINS相比，SINS/GNSS松組合導(dǎo)航誤差整體呈收斂趨勢，但在某些時(shí)間點(diǎn)，導(dǎo)航誤差會(huì)出現(xiàn)跳變，這是受導(dǎo)航衛(wèi)星數(shù)影響的結(jié)果。

4.3SINS/GNSS深組合導(dǎo)航系統(tǒng)仿真

仿真條件為：SINS/GNSS深組合導(dǎo)航系統(tǒng)，戰(zhàn)術(shù)級慣導(dǎo)器件，ECEF坐標(biāo)系下，GNSS導(dǎo)航衛(wèi)星3顆，衛(wèi)星信號預(yù)相關(guān)帶寬50 MHz，接收機(jī)通道數(shù)12，組合濾波器測量更新頻率50 Hz，載車初始速度20 m/s，90°轉(zhuǎn)彎，加速到20 m/s，-90°轉(zhuǎn)彎，再加速到20 m/s，運(yùn)動(dòng)一段距離后停車。其導(dǎo)航仿真位置誤差如圖11所示，速度誤差如圖12所示，姿態(tài)角誤差如圖13所示。

從圖11～13中可以看出，與SINS/GNSS松組合導(dǎo)航類似，SINS/GNSS深組合導(dǎo)航誤差也呈收斂趨勢，但其誤差曲線變化較松組合平緩，且基本沒有明顯跳變。

4.4仿真結(jié)果對比

分別選取仿真60 s時(shí)單獨(dú)的慣導(dǎo)、SINS/GNSS松組合導(dǎo)航、SINS/GNSS深組合導(dǎo)航的位置誤差、速度誤差和姿態(tài)角誤差進(jìn)行對比分析，其具體誤差數(shù)據(jù)如表1所示。

表1 導(dǎo)航誤差數(shù)據(jù)Table 1 Navigation error data

圖9 SINS/GNSS松組合導(dǎo)航速度誤差Fig.9 Velocity error of loose integrated navigation system of SINS/GNSS

圖10 SINS/GNSS松組合導(dǎo)航姿態(tài)角誤差Fig.10 Attitude angle error of loose integrated navigation system of SINS/GNSS

圖11 SINS/GNSS深組合導(dǎo)航位置誤差Fig.11 Position error of deep integrated navigation system of SINS/GNSS

圖12 SINS/GNSS深組合導(dǎo)航速度誤差Fig.12 Velocity error of deep integrated navigation system of SINS/GNSS

圖13 SINS/GNSS深組合導(dǎo)航姿態(tài)角誤差Fig.13 Attitude angle error of deep integrated navigation system of SINS/GNSS

5 結(jié)論

本文建立基于EKF的SINS/GNSS深組合導(dǎo)航定位模型，通過仿真驗(yàn)證得到導(dǎo)航誤差結(jié)果，并與單獨(dú)的SINS以及SINS/GNSS松組合導(dǎo)航誤差結(jié)果進(jìn)行對比分析，主要結(jié)論如下：

(1) 與單獨(dú)的SINS相比，SINS/GNSS深組合導(dǎo)航系統(tǒng)導(dǎo)航誤差明顯下降，且通過GNSS導(dǎo)航參數(shù)對SINS進(jìn)行初始化校正，可以避免SINS導(dǎo)航誤差的積分趨勢。

(2) 與SINS/GNSS松組合導(dǎo)航相比，SINS/GNSS深組合導(dǎo)航位置誤差基本穩(wěn)定，速度誤差也基本在同一數(shù)量級，姿態(tài)角誤差明顯降低1～2個(gè)數(shù)量級。

(3) 從仿真結(jié)果可以看出，本文建立的SINS/GNSS深組合導(dǎo)航系統(tǒng)導(dǎo)航結(jié)果更加穩(wěn)定，不會(huì)出現(xiàn)明顯跳變現(xiàn)象，在相同條件下，其對導(dǎo)航環(huán)境的適應(yīng)能力更強(qiáng)，且不受導(dǎo)航衛(wèi)星數(shù)影響，在少于4顆導(dǎo)航衛(wèi)星時(shí)，仍能穩(wěn)定輸出導(dǎo)航結(jié)果，具有較高的實(shí)際應(yīng)用價(jià)值。

[1] Paul D Groves.Principles of GNSS，Inertial and Multisensor Intergrated Navigation Systems[M].MA：Artech House，2013.

[2] HEIN G W.Envisioning a Future GNSS System of Systems，Part one[M].NJ:Inside GNSS，2007:58-67.

[3] GROVES P D，MATHER C J.Receiver Interface Requirements for Deep INS/GNSS Integration and Vector Tracking[J].Journal of Navigation，2010，63(3):471-489.

[4] 崔留爭,高思遠(yuǎn),賈宏光,等.神經(jīng)網(wǎng)絡(luò)輔助卡爾曼濾波在組合導(dǎo)航中的應(yīng)用[J].光學(xué)精密工程,2014,22(5):1304-1311.

CUI Liu-zheng，GAO Si-yuan，JIA Hong-guang，et al.Application of Neural Network Aided Kalman Filtering to SINS/GPS[J].Optics and Precision Engineering，2014,22(5):1304-1311.

[5] HIROKAWA R，EBINUMA T.A Low-Cost Tightly Coupled GPS/INS for Small UAVs Augemented with Multiple GPS Antennas[J].Navigation：JION，2009，56(1):35-44.

[6] 王堅(jiān),劉超,高井祥,等.基于抗差EKF的GNSS/INS緊組合算法研究[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版,2011,35(5):596-600.

WANG Jian，LIU Chao，GAO Jing-xiang，et al.GNSS/INS Tightly Coupled Navigation Model Based on Robust EKF[J].Journal of Wuhan University:Geomatics and Information Science ed，2011,35(5):596-600.

[7] XING Z，Gebre Egziabher D.Comparing Non-Linear Filters for Aided Inertial Navigators[C]∥ION ITM，Anaheim，2009:1048-1053.

[8] DRAGANOV A，HAAS L，HARLACHER M.The IMRE Kalman Filter-a New Kalman Filter Extension for Nonlinear Applications[C]∥IEEE/ION PLANS，Myrtle Beach，2012:428-440.

[9] 魏彤,郭蕊.自適應(yīng)卡爾曼濾波在無刷直流電機(jī)系統(tǒng)參數(shù)辨識中的應(yīng)用[J].光學(xué)精密工程,2012,20(10):2308-2314.

WEI Tong，GUO Rui.Application of Adaptive Kalman Filter to System Identification of Brushless DC Motor[J].Optics and Precision Engineering，2012，20(10):2308-2314.

[10] KIESEL S.Discriminator Weighting and Performance of Deeply Coupled GPS/INS System at Low C-No[C]∥ION ITM，San Diego，2011:858-867.

[11] WANG X L，LI Y F.An Innovative Scheme for SINS/GPS Ultra-Tight Integration System with Low-Grade IMU[J].Aerospace Science and Technology，2012，23(1):452-460.

[12] SIVANANTHAN S，WEITZEN J.Improving Optimality of Deeply Coupled Integration of GPS and INS[C]∥ION ITM，Anaheim，2009:426-433.

[13] SIMON D.Optimal State Estimation[M].New York：Wiley，2006.

[14] 韓輔君,徐靜,宋世忠.基于低成本多傳感器的自適應(yīng)組合濾波[J].光學(xué)精密工程，2011,19(12):3007-3015.

HAN Fu-jun，XU Jing，SONG Shi-zhong.Adaptive Attitude Estimation Filtering with Low-Cost Multi-Sensors for MAHRS[J].Optics and Precision Engineering，2011，19(12):3007-3015.

[15] SENNOTT J W，SENFFNER D.Navigation Receiver with Coupled Signal-Tracking Cbannels[R].U.S.Patent 5343209，1994.

[16] ABBOTT A S，LILLO W E.Global Positioning System and Intertial Measuring Unit Ultratight Coupling Method[R].U.S.Patent 6516021，2003.

[17] Beser J Trunav.A Low-cost Guidance/Navigation Unit Integrating a SAASM-Based GPS and MEMS IMU in a Deeply Coupled Mechanization[C]∥ION GPS 2002，Portland OR，2002:545-555.

EKFUsinginDeepIntegratedNavigationSystemofSINS/GNSS

LIAN Wen-hao，YANG Xiao-long，ZHU Lei，CHENG Shuai

(PLA,No.63981 Troop，Hubei Wuhan 430311,China)

A deep integrated navigation system of SINS/GNSS is established based on EKF to provide continuous and stable, high precision navigation on the condition of less satellites. At the same time, the navigation structure and state estimation algorithm of this system are studied. Finally, the navigation results of individual SINS, loose integrated navigation system of SINS/GNSS and deep integrated navigation system of SINS/GNSS are verified by simulation at tactical level. The simulation results show that the position error of deep integrated navigation system is about 0.3 m, velocity error is about 0.01 m/s, attitude angle error is about 0.005°. It indicates that the precision of deep integrated navigation is higher, which is not affected by satellite condition, and has very high practical value.

deep integrated navigation system of SINS/GNSS；extended Kalman filter(EKF)；state estimation；navigation accuracy；navigation positioning result；tactical level

2016-09-18；

2016-12-30

有

連文浩(1987-)，男，山東榮成人。助工，碩士，主要從事導(dǎo)航、雷達(dá)技術(shù)等方面研究。

通信地址：430311 湖北省武漢市黃陂區(qū)漢口北大道195號E-mail：546425830@qq.com

10.3969/j.issn.1009-086x.2017.05.010

V249.32+2；TN967.1

A

1009-086X(2017)-05-0053-10