[发明专利]基于贝叶斯压缩感知的GPS/INS紧组合周跳探测和修复算法

说明书

技术领域

本发明涉及定位信号中周跳的探测方法，具体为一种基于贝叶斯压缩感知的GPS/INS紧组合周跳探测和修复算法，来提高GPS差分定位的定位精度,广泛适用于弱信号和高动态环境。

背景技术

在GPS定位过程中会受到观测环境、干扰噪声和多径效应等的影响，而且在城市环境中，GPS信号受遮挡中断频繁，周跳的频繁发生影响了导航的效率。然而INS的导航性能不受观测环境的影响，够输出更为平滑的高速率导航解，但INS定位误差会随着时间积累，通常需要利用GPS观测值进行周期修正，将GPS和INS结合起来，可以同时克服GPS易受地形影响和INS导航误差随时间积累的缺陷，充分发挥各自的优势。因此在GPS/INS组合系统中，INS可用于辅助GPS对周跳问题进行准确的探测和修复，从而得到更高精度的导航和定位结果。

发明内容

本发明将GPS和INS通过卡尔曼滤波进行紧组合来同时克服GPS易受地形影响和INS导航误差随时间积累的缺陷，可以更准确地描述各项误差和校正。对原始的载波相位观测值线性化之后先后经过站间差分和历元差分可以基本消除电离层误差和对流层误差等，从而得到载波相位观测量的双差模型。由于双差模型是欠定方程，无法求解出周跳，而压缩感知就是一种结合稀疏分解及最优化方法进行重构的信号获取理论，因此可以利用压缩感知从欠定方程中求出周跳发生的位置和大小。对周跳的修复可以转化为对组合优化问题的求解，但是这种方法的修复误差率很高，而贝叶斯压缩感知是从贝叶斯统计学的角度考虑压缩感知的信号重构问题，在有噪声的环境下优势尤为明显。本技术方案所设计的算法可以有效降低GPS周跳探测的误差率，提高GPS周跳修复的准确率，进而提高GPS差分定位的定位精度，具有广泛的应用前景。

本发明是采用如下的技术方案实现的：基于贝叶斯压缩感知的GPS/INS紧组合周跳探测和修复算法，包括以下步骤：

(1)设定GPS/INS紧组合系统误差状态向量

X＝[x_Nav,x_Acc,x_Gyr,x_Gra]^T，其中

x_Nav＝[δr_N,δr_E,δr_D,δv_N,δv_E,δv_D,δψ_N,δψ_E,δψ_D]^T，

x_Gyr＝[ε_bx,ε_by,ε_bz]^T，

x_Gra＝[δg_N,δg_E,δg_D]^T，x_Nav中包括9个导航解误差、x_Acc中包括6个加速度误差模型参数、x_Gyr中包括3个陀螺漂移误差、x_Gra中包括3个重力误差；

(2)GPS/INS紧组合系统的误差状态方程为：F为系统状态转移矩阵，G为系统动态噪声矩阵，W为均值为零的高斯白噪声向量；系统的观测方程为：

Z为双差观测量，e为观测噪声，A为双差观测值设计矩阵，为导航系到地球系的旋转矩阵，为载体系到地球系的旋转矩阵；

(3)在GPS/INS紧组合系统定位过程中，载波相位的基本观测方程可表示为：λφ＝ρ_INS+cδt_u-cδt^s-I+T-λN+ε_φ，式中，ρ_INS为INS预测的卫地距，c为光速，δt_u为接收机钟差，δt^s为卫星钟差，I为电离层延迟误差，T为对流层延迟误差，N为周整模糊度，ε_φ为载波相位观测噪声；将ρ_INS在(x₀,y₀,z₀)处线性化，