[发明专利]一种GNSS/INS组合导航系统的导航方法

说明书

本发明提供一种GNSS/INS组合导航系统的导航方法，应用于GNSS/INS组合导航系统工作在紧组合模式下。技术方案是：利用GNSS接收机的伪码跟踪环路锁定值、载波相位跟踪环路锁定值、导航信息校验值构造联合权重矩阵，对GNSS接收机伪距测量值的协方差矩阵进行修正；利用修正的GNSS接收机伪距测量值的协方差矩阵，通过因子图计算得到GNSS/INS组合导航系统的导航结果。本发明导航精度高，且不需要增加额外的传感器，因此具有低成本的特点，在工程实践中具有很好的应用价值。

技术领域

本发明涉及卫星导航技术领域，特别是涉及GNSS(Global Navigation SatelliteSystem,全球卫星导航系统)与INS(Inertial Navigation System，惯性导航系统)组合导航系统的紧组合模式下，利用测量信号进行导航的方法。

背景技术

GNSS以其全天时、全球覆盖、高精度的定位性能，成为当今主流的导航手段，然而GNSS落地信号功率低(约-160dBw)，且易受各种干扰及遮挡，导致在某些复杂环境下可用性差，如城市峡谷。INS以其不与外界发生信息交换的特点，恰好解决了GNSS易受干扰的问题。将上述两种导航设备组合在一起的 GNSS/INS组合导航系统，取二者之优点，已成为未来导航技术发展的趋势。

GNSS/INS组合导航系统通常有三种组合模式，分别为：松组合模式、紧组合模式和深组合模式。其中，紧组合模式具有适中的计算量和良好的定位性能，是目前GNSS/INS组合导航技术研究的热点。GNSS/INS组合导航系统紧组合模式通常采用GNSS接收机输出的原始观测信息(如伪距、伪距率、多普勒等) 作为测量值，通过贝叶斯滤波器，和INS输出的测量值进行融合滤波，得到最优的系统状态估计量。这种模式下，GNSS/INS组合导航系统是非线性的，需要使用非线性的融合滤波方法来进行系统状态量估计。非线性融合滤波方法分为基于模型状态的非线性融合滤波方法和基于小波分析、神经网络、模糊控制等的非线性融合滤波方法。在基于模型状态的非线性融合滤波方法中，通常是在 Kalmam滤波方法基础上变化的扩展算法，参见文献[1]-[3]。这些扩展算法使用数值积分或线性逼近的方法，对系统状态的后验概率密度分布函数进行逼近，并基于某种最优化准则，对系统状态量进行最优估计。使用上述方法时，存在的问题是：当GNSS/INS组合导航系统运行在卫星信号频繁短暂失锁、强多径干扰等复杂环境下时，由于GNSS测量噪声变化剧烈、测量值缺失，即测量模型改变，上述的非线性融合滤波方法，对系统状态量发生突变的适应能力差，不具有应对GNSS/INS组合导航系统模型不确定的鲁棒性，在噪声统计值未知或者时变情况下易出现滤波精度下降甚至发散，导致计算失败。

为了解决上述问题，文献[4]提出了一种基于因子图的优化方法，对GNSS 接收机中接收的每一颗卫星都设置可靠性因子，可靠性因子表示卫星信号的质量好坏，当某颗卫星的伪距、伪距率等测量值缺失时，对应的可靠性因子为0，表示该卫星不可见，当某颗卫星测量值正常时，可靠性因子为1，表示该卫星信号可用，但是文献[4]的方法，没有解决卫星信号在各种遮挡、干扰环境下伪距测量值变差而导致的模型不准确问题。文献[5]提出了一种基于鱼眼相机辅助的，在因子图模型下的GNSS/INS组合导航系统紧组合导航方法，该文献增加了鱼眼相机作为系统的辅助传感器，实时获取运动载体周围的可见光图像，从而判断载体目前在哪些方向上有建筑物等的遮挡，再结合星历给出的卫星位置，来判断哪些卫星不可用。另外，利用GNSS接收机输出的信噪比、卫星方位角等测量信息，使用拟合公式计算卫星可用性的权值，将此权值作为对应卫星伪距测量的方差参与系统状态量的计算。文献[5]相比文献[4]的方法更具完整性和准确性，然而新增的鱼眼相机增加了系统成本和复杂性，同时拟合公式也是由经验值计算而来，不同的传感器设备，不同的应用场景，拟合公式的参数不同，需要用户自定义，不具通用性。

发明内容