[发明专利]一种车载惯性器件随机误差在线估计算法

说明书

本发明公开了一种车载惯性器件随机误差在线估计算法，根据车载惯性传感器输出数据进行停车检测，当停车时，对静态惯性数据进行累加，去除IMU零偏后采用广义小波矩估计进行随机误差的在线建模和参数估计；当行驶时，使用INS/GNSS组合导航系统进行导航定位，估计IMU零偏，利用停车时所建随机噪声模型对惯性输出数据进行补偿，补偿结果送入导航系统进行解算；随着停车次数增加，该算法所建随机噪声模型的精度随之提高。本发明能够克服现有惯性传感器标定方法的局限，实现随机噪声的在线建模，提高INS/GNSS组合导航系统的定位精度。

技术领域

本发明涉及惯性器件标定技术领域，更具体的说是涉及一种惯性器件的随机误差的在线建模和参数估计算法。

背景技术

以精确、连续、可靠的方式估计车辆、飞机和船舶等运动对象在空间中的位置、速度和姿态对于自动驾驶、无人机作业及精细农业等实际应用而言是一个重要课题，目前通过全球导航卫星系统(Global Navigation Satellite System，GNSS)实现导航定位是在城市环境中最普遍使用的解决方案。然而，当运动对象处于复杂城市环境中，天桥、隧道或树荫遮挡导致的卫星信号部分或完全不可用的情况会严重降低此类系统的性能，而且对于某些特定的需求而言，GNSS的卫星接收机带宽较低(通常低于10Hz)，不能完全依赖GNSS提供的导航参数。此外，GNSS不能提供关于姿态的信息。

基于以上问题，一种最为常见的并得到广泛应用的方法是将GNSS与惯性导航系统(Inertial Navigation System，INS)结合起来，由于GNSS与INS具有优势互补性，因此将GNSS和INS进行组合后可以显著改善导航定位性能。当GNSS信号可用时，INS与GNSS的结合通常通过贝叶斯技术来实现，其中常用的算法包括标准卡尔曼滤波、卡尔曼滤波的变形和抗差自适应滤波等；当GNSS信号质量较差或完全失效时，INS以递推模式进行解算，即导航状态可以完全独立于GNSS来进行估计。在这两种模式下，整体的导航性能都在很大程度上取决于惯性信号的精确性，更准确地说，取决于惯性信号的误差。这些误差被集成到INS中进行积分计算，其影响会随着时间的推移而急剧增加。综上所述，对惯性信号的误差进行准确的建模和估计对于正确估计并提高导航性能质量至关重要。

目前，对惯性器件误差信号建模的传统方法如Allan方差法、PSD分析等经典方法都存在无法在谱域识别、分离误差的问题，具体分析如下：

(1)AV方法仅适用于在光谱域中可清楚识别和分离且不受光谱模糊性影响的噪声过程。而且，AV方法不允许直接读取GM过程的参数，因为较大的值使该过程类似于WN，而较小的值使该过程类似于RW。因此，传统的AV方法仅限于由以小波方差对数图中的线性区域为特征的过程组成的模型，而且在多数情况下传感器在采集数据过程中由于许多影响因素的干扰，其小波方差对数图不能表现出典型的线性区域的特征，因此在多数情况下，利用AV方法进行系数读取是难以实际使用的。

(2)经验WV的计算比无参数的PSD分析更简单。例如，周期图是功率谱密度函数的不一致估计量，即使是大样本量也会可能因为频率泄漏效应而存在严重偏差。因此，需要采用更复杂的PSD估计量或平滑技术，如预白化或锥形化，才能接近广义小波矩估计可提供的一致性；

(3)当PSD在非常窄的频带上具有较大的可变性时，将使基于经验PSD和基于模型的PSD之间差值的优化问题更难解决。

因此，结合上述背景，如何克服传统方法的局限性，提供一种惯性器件随机误差在线估计算法，是导航定位领域人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种车载惯性器件随机误差在线估计算法，用于解决具体车载对象在行驶过程中对惯性器件随机误差的在线建模和参数估计问题。

为了实现上述目的，本发明采用如下技术方案：

一种车载惯性器件随机误差在线估计算法，包括如下步骤：