一種簡化的車載自適應組合導航算法

劉鵬飛，智奇楠，王青江，馬國駒，王立兵

(1.衛星導航系統與裝備技術國家重點實驗室，河北 石家莊 050081；2.中國電子科技集團公司第五十四研究所，河北 石家莊 050081；3.中國人民解放軍63961部隊，北京 100012)

?

一種簡化的車載自適應組合導航算法

劉鵬飛1,2，智奇楠1,2，王青江1,2，馬國駒1,2，王立兵3

(1.衛星導航系統與裝備技術國家重點實驗室，河北 石家莊 050081；2.中國電子科技集團公司第五十四研究所，河北 石家莊 050081；3.中國人民解放軍63961部隊，北京 100012)

為解決復雜路況下車載組合導航系統存在的衛星導航系統信號衰弱、斷續導致信號觀測性差和組合濾波器穩定性下降甚至發散等問題，采用了一種簡化的、易于工程實際應用的車載自適應組合導航算法，利用數據檢測方法對衛導原始觀測數據進行評估，根據評估結果構造自適應濾波因子，實時更新濾波器量測噪聲協方差陣，提高濾波器對觀測信息變化的適應能力。通過實際動態跑車試驗，表明這種簡化的自適應組合導航算法在衛導信號斷續情況下，仍能保證3 m(RMS)的定位精度、0.04 m/s(RMS)的測速精度，較常規Kalman濾波定位精度提高近30%，測速精度提高達70%，能滿足城市、山區等惡劣場景下車載導航的需求。

車載導航；組合導航；自適應濾波；量測噪聲協方差陣

0 引言

地面導航裝備是陸用主戰武器的主要作戰保障單元，現代意義地面戰爭要求車輛能夠在復雜惡劣電磁地域環境下具備靈活性、機動性及快速投入戰場的適應性能力，并能為武器發射平臺提供精確的位置信息和姿態基準，這就對車載導航系統提出了更高的要求[1]。無線傳感器網絡節點的定位算法[2-3]、基于Taylor級數展開的改進定位算法[4]以及基于交互多模卡爾曼濾波器的定位算法[5]等技術的研究，都在一定程度上促進了車載導航系統的發展。

車載導航通常為組合導航系統，由慣性導航系統(INS)和衛星定位系統(GNSS)組成。在組合導航信號仿真模擬[6]、組合導航測試評估[7]方面也受到了越來越多的關注；車載組合導航在城市高樓區、林蔭道和隧道內等復雜環境下，GNSS信號衰弱、斷續，直接導致組合濾波器估計精度降低甚至濾波發散，這就面臨著組合導航濾波器量測噪聲統計特性不確定的問題。為解決此類問題，通常采用Sage-Husa自適應濾波技術，文獻[8]提出一種根據極大似然準則的自適應卡爾曼濾波算法；文獻[9]對標準Sage-Husa自適應濾波進行了簡化變形；文獻[10]則對一種最優自適應濾波算法進行了研究；文獻[11]針對陸用車載組合導航系統研究了自適應濾波算法；不過上述算法在實際應用仍存在諸多問題：噪聲統計特性估計不準確、算法復雜、計算量大、實時性差以及工程實現較困難。隨后出現的改進、簡化的Sage-Husa自適應濾波技術也都是利用濾波殘差等對噪聲統計特性進行估計，嚴重依賴濾波器狀態量的估計精度，獨立性差，不能很好地估計噪聲統計特性。

本文給出的一種簡化的自適應濾波方法，不依賴濾波殘差等因素的影響，直接利用GNSS提供的量測信息與INS輸出的導航信息，不斷構造自適應濾波因子，實時修正量測噪聲陣R，從而提高濾波估計精度和導航性能。

1 自適應組合濾波器的設計

車載自適應組合導航系統框圖如圖1所示。組合濾波器利用衛導系統提供的偽距/偽距率信息、慣導反算的偽距/偽距率信息進行量測更新。偽距/偽距率觀測信息首先通過數據質量檢測模塊，通過判斷觀測數據質量的好壞來確定觀測數據的統計特性，然后構造自適應濾波因子，同時計算出合理的量測噪聲方差陣R，再將噪聲方差陣R賦值給組合濾波器。組合濾波器將狀態估計值反饋給INS，用來修正INS誤差。同時INS還會為組合濾波器提供有效的運動約束信息，包括速度約束輔助信息以及航向輔助信息，提高濾波器的可觀測性。

圖1 車載自適應組合導航系統

1.1 狀態方程的建立

系統狀態方程中選取22維的狀態量，分別為三維姿態角誤差φ、三維速度誤差δv、三維位置誤差δp、三維陀螺零偏εb、三維加計偏置、俯仰安裝偏差角αθ、航向安裝偏差角αψ、捷聯慣導中心到GNSS中心的三維桿臂誤差δl、接收機鐘差δtu以及接收機鐘漂δtru：

(1)

狀態方程中的姿態誤差方程、速度誤差方程以及位置誤差方程可由捷聯慣導系統誤差方程得到，在此不再贅述。

陀螺零偏和加計偏置建模為一階馬爾科夫過程和白噪聲的組合。

針對車載導航，組合導航系統充分利用車輛在行進過程中產生的運動約束條件(速度、高度信息等)，尤其在無衛星導航信號環境下，為組合濾波器提供有效的觀測信息。

稀土元素(RE)在元素周期表中處于第IIIB族，其大多數元素離子形式的特征價態為正三價態(RE3+)。一般來說，鑭系元素(RE)在4f、5d和6s軌道都有電子分布，因而能出現大量的能級結構[1]。由于大部分稀土元素的4f能級組態基本類似，同時它們又都具有相同的原子結構。含有稀土離子的化合物具有獨特的化學性質和物理特性，在各個領域都有著廣泛的應用，其中在光電傳感元件等領域的應用尤為廣泛[2]。

(2)

使用車輛運動約束信息時，還應考慮到慣導系統在車輛安裝時與衛導天線之間的桿臂效應。實際上，在系統運行過程中，桿臂會隨著系統的震動或者形變而變化。通常情況下，桿臂誤差一般是由于系統機械部件的物理形變引起的，這些物理形變基本上都是低頻的，因此實際應用中，將桿臂誤差建模為時間常數為無窮大的隨機常數過程，滿足以下微分方程：

(3)

1.2 量測方程的建立

車體坐標系速度Vm可表示為：

(4)

(5)

對式(4)進行微分可得：

Μ1φ+M2δVn+M3α。

(6)

(7)

式中，M1(1,×)表示矩陣M1的第1行；M3(1,3)表示矩陣M3的第1行3列的元素；

針對車載導航系統，高度信息也可為組合濾波器提供有效的觀測信息[13]：

Zh=hins-href。

(8)

實際應用中，href為路面的參考高度值或經過濾波器修正后的有效高度值；hins為慣導輸出的高度值。根據Zh可以很容易得到相應的量測矩陣Hh：

(9)

(10)

(11)

至此，系統量測方程可表示為：

Z=HX+V。

(12)

式中，

(13)

1.3 自適應濾波因子的計算

(14)

③ 當觀測數據滿足檢驗條件式(11)時，計算自適應濾波因子：

(15)

由自適應濾波因子構成的量測噪聲矩陣R即可表示為：

(16)

式中，N為參與量測更新的衛星數目；R為對角陣。

2 跑車試驗與分析

車載組合導航系統由中精度的光纖慣組和自研的多頻多模衛星導航接收機組成，以高精度激光慣組和衛星導航接收機的組合導航結果作為參考基準。慣性器件主要技術指標如表1所示。

表1 慣組器件主要技術指標列表

試驗地點選擇在石家莊市區。試驗環境復雜，車輛道路兩旁樹木、高樓對衛導信號遮擋較嚴重，衛導信號連續性較差，試驗時長約2 500 s。

車輛的行駛軌跡圖以及衛導信號中斷時刻的軌跡圖如圖2所示。從圖2中可以看出，西北方向路段以及東南路段西側街道，衛導信號斷續情況嚴重，經統計，衛導信號中斷時間所占比例為31.1%。

圖2 車輛行駛軌跡和衛導信號中斷時刻軌跡

自適應組合導航、常規組合導航的誤差曲線如圖3和圖4所示。

圖3 自適應組合導航誤差曲線

圖4 常規組合導航誤差曲線

由圖4可以看出，常規組合導航的位置、速度誤差要明顯大于自適應組合導航的位置、速度誤差，而且常規組合導航誤差曲線的抖動變化要劇烈得多，不如自適應組合導航的誤差曲線平滑集中，常規組合導航單向位置誤差最大值已超過12 m，而自適應組合導航單向位置誤差的最大值還未超過4.5 m；自適應組合導航單向速度誤差最大值未超過0.2 m/s，而常規組合導航單向速度誤差最大值已達到0.4 m/s，遠遠大于自適應組合導航。

不同組合導航類型下的導航精度統計值如表2所示，自適應組合導航定位精度要略優于常規組合導航；而測速精度要明顯優于常規組合導航；從圖3、圖4以及表2可以得出：相對于常規組合導航來說，自適應組合導航對測速精度的提升要高于對定位精度的提升，即偽距率對應的自適應濾波因子對組合濾波器的影響要大于偽距對應的自適應濾波因子對組合濾波器的影響。

表2 不同組合導航類型下的導航精度統計表

偽距、偽距率觀測量對應的自適應濾波因子隨時間的變化曲線如圖5所示。動態場景下，偽距對應的濾波因子隨時間的變化不大，偶爾在某些時刻會有所變化，而偽距率對應的濾波因子隨時間的變化很大，對動態環境更為敏感，即偽距率對應的濾波因子對自適應濾波器的導航精度起主要作用。圖5濾波因子的變化曲線也進一步驗證了表2、圖3和圖4導航精度的正確性。

圖5 偽距、偽距率觀測量對應自適應濾波因子

3 結束語

針對復雜應用場景下衛導信號衰弱、斷續的情況，本文研究了一種簡化的車載自適應組合導航方法，利用GNSS提供的觀測信息、INS輸出的導航信息，在計算觀測值的統計特性的基礎上，給出了一種衛導信號質量好壞的檢測方法，該方法能夠有效利用衛星導航提供的觀測信息，對觀測質量較差的信息可進行及時的檢測并且合理的剔除，最后給出了自適應濾波因子的計算公式。實際的跑車試驗表明，接收機的原始偽距觀測噪聲在復雜動態環境下變化不大；而原始偽距率觀測噪聲在復雜動態環境下變化較顯著，而文章所給出的偽距率自適應濾波因子能很好地反映動態復雜信號環境下偽距率的噪聲變化水平及變化趨勢，相對于偽距濾波因子，偽距率濾波因子對自適應組合濾波器導航精度的提高起決定性作用。當然，上述結論以及偽距殘差閾值、偽距率殘差閾值都是是在對中精度光纖慣組器件(陀螺精度：1°/h，加計精度：1 mg)與自行研制的接收機組成的組合導航系統研究測試的基礎上得出的，針對不同的接收機以及不同精度慣組組成的組合導航系統，偽距殘差閾值、偽距率殘差閾值都需要根據衛導觀測數據的統計特性以及慣性器件的噪聲水平做適當調整：精度較高的慣導系統以及觀測質量較好的衛導接收機，其對應的殘差閾值應適當減小；精度較差的慣導系統以及觀測質量較差的衛導接收機，其對應的殘差閾值應適當增大，當然復雜的動態信號環境也會對閾值的選取產生影響。

[1] 付強文，秦永元，李四海，等.車輛運動約束輔助的慣性導航算法[J].中國慣性技術學報，2012，20(6)：640-643.

[2] 王 琰，王 喆.無線傳感器網絡節點定位算法研究[J].無線電通信技術，2011，37(5)：21-23.

[3] 林鑫海,李樹磊,趙 研,等.無線傳感器網絡通信技術與標準化分析[J].移動通信,2014,38(24):42-45.

[4] 劉春紅，戰 美，陸萍萍.基于Taylor級數展開的改進定位算法研究[J].無線電通信技術，2012，38(6)：48-51.

[5] 肖 寧，王 玫，雷延鋒.基于交互多模卡爾曼濾波器的定位算法[J].無線電通信技術，2013，39(1)：80-83.

[6] 劉子令，姚志成，范志良.衛星/慣性組合導航信號仿真器設計[J].無線電工程，2014，44(7)：39-42.

[7] 周泓伯，孫 旭，葉紅軍.組合導航裝備性能評估技術研究[J].無線電工程，2015，45(11)：40-43.

[8] 郭 強，李歲勞，賈繼超，等.無人機組合導航系統的自適應濾波研究[J].計算機仿真，2012，19(7)：51-54.

[9] 楊 波，王躍鋼，柴 艷.基于自適應濾波的飛艇組合導航系統研究[J].航天控制，2010，28(3)：33-37.

[10] YANG Yuan-xi,GAO Wei-guang.An Optimal Adaptive Kalman Filter [J].Journal of Geodesy,2006(80):177-183.

[11] FAKHARIAN A,GUSTAFSSON T,MEHRFAM M.Adaptive Kalman Filtering Based Navigation:an IMU/GPS Integration Approach[C]∥Proc of 2011 International Conference on Networking,Sensing and Control,Delft:IEEE,2011:181-185.

[12] 王惠南.GPS導航原理與應用[M].北京：科學出版社，2003.

[13] SHIN Eun-Hun.Accuracy Improvement of Low Cost INS/GPS for Land Applications[D].Calgary:the Universityof Calgary,2001:78-80.

[14] ANGRISANO Antonio.GNSS/INS Integration Method[D].Calgary:The University of Calgary,2010.

劉鵬飛 男，(1987—)，工程師。主要研究方向：慣性導航與組合導航技術。

智奇楠 男，(1983—)，高級工程師。主要研究方向：慣性導航與組合導航技術。

A Simplified Adaptive Filter in Vehicle Integrated Navigation System

LIU Peng-fei1,2,ZHI Qi-nan1,2,WANG Qing-jiang1,2,MA Guo-ju1,2,WANG Li-bing3

(1.StateKeyLaboratoryofSatelliteNavigationSystemandEquipmentTechnology,ShijiazhuangHebei050081,China; 2.The54thResearchInstituteofCETC,ShijiazhuangHebei050081,China; 3.Unit63961,PLA,Beijing100012,China)

To solve the problem of worse GNSS (Global Navigation Satellite System) signal observation and decreased even diverged integrated filter stability caused by the signal attenuation and interruption for vehicle integrated navigation system in complex road environment,a simplified vehicle adaptive integrated navigation algorithm easily for engineering practical application was adopted.Raw GNSS observation data was evaluated by the data detection method,adaptive filter factor was constructed according to the evaluation results,filter measurement noise covariance matrix was updated in real time to improve the adaptive ability for the change of measurement information.According to actual vehicle moving field test,the simplified adaptive navigation system could guarantee a position accuracy of 3 m (RMS),and a velocity accuracy of 0.04 m/s (RMS).The position accuracy is improved nearly 30% and velocity accuracy is improved up to 70% in contrast with Kalman filter when GNSS signal was interrupted.This approach can satisfy vehicle navigation requirement in bad environment such as city,mountain area and so on.

vehicle navigation;integrated navigation;adaptive filter;measurement noise covariance matrix

10.3969/j.issn.1003-3106.2016.12.11

劉鵬飛,智奇楠,王青江,等.一種簡化的車載自適應組合導航算法[J].無線電工程,2016,46(12):43-46,82.

2016-08-23

國家高技術研究發展計劃(“863”計劃)基金資助項目(ZX151450001,2013AA122105)。

TN967.1

A

1003-3106(2016)12-0043-04