惯性卫星组合导航系统定位精度评定浅析

惯性导航系统的精度测试方法作者：罗嵘来源：《硅谷》2013年第05期摘要介绍一种测试惯性导航系统精度的方法，包括对位置、航向、横滚、俯仰以及速度等5个导航参数的精度测试。

关键词惯性导航系统；精度测试；位置；航向；横滚；俯仰；速度中图分类号：U666 文献标识码：A 文章编号：1671—7597（2013）031-106-02惯性导航系统（简称惯导）具有工作自主性强、参数种类多、抗干扰力强等优点，被广泛应用在各种飞机上。

本文介绍一种测试惯导精度的方法，包括对位置、航向、横滚、俯仰以及速度等5个导航参数的精度测试方法。

1 惯导的精度测试方法对惯导的位置和速度精度测试，通过试飞或跑车试验来进行，用GPS作为测试基准。

对航向和姿态精度测试通常在高精度转台上进行，以转台作为测试基准。

1.1 位置精度惯导位置精度采用径向误差率RER衡量。

在试飞或跑车试验中，从惯导进入导航工作状态开始，最少每隔1 min，最多每隔30 min对被测惯导输出的经/纬度值采样一次，同时记录测试基准的经、纬度值。

2 惯导的精度测试的实例下面举一个惯导位置和航向精度测试的实例。

比较式3～6式可看出，这4个公式的结构都相同，只是针对不同的参数，横滚、俯仰和速度精度测试的方法类似，因此不再举例说明。

2.1 位置精度测试对一部惯导进行的一次跑车试验，以Trimble 5700型GPS接收机作为测试的基准。

被测惯导通过ARINC429总线输出导航数据，GPS接收机通过RS232总线输出位置、速度等信息，两种数据都输入到数据采集计算机。

从惯导转入导航状态开始，每隔30 min，数据采集计算机记录一次惯导和GPS接收机输出的导航数据，持续的4 h为止，共记录了8组数据，如表1所示为采集和分析计算数据，和单位为′。

将表1中的RERi和N=8代入式（2），得出这次试验中这套惯导4 h内的位置精度为：RER=0.68 n mile/h。

2.2 航向精度测试对一部惯导进行航向精度测试，以精密转台作为测试基准。

GPS与惯性导航系统的组合定位方法与精度评定GPS（全球定位系统）和惯性导航系统（INS）都是现代导航领域中常用的定位技术。

然而，它们各自都存在一些限制，譬如GPS在城市峡谷地区存在信号遮挡问题，而INS则容易产生漂移误差。

为了克服这些限制，研究人员发现将GPS和INS通过组合定位方法结合使用，可以提供更准确和可靠的定位结果。

首先，我们来了解GPS定位技术。

GPS系统是由一组卫星和接收器组成的，工作原理是通过测量接收器和卫星之间的距离来确定接收器的位置。

然而，由于地面建筑物和天气条件的限制，GPS的定位精度可能受到一定的影响。

特别是在高楼大厦聚集的城市地区，建筑物会遮挡卫星信号，导致定位误差增加。

此外，恶劣天气条件如大雨、大雪等也会对GPS信号产生干扰，进一步降低了定位的准确性。

然而，惯性导航系统可以弥补GPS的不足之处。

INS由加速度计和陀螺仪等传感器组成，可以通过测量加速度和角速度来推断航向和位移。

与GPS不同，INS并不依赖于外部信号，因此不受天气和建筑物遮挡的影响。

然而，INS在使用时间越长，误差也会越来越大。

这是由于惯性传感器的漂移问题导致的。

因此，INS的定位结果并不是完全可靠的。

为了充分利用GPS和INS的优势，研究人员提出了一种组合定位方法，即将两者的定位结果进行融合。

这种方法通过使用卡尔曼滤波（Kalman Filter）算法来整合GPS和INS的信息。

卡尔曼滤波是一种数学算法，能够根据系统的动态模型和不确定性信息，进行估计和修正。

在组合定位中，卡尔曼滤波可以将GPS和INS的定位结果进行加权融合，从而得到更精确的定位值。

组合定位的过程可以简单描述为以下几个步骤：首先，根据GPS接收器的测量值，计算出当前位置的估计值。

然后，根据INS的测量值，根据运动方程和初始条件推断位置和速度的改变量。

接着，根据两种传感器的测量精度和不确定性信息，使用卡尔曼滤波算法来融合GPS和INS的定位结果。

卫星导航系统的精度评估与校正方法卫星导航系统是现代导航领域中的重要技术，可以提供全球范围内的定位、导航和时间服务。

然而，由于多种因素的影响，卫星导航系统的定位精度可能会受到影响。

因此，评估和校正卫星导航系统的精度是至关重要的。

本文将介绍卫星导航系统精度评估的方法，并探讨常见的校正方法。

首先，卫星导航系统的精度评估方法主要包括观测精度评估和定位精度评估。

观测精度评估是通过对接收机观测数据进行分析，确定卫星导航系统测量误差的大小和分布。

观测精度评估的主要指标包括接收机时钟误差、多径效应、大气延迟等。

定位精度评估是通过对接收机定位结果与真实位置进行对比，分析定位误差的大小和分布。

定位精度评估的主要指标包括水平定位误差和垂直定位误差。

在评估完卫星导航系统的精度之后，接下来可以根据评估结果选择合适的校正方法进行校正，以提高定位的精度。

常见的校正方法包括数据后处理、不完全性及误差模型、GNSS网络RTK以及差分定位技术等。

数据后处理是一种常用的校正方法，它通过对接收机观测数据进行精确计算和分析，针对观测误差进行修正。

数据后处理的关键是利用高精度星历、钟差和电离层延迟等信息对原始观测数据进行处理，从而得到更准确的定位结果。

此外，数据后处理还可以通过使用差分数据进行精度校正，提高定位精度。

不完全性及误差模型方法是另一种常见的校正方法，它利用对卫星导航系统的观测误差进行建模，并根据模型对观测数据进行校正，从而减小定位误差。

GNSS网络RTK（Real-Time Kinematic）技术是一种实时差分定位技术，通过在参考站部署多个接收机，实时获取卫星导航系统的差分信息，并将其传输到用户接收机进行实时校正，从而提高定位的精度。

GNSS网络RTK技术具有精度高、实时性强的特点，在提供准确的定位的同时，还能满足实时应用的需求。

此外，差分定位技术也是常见的校正方法之一。

差分定位技术通过同时测量参考接收机和用户接收机的信号，根据参考接收机的准确位置进行差分运算，从而消除接收机观测误差和卫星钟差等误差，提高定位的精度。

摘 要运载火箭等飞行器对导航系统精度等性能的要求越来越高。

对于高动态、飞行环境复杂的载体，限制导航精度等性能提升的一个关键问题是“天地一致性”问题，如测量模型参数以及组合导航滤波参数装订值与实际情况不一致等。

为此，本课题着重研究组合导航信息的深度利用，以SINS/GNSS组合导航系统为研究对象，研究组合导航在线评估与优化问题。

首先，建立了基于速度、位置观测的SINS/GNSS组合导航滤波模型，针对一组运载火箭模拟飞行轨迹，进行了状态可观测性分析和状态相互影响分析，确定了能够在线修正的状态量。

其次，针对在线评估无外部真值参考的限制，从观测数据质量、滤波质量的角度，提出了精度、收敛性和可靠性三个方面的定量指标函数，研究了各个指标的意义和内在联系，建立了一套在线评估指标体系，并通过仿真实验，分析了各指标对滤波噪声参数变化的极性和灵敏度。

然后，基于SINS、GNSS误差时间特性差异，通过信息深度融合，研究利用SINS短期高精度增量信息实现GNSS观测噪声参数的在线计算，并结合实测飞行数据验证了这种思路的合理性。

同时，改进了基于次优无偏极大验后估计的Sage-Husa自适应滤波，将其应用于系统噪声参数的在线估计。

综合上述研究，提出一种SINS/GNSS组合导航优化设计算法和并行架构，该架构在常规组合导航算法的基础上，增加一个并行滤波器，进行滤波噪声参数估计和滤波解算，通过综合评估不同滤波噪声参数的性能优劣，确定该时刻最优的估计结果，根据状态修正决策实施状态修正，并将确定的滤波噪声参数反馈至常规组合导航中，实现状态和滤波参数的在线优化。

基于提出的优化设计算法和架构：给出了在线估计滤波噪声参数的具体实现步骤；利用层次分析法（Analytic Hierarchy Process, AHP）构造了一个均衡考虑各方面性能的综合评估指标函数；研究了状态修正决策条件，并通过仿真验证了其有效性。

最后，采用一组飞行模拟数据，针对实际观测噪声未发生明显改变、滤波参数与实际情况一致的理想情况，以及飞行过程中实际观测噪声发生突变、滤波参数与实际情况存在偏差的恶劣情况两种场景，对比验证了优化设计算法的有效性。