本发明专利技术涉及一种低成本嵌入式GNSS/INS组合导航时间同步算法，包括：在整秒时刻将接收到的惯导数据做机械编排和计算状态协方差矩阵，得到第一数据；从第二个采样间隔IMU数据开始，将后续的IMU数据和里程计数据保存在缓冲器中，得到第二数据；根据设定时间内是否收到GNSS数据，选择对单独对第二数据卡尔曼滤波预测及更新或将GNSS数据和第二数据组合处理后再进行卡尔曼滤波预测及更新。本发明专利技术能够解决工程应用中GNSS和INS的数据接收的时间不同步问题，通过设置缓冲区等有效方法保证GNSS数据和INS数据能够在同一正确时间组合，进一步提高系统的定位精度。高系统的定位精度。高系统的定位精度。
【技术实现步骤摘要】
一种低成本嵌入式GNSS/INS组合导航时间同步算法
[0001]本专利技术涉及一种低成本嵌入式GNSS/INS组合导航时间同步算法
技术介绍
[0002]时间同步是实现实时组合导航的关键技术，其误差的大小决定了组合导航的定位精度。实时GNSS/INS组合导航是需要用GNSS的1PPS整秒时刻的GNSS数据和惯导数据做融合，但是由于存在电子线路延迟，无法在整秒时刻接收到两者的数据，从而两者无法在整秒时刻做组合导航。通常，1PPS时刻与接收到惯导数据以及GNSS数据的时刻并不相同。由于惯导与MCU通信以及惯导内部电路存在传输时间，导致1PPS时刻与接收IMU数据时刻之间存在时间差；而由于GNSS芯片定位解算以及GNSS芯片与MCU之间串口通信延迟，导致从1PPS时刻到完全接收到GNSS数据之间也存在一个时间。因此，如果要等接收到两者的数据后再做融合，会产生较大的定位误差。针对这一问题，提出了一种新颖的时间同步算法。
技术实现思路
[0003]为了解决工程应用中GNSS/INS组合导航中GNSS数据和INS数据的时间不同步问题，本专利技术目的在于开发出一种低成本嵌入式GNSS/INS组合导航时间同步算法，解决了GNSS数据和INS数据中的时间不同步问题，能够实现精度高，可靠性好的远程实时定位。
[0004]一种低成本嵌入式GNSS/INS组合导航时间同步算法，
[0005]在整秒时刻将接收到的惯导数据做机械编排和计算状态协方差矩阵，得到第一数据；
[0006]从第二个采样间隔IMU数据开始，将后续的IMU数据和里程计数据保存在缓冲器中，得到第二数据；
[0007]根据设定时间内是否收到GNSS数据，选择对单独对第二数据卡尔曼滤波预测及更新或将GNSS数据和第二数据组合处理后再进行卡尔曼滤波预测及更新。
[0008]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，若在设定时间内尚未接收到GNSS数据，则将第二数据依次进行机械编排，状态协方差矩阵和里程计卡尔曼滤波预测及更新，得到新的数据，再利用该数据对组合导航结果进行误差修正。
[0009]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，若在设定时间内接收到GNSS数据，将此时的GNSS数据与第一数据做卡尔曼滤波预测及更新；得到第三数据，利用第三数据对组合导航结果进行误差修正；将第二数据依次进行机械编排，状态协方差矩阵和里程计卡尔曼滤波预测及更新得到第四数据；利用第四数据对组合导航结果进行误差修正。
[0010]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，对第二数据进行处理时，将第二数据中保存的IMU数据进行机械编排和计算状态协方差矩阵后的结果，与第二数据中保存的里程计数据进行卡尔曼滤波预测及更新。
[0011]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，所述卡尔曼滤波预
测及更新包括
[0012]卡尔曼滤波预测步骤：根据系统的模型，基于系统的上一状态而预测出现在状态，如公式(1)，再利用上一时刻的状态转移矩阵与当前时刻的状态转移矩阵相乘得到当前时刻状态转移矩阵的估计值；预测过程状态中先计算误差状态向量X，再计算状态转移矩阵Φ，公式如下：
[0013]X
k,k
‑1＝Φ
k,k
‑1X
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0014][0015]卡尔曼滤波更新步骤：根据预测步骤中的公式得到状态预测结果后，再利用量测值和预测值对当前状态进行最优估计，得到最优的状态估计值；更新过程中首先计算状态预测协方差矩阵P，然后分别计算比例因子和自适应因子，再将比例因子和自适应因子代入计算增益K的公式中，最后利用增益矩阵更新误差状态向量X和状态估计协方差矩阵P。
[0016]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，卡尔曼滤波更新步骤中，采用如下公式
[0017][0018][0019][0020][0021]X
k
＝X
k,k
‑1+K
k
(Z
k
‑
H
k
X
k,k
‑1) (7)
[0022]P
k
＝(I
‑
K
k
H
k
)P
k,k
‑1ꢀꢀ
(8)
[0023]其中，X是误差状态向量；Φ表示状态转移矩阵；P是状态预测协方差矩阵；Q是系统噪声协方差矩阵；K是卡尔曼滤波增益矩阵，它决定观测信息的权重；H表示设计矩阵；R代表观测噪声协方差矩阵；Z代表观测向量；α是比例因子；β是自适应因子；trace()表示对矩阵求迹；表示卡方分布；是预测残差向量；以上的下角标代表状态的变化，例如，X
k,k
‑1表示从k
‑
1历元到k历元的误差状态向量。
[0024]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，当GNSS RTK为固定解时，计算比例因子根据以下公式
[0025][0026]其中，是固定解的观测向量协方差矩阵。
[0027]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，当GNSS RTK为浮点解时，计算比例因子根据以下公式
[0028][0029]其中，是浮点解的观测向量协方差矩阵。
[0030]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，当GNSS为伪距差分解时，计算比例因子根据以下公式
[0031][0032]其中，是浮点解的观测向量协方差矩阵。
[0033]在上述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，计算自适应因子根据以下公式
[0034][0035]β
k
(i)的初始值β
k
(0)＝1。
[0036]本专利技术通过设置缓冲区等有效方法保证GNSS数据和INS数据能够在同一时间组合，进一步来提高系统的定位精度。该GNSS/INS组合导航时间同步方法能够应用在各种平台上，包括车载，飞行器等。为了能够满足大众需求，该时间同步方法是一种低开销的算法，能够在价格低廉的嵌入式设备上很好的运行。
附图说明
[0037]图1一种低成本嵌入式GNSS/INS组合导航时间同步算法流程图
[0038]图2时间同步数据处理时序图
[0039]图3车载数据后处理的水平位置、水平速度和航向误差
[0040]图4车载数据嵌入式实时处理的水平位置、水平速度和航向误差
[0041]图5是改进自适应抗差卡尔曼滤波算法流程图。
[0042]图6是测试中标准扩展卡尔曼滤波和一步预测卡尔曼滤波各操作类型的运算次数。
[0043]图7是测试中标准扩展卡尔曼滤波和一步预测卡尔曼滤波在北、东本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种低成本嵌入式GNSS/INS组合导航时间同步算法，其特征在于：在整秒时刻将接收到的惯导数据做机械编排和计算状态协方差矩阵，得到第一数据；从第二个采样间隔IMU数据开始，将后续的IMU数据和里程计数据保存在缓冲器中，得到第二数据；根据设定时间内是否收到GNSS数据，选择对单独对第二数据卡尔曼滤波预测及更新或将GNSS数据和第二数据组合处理后再进行卡尔曼滤波预测及更新。2.根据权利要求1所述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，其特征在于：若在设定时间内尚未接收到GNSS数据，则将第二数据依次进行机械编排，状态协方差矩阵和里程计卡尔曼滤波预测及更新，得到新的数据，再利用该数据对组合导航结果进行误差修正。3.根据权利要求1所述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，其特征在于：若在设定时间内接收到GNSS数据，将此时的GNSS数据与第一数据做卡尔曼滤波预测及更新；得到第三数据，利用第三数据对组合导航结果进行误差修正；将第二数据依次进行机械编排，状态协方差矩阵和里程计卡尔曼滤波预测及更新得到第四数据；利用第四数据对组合导航结果进行误差修正。4.根据权利要求3所述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，其特征在于：对第二数据进行处理时，将第二数据中保存的IMU数据进行机械编排和计算状态协方差矩阵后的结果，与第二数据中保存的里程计数据进行卡尔曼滤波预测及更新。5.根据权利要求3所述的一种低成本嵌入式GNSS/INS组合导航时间同步算法，其特征在于：所述卡尔曼滤波预测及更新包括卡尔曼滤波预测步骤：根据系统的模型，基于系统的上一状态而预测出现在状态，如公式(1)，再利用上一时刻的状态转移矩阵与当前时刻的状态转移矩阵相乘得到当前时刻状态转移矩阵的估计值；预测过程状态中先计算误差状态向量X，再计算状态转移矩阵Φ，公式如下：X
k,k
‑1＝Φ
k,k
‑1X
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)卡尔曼滤波更新步骤：根据预测步骤中的公式得到状态预测结果后，再利用量测值和预测值对当前状态进行最优估计，得到最优的状态估计值；更新过程中首先计算状态预测协方差矩阵P，然后分别计算比例因子和自...
【专利技术属性】
技术研发人员：江金光，严培辉，谢东朋，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。