Lee J Y, Kim H S, Choi K H, et al. Adaptive GPS/INS integration for relative navigation[J]. Gps Solutions, 2016, 20: 63-75.
用于相對(duì)導(dǎo)航的自適應(yīng)GPS/INS集成

名詞翻譯

formation flying：編隊(duì)飛行

摘要翻譯

在編隊(duì)飛行、防撞、協(xié)同定位和事故監(jiān)測(cè)等許多應(yīng)用中，都需要基于GPS接收機(jī)和慣性測(cè)量單元的相對(duì)導(dǎo)航。由于傳感器安裝在獨(dú)立移動(dòng)的不同車輛上，因此由于不同的車輛動(dòng)力學(xué)和信號(hào)環(huán)境，相對(duì)導(dǎo)航中的傳感器誤差比單車輛導(dǎo)航中的更大。為了提高相對(duì)導(dǎo)航中對(duì)傳感器誤差變化的魯棒性，提出了一種有效的自適應(yīng)GPS/INS集成方法。在所提出的方法中，通過(guò)兩個(gè)基本不同的濾波器的創(chuàng)新分別估計(jì)GPS和慣性測(cè)量的協(xié)方差。一種是位置域載波平滑碼濾波器，另一種是速度輔助卡爾曼濾波器。通過(guò)所提出的雙濾波器自適應(yīng)估計(jì)方法，由于每個(gè)濾波器估計(jì)自己的測(cè)量噪聲，因此可以有效地隔離兩個(gè)傳感器的協(xié)方差估計(jì)。仿真和實(shí)驗(yàn)結(jié)果表明，該方法通過(guò)適當(dāng)?shù)脑肼晠f(xié)方差估計(jì)提高了相對(duì)導(dǎo)航精度。

關(guān)鍵詞

GPS/INS integration；Relative navigation；Adaptive estimation；CSC（carrier-smoothed-code） filtering
GPS/INS集成；相對(duì)導(dǎo)航；自適應(yīng)估計(jì)；CSC（載波平滑碼）濾波

Introduction

相對(duì)導(dǎo)航運(yùn)用場(chǎng)景：編隊(duì)飛行、車對(duì)車沖突避免、協(xié)同定位和事故監(jiān)測(cè)。
GPS與INS：松耦合（LC）和緊耦合（TC）。
? LC與TC：詳見本頁(yè)Configuration of relative GPS/INS integrationGPS/INS相對(duì)集成配置
阿隆索等人（2000）提出了一種利用多視線（LOS）矢量來(lái)估計(jì)編隊(duì)中多顆衛(wèi)星之間的相對(duì)位置和速度的方法。Bever等人（2002）比較了三種相對(duì)導(dǎo)航方法的特點(diǎn)；儀表系統(tǒng)中的獨(dú)立分離測(cè)量系統(tǒng)、編隊(duì)針和編隊(duì)飛行。
由于傳感器安裝在獨(dú)立移動(dòng)的不同物體上，因此由于不同的動(dòng)力學(xué)和信號(hào)環(huán)境，相對(duì)導(dǎo)航中的傳感器誤差比傳統(tǒng)的單體導(dǎo)航中的更大。因此，提高精度的一個(gè)關(guān)鍵因素是可變誤差特性的處理。為了解決這個(gè)問(wèn)題，自適應(yīng)估計(jì)方法傳統(tǒng)上被用于在存在時(shí)變誤差的情況下提高估計(jì)精度[Magill D (1965) Optimal adaptive estimation of sampled stochastic processes. IEEE Trans Autom Control 10(4):434–439][Mehra R (1970) On the identification of variances and adaptive Kalman filtering. IEEE Trans Autom Control 15(2):175–184][Mehra R (1971) On-line identification of linear dynamic systems with applications to Kalman filtering. IEEE Trans Autom Control 16(1):12–21]。
Relative inertial navigation algorithm 相對(duì)慣導(dǎo)算法
兩個(gè)物體的INS干擾來(lái)源有差異，所以INS算出來(lái)的位姿作差后，誤差會(huì)更大。
設(shè)主動(dòng)物體的框架（master-frame）和從動(dòng)物體框架框架（slave-frame），主動(dòng)到從動(dòng)的坐標(biāo)系轉(zhuǎn)換為C_m^s，角速度和比例變換矩陣為：

Configuration of relative GPS/INS integrationGPS/INS相對(duì)集成配置

與LC方法相比，TC積分利用原始GPS測(cè)量值。由于利用了原始測(cè)量，能避免級(jí)聯(lián)濾波問(wèn)題。但TC在可見的衛(wèi)星數(shù)量較多時(shí)，濾波狀態(tài)量也變多，計(jì)算量很大。
Park等人[Lee JY, Kim HS, Choi KH, Park JD, Kim MW, Lee HK (2011) A study of covariance estimation to apply carrier-smoothed-code filter in GNSS. In: Proceeding of the international science and technology conference, pp 7–9]提出了一種雙濾波器GPS/INS集成方法?；趦蓚€(gè)濾波器的GPS/INS集成配置如圖：

圖中CSCF估計(jì)準(zhǔn)確位置，KF估計(jì)剩余INS誤差狀態(tài)。
? CSCF在獲得厘米級(jí)精度的相對(duì)位置方面具有優(yōu)勢(shì)，KF可以提供高速速度和精確輸出。
? 可以通過(guò)組合CSCF提供的位置和KF提供的速度來(lái)獲得高速相對(duì)位置。
由于KF利用由載波相位測(cè)量而不是預(yù)濾波器形成的精確GPS速度，所以在所提出的方法中不會(huì)出現(xiàn)級(jí)聯(lián)濾波問(wèn)題，因?yàn)樵紲y(cè)量被用作每個(gè)濾波器的輸入。
自適應(yīng)GPS/INS積分方法還實(shí)現(xiàn)了兩種異構(gòu)濾波器，即自適應(yīng)單差分（SD）位置域（PD）CSCF和自適應(yīng)GPS/INS-KF。所提出的自適應(yīng)方法的架構(gòu)如下圖所示：

其中自適應(yīng)SD PD CSCF應(yīng)用于GPS測(cè)量，自適應(yīng)GPS/INS KF應(yīng)用于相對(duì)INS。
? 相對(duì)慣性測(cè)量值被用作相對(duì)INS算法的輸入，以獲得高輸出速率下的相對(duì)姿態(tài)和速度。
? GPS測(cè)量值被用作自適應(yīng)SD PD CSCF的輸入，用于相對(duì)定位。
此外，利用GPS載波相位測(cè)量來(lái)計(jì)算GPS相對(duì)速度。最后，將相對(duì)速度和估計(jì)的噪聲協(xié)方差用作自適應(yīng)KF的輸入，以獲得準(zhǔn)確的相對(duì)速度和姿態(tài)。

Adaptive estimation methods 自適應(yīng)估計(jì)方法

CSCF
CSCF解釋如下：Hatch[Hatch R (1983) The synergism of GPS code and carrier measurements. In: Proceeding of the international geodetic symposium on satellite doppler positioning, pp 1213–1231]提出了CSC濾波方法（Hatch濾波器），用于高精度GPS應(yīng)用。
知乎的解釋：偽距精度不如載波相位高，但是偽距可以實(shí)現(xiàn)絕對(duì)定位，而載波相位有一個(gè)未知的周整模糊度，無(wú)法實(shí)現(xiàn)絕對(duì)定位。因此，一個(gè)自然的想法時(shí)把兩者結(jié)合起來(lái)，能不能得到更精確的測(cè)量值。
一種最為常見的結(jié)合方法是：載波平滑偽距 Carrier-smoothed-code（CSC）。
CSC算法可以減輕計(jì)算負(fù)擔(dān)并減少所需的通信帶寬傳輸GPS觀察。 因此，眾多不同CSC算法已為運(yùn)動(dòng)GPS所設(shè)計(jì)出來(lái)。 在所有現(xiàn)有CSC算法中，Hatch Filter 是最著名的，最簡(jiǎn)單的過(guò)濾器方案。 但是，對(duì)于雙頻GPS數(shù)據(jù)并不能得到一個(gè)最優(yōu)的效果。

優(yōu)點(diǎn)：與卡爾曼濾波相比，CSCF不需要狀態(tài)轉(zhuǎn)移方程。它利用高精度載波相位測(cè)量來(lái)計(jì)算兩個(gè)連續(xù)時(shí)刻之間的增量位置。
由于CSCF不使用任何動(dòng)力學(xué)模型，載波相位測(cè)量噪聲成為時(shí)間傳播的主要誤差源。因此，CSC濾波中的精確時(shí)間傳播需要載波相位測(cè)量的精確協(xié)方差估計(jì)。
KF
不再贅述：

Simulation and experiment

位置誤差

與沒(méi)有使用自適應(yīng)濾波的傳統(tǒng)方法相比，使用所提出的自適應(yīng)方法時(shí)，生成了更準(zhǔn)確的相對(duì)速度估計(jì)。尤其：垂直方向的精度比水平方向的精度提高得多：

姿態(tài)誤差

與位置差不多。

相對(duì)基線誤差

相對(duì)基線：

實(shí)驗(yàn)部分略，有需要再添加。

Conclusions

針對(duì)自適應(yīng)相對(duì)導(dǎo)航，提出了一種有效的GPS/INS組合方法。
兩個(gè)基本不同的濾波器（自適應(yīng)SD PD CSCF、自適應(yīng)速度輔助GPS/INS KF）避免了級(jí)聯(lián)濾波問(wèn)題。
? 自適應(yīng)SD PD CSCF利用載波相位和偽距測(cè)量的噪聲協(xié)方差估計(jì)生成GPS位置。
? 自適應(yīng)KF利用慣性傳感器的噪聲協(xié)方差估計(jì)以高輸出速率生成準(zhǔn)確的相對(duì)速度和姿態(tài)信息。
仿真和實(shí)驗(yàn)結(jié)果表明：適當(dāng)?shù)脑肼晠f(xié)方差估計(jì)提高了導(dǎo)航解的精度。
進(jìn)一步：需要通過(guò)更多的現(xiàn)場(chǎng)實(shí)驗(yàn)來(lái)開發(fā)多星座GNSS的協(xié)方差估計(jì)技術(shù)。

思路+繪圖+句式

思路

GPS和INS相結(jié)合時(shí)，除了傳統(tǒng)的KF，還可以考慮GPS自身使用CSCF，甚至像本文一樣再將兩個(gè)濾波結(jié)合起來(lái)。
算法驗(yàn)證部分：仿真+實(shí)驗(yàn)（Simulation and experiment ）

繪圖

軌跡：

句式

基線：the baseline between GPS antennas（天線）, and the relative velocity generated for the simulation.