郝雨時,徐愛功,隋 心,潘 峰
(1.遼寧工程技術大學 測繪與地理科學學院,遼寧 阜新 123000;2.北京衛(wèi)星導航中心,北京 10094)
中國正在運行和正在建設的北斗衛(wèi)星導航系統(tǒng)(BeiDou navigation satellite system,BDS)是全球衛(wèi)星導航系統(tǒng)(global navigation satellites system,GNSS)的重要組成部分[1],可全天候、全天時提供高精度位置信息,誤差不隨時間累積,但需保證信號實時跟蹤,且信號采樣率低、抗差性差、易受環(huán)境影響。相對于衛(wèi)星導航定位系統(tǒng),慣性導航系統(tǒng)(inertial navigation system,INS)具有短時間精度較高、可提供豐富的導航參數(shù)、采樣率高、自主性強的優(yōu)勢,其劣勢是誤差隨時間累積較快,無法長時間提供高精度導航參數(shù)。BDS/INS組合導航系統(tǒng)結合2種技術的特點,實現(xiàn)優(yōu)勢互補,BDS抑制INS誤差累積,INS輔助BDS信號跟蹤,保證長時間高精度、高頻率、較豐富的導航參數(shù)解算。隨著微機電系統(tǒng)(micro-electro-mechanical system,MEMS)及慣性測量單元(inertial measurement unit,IMU)技術的發(fā)展,MEMS-IMU以體積小、成本低的優(yōu)勢,在大部分組合導航應用中逐漸取代了高成本的光纖或激光慣導[2],基于BDS/MEMS-IMU組合導航理論研究具有深遠意義。
擴展卡爾曼濾波(extended Kalman filter,EKF)常用于組合導航數(shù)據(jù)處理,其精度依賴于系統(tǒng)、觀測模型精度,以及精確噪聲統(tǒng)計信息[3]。對于城市環(huán)境BDS/MEMS-IMU組合導航應用,常出現(xiàn)衛(wèi)星數(shù)目少甚至無可視衛(wèi)星的情況,單衛(wèi)星導航定位系統(tǒng)無法保證連續(xù)高精度定位,同時MEMS-IMU誤差累積迅速,導致模型精度難以維持,噪聲統(tǒng)計信息不易獲取,采用傳統(tǒng)EKF難以實現(xiàn)參數(shù)最優(yōu)解算。有關控制異常誤差影響的方法有抗差卡爾曼濾波[4]、自適應卡爾曼濾波和抗差自適應卡爾曼濾波[5-8]等。文獻[4,7-9]提出將自適應抗差濾波理論從不同角度對卡爾曼濾波進行改進,在組合導航應用中取得了明顯效果。
本文在系統(tǒng)噪聲參數(shù)優(yōu)化方面,通過比較當前預測殘差協(xié)方差與理論誤差協(xié)方差,調諧系統(tǒng)噪聲協(xié)方差一步預測;在觀測噪聲參數(shù)優(yōu)化方面,本文根據(jù)BDS觀測值觀測情況,評估觀測噪聲影響,對觀測噪聲參數(shù)進行進一步調諧,提升組合導航模型狀態(tài)參數(shù)解算精度。
理論上,BDS/MEMS-IMU緊組合具有可行性,緊組合可充分利用BDS觀測值信息,不受可視衛(wèi)星數(shù)量約束,誤差補償能力高于松組合;但在城市環(huán)境應用中,BDS信號無法保證連續(xù)跟蹤,衛(wèi)星信號頻繁失鎖且受多路徑效應影響,觀測值存在較大的觀測噪聲,較大的觀測噪聲會通過系統(tǒng)模型對狀態(tài)估計產生正反饋而導致濾波發(fā)散,狀態(tài)參數(shù)遠離真值[9]。從濾波器設計的應用角度來說,選取一個理論上次優(yōu)的濾波器比理論上最優(yōu)但易受模型誤差影響而崩潰的濾波器更為重要。因此,本文討論的BDS/MEMS-IMU組合導航模型采用松組合的形式,即觀測量為來自2個系統(tǒng)解算的位置及速度的差值,其中BDS定位方式采用基于相位的動態(tài)相對定位。
本節(jié)介紹的BDS/MEMS-IMU組合導航模型包括系統(tǒng)模型及觀測模型。推導過程在文獻[10-12]中均有詳細介紹,不作為本文的研究重點。
本文討論的BDS/MEMS-IMU系統(tǒng)模型采用姿態(tài)漂移角誤差模型,由INS位置rc、速度vc及漂移誤差角ψ的導航方程擾動分析獲得[13-14],表達式為
(1)
(2)
1.2.1 位置誤差觀測方程
IMU與BDS接收機物理位置關系如圖1所示。
圖1 IMU與BDS接收機位置關系
圖1中l(wèi)b為載體坐標系下杠桿臂。p系下由IMU推算的BDS接收機位置天線相位中心位置表達式為
(3)
假定lb無標定誤差,對式(3)做擾動分析得
(4)
(5)
式中εr為BDS位置觀測噪聲。BDS/MEMS-IMU位置誤差觀測方程為
(6)
1.2.2 速度誤差觀測方程
對式(4)求導[15]得
(7)
假定杠桿臂無標定誤差,對式(7)做擾動分析得
(8)
(9)
式中εv為BDS速度誤差,以BDS序貫解算過程中北東地速度標準差取代。BDS/MEMS-IMU速度誤差觀測方程為
(10)
卡爾曼濾波是一種線性最小方差估計方法[13],廣泛應用于多源數(shù)據(jù)融合解算。對于城市環(huán)境BDS/MEMS-IMU組合導航應用過程,模型結構、狀態(tài)參數(shù)及噪聲統(tǒng)計信息存在未知部分,且存在較大的系統(tǒng)及觀測噪聲。為實現(xiàn)參數(shù)最優(yōu)解算,需優(yōu)化相關噪聲參數(shù)(如系統(tǒng)噪聲協(xié)方差矩陣Qk、觀測噪聲協(xié)方差矩陣Rk及初始誤差協(xié)方差矩陣P0),以實現(xiàn)狀態(tài)參數(shù)最優(yōu)化解算。
P0反映濾波初始狀態(tài)誤差水平,影響濾波解算初期收斂速度,對全局影響較小,無需作為參數(shù)優(yōu)化的重點。Qk反映狀態(tài)參數(shù)的噪聲強度[14],Rk反映觀測值噪聲強度,二者大小影響卡爾曼增益的計算,即決定狀態(tài)參數(shù)解算對系統(tǒng)模型及觀測模型的依賴程度[15]。因此優(yōu)化Qk、Rk為濾波器噪聲參數(shù)優(yōu)化的重點。
系統(tǒng)噪聲協(xié)方差矩陣Qk無法直接控制,可利用自適應因子α調諧Pk一步預測。協(xié)方差一步預測表達式為
(11)
(12)
(13)
式中α的隸屬函數(shù)表達式為
(14)
式中:c0為常數(shù),可取1~1.5。若α小于1,系統(tǒng)預計正常,系統(tǒng)噪聲協(xié)方差預計接近真實的噪聲特性;反之,系統(tǒng)預計異常,可根據(jù)式(11)將Pk,k-1適當放大,則卡爾曼增益增大,抑制了狀態(tài)參數(shù)解算受系統(tǒng)模型誤差影響的程度。
預測殘差可反映系統(tǒng)模型精度及穩(wěn)定性,其前提是觀測值精度可靠,或觀測噪聲特性較精確已知;但實際應用中,觀測值無法長期保證穩(wěn)定的精度,即Rk不能符合真實的噪聲特性。若式(14)探測到系統(tǒng)異常,經過式(11)計算,導致濾波解算依賴觀測值精度,易擴大觀測噪聲的影響。較大觀測噪聲對狀態(tài)估計產生正反饋可導致參數(shù)估計發(fā)散不可逆[17]。
對于理想卡爾曼濾波器,給出一致的估計誤差與不確定度也能得到狀態(tài)參數(shù)穩(wěn)定估計[18],考慮帶寬限制下的觀測噪聲時間相關性及同步誤差,適當放大Rk是有必要的,一般要給出相應標準差2到3倍的狀態(tài)不確定度。令
(15)
式中:εr、εv分別為BDS解算的位置及速度的觀測噪聲,即BDS序貫解算過程中的誤差協(xié)方差,反映BDS解算過程的濾波精度,其大小往往小于真實絕對誤差;ρ為抗差因子。美國國家海洋電子協(xié)會(National Marine Electronics Association,NMEA)認為,位置精度衰減因子(position dilution of precision,PDOP)、模糊度固定成功率P、可視衛(wèi)星數(shù)N、εr、εv皆可直接或間接反映車載衛(wèi)星定位解算質量。本文根據(jù)NMEA協(xié)議,構建ρ的隸屬函數(shù),量化以上指標對觀測噪聲的影響,隸屬函數(shù)構建流程如圖2所示。
圖2 觀測噪聲參數(shù)優(yōu)化
ρ的作用在于根據(jù)觀測值質量調諧觀測噪聲協(xié)方差。κ、η、ζ及θ為量化參數(shù),用以量化觀測數(shù)據(jù)質量,可取0.1~0.5,以保證Rk在適當?shù)姆秶鷥确糯蟆?/p>
需要說明的是,為避免較大觀測噪聲通過系統(tǒng)造成估計偏差,需在執(zhí)行式(13)之前先進行觀測噪聲協(xié)方差優(yōu)化。
為測試噪聲參數(shù)優(yōu)化機制對BDS/MEMS-IMU組合導航的改善程度,本文設計2種實驗方案,比較其主要導航參數(shù)(平面位置、姿態(tài)角)的濾波精度及與參考結果的相對偏差。
方案1)利用標準EKF處理BDS/MEMS-IMU組合導航數(shù)據(jù);
方案2)利用加入噪聲參數(shù)優(yōu)化機制的EKF處理BDS/MEMS-IMU組合導航數(shù)據(jù)。
參考結果由光纖級別的定位定姿系統(tǒng)(position and orientation system,POS)提供,其GNSS系統(tǒng)采用GPS/BDS/GLONASS三系統(tǒng),IMU級別為光纖級。參考POS系統(tǒng)及本文測試的POS系統(tǒng)(BDS/MEMS-IMU)精度指標如表1所示。
表1 精度指標
圖3表示 BDS觀測值情況及定位觀測值結果質量。
圖3 BDS定位質量
圖3中,參考POS系統(tǒng)的IMU及BDS/MEMS-IMU系統(tǒng)的IMU采樣率皆為200 Hz,GNSS采樣率為1 Hz,采樣時間為1 527 s,空間里程8 715.094 m。根據(jù)BDS觀測情況,可以看出城市環(huán)境下,BDS系統(tǒng)解算頻繁出現(xiàn)異常,如PDOP值過大、模糊度固定成功率低等。
2種方案的濾波收斂結果如圖4所示。
圖4 2種方案濾波精度
由圖2~3可知,相對于標準EKF,加入噪聲參數(shù)優(yōu)化機制可以提升組合導航模型的濾波精度,平面位置及漂移誤差角的穩(wěn)態(tài)值有降低趨勢。對于平面位置濾波精度,2種方案的平面位置濾波收斂結果均有6個尖刺點,通過對比其大小,可以認為方案2提升了惡劣環(huán)境下平面位置的濾波精度,提高約2/3。對于漂移誤差角濾波精度,方案1的平面漂移誤差角約為0.1°,垂向漂移誤差角約為0.5°;方案2的平面漂移誤差角為0.01°,垂向漂移誤差角約為0.047°。通過對比2種方案的濾波收斂情況,可以認為加入采樣噪聲參數(shù)優(yōu)化機制能夠提升惡劣環(huán)境下組合導航模型平面位置的濾波穩(wěn)定性,且明顯提升本文討論的導航模型的姿態(tài)濾波穩(wěn)定性。
2種方案的相對偏差如圖5所示。由圖5可知:對于平面位置,結合噪聲參數(shù)優(yōu)化機制后,誤差峰值有所降低,出現(xiàn)尖刺點比率明顯降低;對于姿態(tài)誤差,橫滾角及俯仰角精度均有提升,航向精度提升明顯??梢哉J為噪聲參數(shù)優(yōu)化機制的介入對參數(shù)解算穩(wěn)定性及精度提升均有意義。
圖5 2種方案結果偏差
本文討論了一種噪聲參數(shù)優(yōu)化方法,包括基于分析預測殘差的系統(tǒng)噪聲參數(shù)優(yōu)化及基于BDS觀測情況的觀測噪聲參數(shù)優(yōu)化方法,應用于城市環(huán)境下車載BDS/MEMS-IMU組合導航模型。實驗結果證明,對于城市環(huán)境車載BDS/MEMS-IMU組合導航應用,加入噪聲參數(shù)優(yōu)化機制可提升模型的穩(wěn)定性,提升位置、姿態(tài)參數(shù)的精度。