GNSS/INS超緊組合導航綜述*

倪少杰,李詩揚,謝郁辰,鄧 丁

(國防科技大學 電子科學學院, 湖南 長沙 410073)

全球導航衛星系統(global navigation satellite system,GNSS)經過數十年研究發展,已經能夠實現全天候的室外高精度定位。但GNSS定位原理決定了接收機需要至少4顆衛星的信號才能解算出位置信息,且衛星信號較弱,易受電磁干擾與遮擋。而慣性導航系統(inertial navigation system, INS)具有不受環境約束的特性,能夠實現完全自主定位,但其缺陷在于漂移誤差會隨著工作時間推移而不斷累積。因此,在衛星信號較弱的多遮蔽環境下將GNSS與INS進行組合實現優勢互補成為導航定位領域的熱點方向。

GNSS與INS的組合導航方式一般可分為松組合、緊組合和超緊組合三種[1-2],其中,松、緊組合本質上都是使用GNSS輔助INS進行導航,在衛星信號失鎖時,INS仍然會出現誤差累積。超緊組合在緊組合基礎上使得組合濾波器也向接收機反饋校正信息[1],能夠實現更深層次的組合,大幅提升了魯棒性。因此,本文對于超緊組合系統結構特點、發展現狀進行分析,對超緊組合涉及的關鍵技術及發展前景進行總結和展望。

1 組合導航系統基本原理

1.1 GNSS定位原理

GNSS主要由衛星星座、地面站和用戶設備組成[3]。碼偽距絕對定位是最常用的定位方式之一,其原理可以簡述為:首先由某顆衛星下行發送測距信號和導航電文;用戶接收機接收到測距信號后可以解算出自身與該衛星間的偽距,形成一個偽距觀測方程,并從星歷中解算出衛星位置、鐘差等信息;GNSS需要至少4顆衛星才能完成位置解算,這些衛星形成的偽距方程構成方程組,對其進行解算即可獲得用戶在某一坐標系下的位置。

1.2 INS定位原理

INS是一種航位推測(dead reckoning, DR)系統[4],其以牛頓力學定律作為理論基礎,通過某一已知位置結合加速度、角度等位姿信息推算下一時刻位置。INS常用器件主要有加速度計、陀螺儀等,陀螺儀輸出信息用于確定載體姿態,加速度計輸出用于解算運動物體當前位置。受到慣性器件精度限制,INS存在隨時間累積的漂移誤差。高精度慣性測量單元(inertial measurement unit, IMU)可以有效改善累積誤差,但其高昂的成本以及體積、功耗上的要求對其廣泛應用造成極大限制[5]。

1.3 松、緊組合導航系統原理

GNSS與INS的互補特性從各自的定位原理中初現端倪。在衛星信號衰弱的環境下INS可以不受影響地持續進行導航作業;而INS隨時間累積的誤差可由GNSS進行校正。

INS與GNSS作為子系統相對獨立的組合方式稱為松組合,這是最易實現的組合方式[6]。松組合系統將INS、GNSS子系統各自對速度、位置信息的估計結果通過卡爾曼濾波器進行融合,由于GNSS內部濾波過程未知,其組合濾波本質上成為級聯濾波。在GNSS信號弱或衛星不可見時,松組合系統會直接輸出INS定位信息,因此松組合又被稱為GNSS輔助INS的組合方式。松組合的系統結構如圖1所示。

圖1 松組合系統結構Fig.1 Loose integration system architecture

緊組合指GNSS與INS在偽距、偽距率[6]、載波相位[7]等領域進行信息融合的組合方式。在緊組合系統中,GNSS和INS不再作為獨立的子系統直接提供位置和速度信息,而是作為不同傳感器提供偽距、偽距率等量測信息,并將狀態量構建于同一個狀態方程當中。緊組合系統的狀態方程分為INS的誤差狀態和GNSS的誤差狀態兩部分,INS對位置的估計被用來輔助GNSS進行模糊度固定,并通過組合濾波結果對INS的誤差進行校正,從而實現精度的提升[8-9]。即使衛星數目不足,緊組合系統仍能利用GNSS觀測進行組合濾波。一種典型的緊組合系統結構如圖2所示。

圖2 緊組合系統結構Fig.2 Tight integration system architecture

松、緊組合的相同之處在于都是利用GNSS信息輔助INS,其本質區別在于INS是否向GNSS反饋先驗位置信息[10]。相較于松組合系統而言,緊組合系統算法實現更為復雜,但整體性能有大幅提升,尤其在可見衛星數量小于4顆時,對衛星的觀測信息仍然可以用來對INS的誤差進行修正[11]。盡管如此,松、緊組合的缺陷仍然顯而易見:長時間作業時導航精度依賴于接收機,當接收機受到多徑干擾或處于信號微弱環境下時,輸出的導航解極易受到影響。

2 超緊組合導航系統的演變與結構

2.1 發展沿革與概念分歧

美國國防部于20世紀80年代正式啟動全球定位系統(global positioning system, GPS)計劃,而在GPS計劃初期,采用INS量測信息輔助GPS環路跟蹤的組合導航思想就已經初見雛形。同一時期,Cox[8]首次對使用INS輔助GPS信號的捕獲、跟蹤環節的方法進行了詳細闡述。1996年,美國Draper實驗室的Gustafson首次使用深組合的概念來描述一種擴展碼跟蹤環路的組合導航方式,Draper實驗室在與軍方合作的武器裝備制導項目中已經對超緊組合做了深入研究并推動其落地[12]。在這一時期,超緊組合/深組合的理論基礎逐漸形成,其特點是用INS信息輔助GNSS接收機的標量跟蹤環路。

1996年,Spilker等[13]首次提出矢量跟蹤環路的概念。不同于標量跟蹤環路使用各個獨立通路獲取偽碼相位誤差和載波頻率誤差,矢量跟蹤環路將所有通路的信息集合為一個觀測矢量進行參數估計,獲得了更好的靈敏度和抗干擾性能[14]。矢量跟蹤環路的經典結構如圖3所示,它的提出為超緊組合概念的形成奠定了基礎。1999年,Aerospace公司提出一種基于級聯卡爾曼濾波器的慣性輔助矢量跟蹤環路的組合導航系統,并正式將其命名為超緊組合[15]。

圖3 矢量跟蹤環路結構圖Fig.3 Structure diagram of vector tracking loop

在矢量跟蹤技術出現之后,相關領域研究者們分別對基于矢量跟蹤和基于標量跟蹤的超緊組合系統展開研究,并在深組合與超緊組合的定義上產生了分歧。對于深組合的定義問題,以斯坦福大學Gautier為代表的研究者認為深組合指利用INS輔助GNSS接收機跟蹤環路的方法[16];而Gustafson等認為只有利用INS輔助矢量跟蹤環路的方式才能稱為深組合[17]。

而業界對于超緊組合的概念也沒有明確的界定。相較于松、緊組合而言,超緊組合和深組合從廣義上均表示利用INS輔助GNSS跟蹤環路的方法;主流觀點一般認為深組合與超緊組合概念相同[3,18-22],指用INS信息輔助矢量跟蹤環路。以武漢大學牛小驥團隊[23-24]為代表的一部分研究者認為深組合系統根據其接收機跟蹤環路的不同可劃分為標量深組合和矢量深組合兩類,而超緊組合與其中的矢量深組合概念是等同的,即超緊組合必須依賴矢量跟蹤環路。圖4展示了業界對超緊組合概念存在的分歧。

圖4 超緊組合概念分歧Fig.4 Divergence on the concept of ultra-tight integration

2.2 系統分類與結構特點

鑒于標量深組合系統并未實現各通道完全信息共享,且考慮到超緊組合概念上的爭議,重點關注基于矢量跟蹤環路的超緊組合系統。超緊組合系統的結構如圖5所示。

圖5 超緊組合系統結構Fig.5 Ultra-tight integration system architecture

不同于傳統的標量跟蹤環路將不同衛星的信號分配到相互獨立的信道中處理,矢量跟蹤環路融合了跟蹤不同衛星的通道信息,用強信號輔助弱信號的跟蹤,可以同時產生偽距、偽距率信息[14]。矢量跟蹤環路將所有通道的碼相位誤差和載波頻率誤差匯集到一個卡爾曼濾波器中進行濾波,相較于標量跟蹤環路而言工程實現更為復雜,精度也更高。矢量跟蹤的優勢在于其在弱信噪比環境下性能更好,在衛星信號丟失后仍能進行一段時間的跟蹤,并在信號重新出現時快速進行重捕,在信號衰減15 dB時仍然能夠跟蹤載波相位[20]。此外,矢量跟蹤環路也在接收機高動態環境下表現出更好的性能[25]。

超緊組合系統的分類方式眾說紛紜。例如,其中一種分類方式[26]根據偽距殘差獲取方式的不同和用于做差的數據不同將超緊組合系統分為基于相關數據淺度融合、基于相關數據深度融合和偽距數據融合超緊組合三種類型。但通常而言基于矢量跟蹤的超緊組合依據結構上的區別主要可以分為集中式和級聯式兩種。

集中式超緊組合最早由Spilker等[13]提出,其特點是采用一個組合濾波器負責處理所有通道的跟蹤信息以及數據融合信息,其輸出結果會對INS的累積誤差進行校正,同時參與多普勒估計以輔助載波跟蹤過程。

級聯式超緊組合起源于Abbott等設計的采用預濾波器的結構[15]。級聯式系統因其采用兩級濾波器的架構而得名,基帶I/Q信息首先通過各通道的預濾波器進行處理,這些預濾波器的輸出再作為主濾波器的量測。預濾波器的功能是對GNSS原始數據進行處理,并估計主濾波器碼相位、載波頻率預測值的誤差,周期性地校正主濾波器[27]。

相關器輸出的I/Q信號被作為組合濾波器的測量值;組合濾波器的輸出一方面對INS進行校正,另一方面通過計算星歷并和INS的輸出一起調整數控振蕩器(numerically controlled oscillator, NCO)與載波NCO[26];INS通過測量矢量跟蹤環路濾波器每次更新周期之間速度和位置變化并反饋給跟蹤環路以提高接收機高動態性能[20]。

集中式與級聯式超緊組合均直接通過各通道I/Q值作為濾波器量測,因此都屬于相干超緊組合。表1對不同類型的超緊組合實現方式進行了對比與總結。

表1 不同超緊組合實現方式對比Tab.1 Comparison of different kind of ultra-tight integration

3 超緊組合系統研究進展

自1999年超緊組合概念提出以來,國外研究者首先進行了原理發展和工程實現,而近年來國內研究人員對超緊組合理論進行深入研究和完善,研究深度從仿真到工程實現再到商用產品,研究廣度覆蓋跟蹤環路優化與跟蹤算法設計、故障檢測與控制、低成本微機電系統(micro electro mechanical system, MEMS)/GNSS超緊組合等?？傮w而言,超緊組合技術向著低成本、高精度、強穩定性的趨勢發展。

3.1 國內外研究進展

進入21世紀以來,世界各國對超緊組合的研究呈現百家爭鳴的態勢。澳大利亞新南威爾士大學在超緊組合的研究上起步較早,也取得了顯著的成果。Crane[28]在預濾波器部分采用擴展卡爾曼濾波算法以處理其非線性問題;Babu等[29]對超緊組合相較于松、緊組合的優勢及系統性能進行了測試評估,關注非線性問題的處理及“城市峽谷”效應的解決[30]。

加拿大卡爾加里大學PLAN實驗室深耕于組合導航領域多年,對級聯式超緊組合系統有深厚的研究積累,并搭建起實體系統。Petovello等[31]基于級聯式系統設計了一種IMU模型,使得超緊組合接收機靈敏度相對于常規接收機提高約5 dB。Gao[32]在其博士論文中采用INS輔助相位鎖定環路,實現了在短暫失鎖后的快速重捕;Daneshmand等[33]利用超緊組合系統和相位陣列天線進行組合以解決城市森林中多徑效應嚴重的問題。

近年來國外對超緊組合的理論研究熱度逐漸消退,現有的研究方向主要集中于對接收機精度與魯棒性的改進和處理[18],以及結合特定應用場景如城市森林進行研究。

國內對超緊組合導航系統的研究始于20世紀80年代末,以高校為主的一批研究機構才逐步開始進行研究[34-35],研究方向主要瞄準麻省理工學院Draper實驗室提出的集中式超緊組合結構。直到2010年,對超緊組合研究的熱度才開始逐漸上升[23]。對超緊組合理論研究做出主要貢獻的幾所高校主要有西北工業大學、國防科技大學、北京航空航天大學、武漢大學等。

西北工業大學是國內最早研究超緊組合技術的機構之一。1989年秦永元等[34-35]就開始了對INS輔助碼跟蹤環的研究。近年來仍然熱度不減,主要關注故障檢測[36]及采用MEMS的超緊組合系統研究[37]。國防科技大學郭瑤等[38]基于無跡卡爾曼濾波(unscented Kalman filter, UKF)算法進行了超緊組合算法的車載實驗,設計了微型慣性測量單元(miniature inertial measurement unit, MIMU)輔助GNSS跟蹤環路的結構;何曉峰研究了基于軟件接收機的BD-2/MIMU深組合算法[39],其他研究人員在基帶濾波器設計[38]、誤差抑制[40]、跟蹤算法設計[41]等方面也取得了大量成果。北京航空航天大學研究方向廣泛,對MEMS-捷聯慣性導航(strapdown inertial navigation system, SINS)超緊組合系統的跟蹤環路改進[42]、抗干擾[43]、高動態情況[44]等細分領域均有所涉獵。

武漢大學研究人員針對級聯型超緊組合結構做了大量研究工作,其研究主要基于標量深組合結構。研究團隊搭建了工程樣機,驗證了超緊組合系統在挑戰性環境下的性能[45-46],并對級聯型超緊組合結構做了改進,驗證了其相較于傳統級聯型系統的性能提升[45-46]。此外,武漢大學團隊對于超緊組合系統在高動態、低成本[22]以及與北斗導航系統結合[47]等方面的研究均作出了貢獻,其對超緊組合概念及分類上的理解自成體系[23]。

目前國內對超緊組合的研究日益深入,逐漸從實驗室走向實際應用。2020年,ADI與北云科技合作推出的A1高精度組合導航板卡即內置了深耦合算法;2022年北云推出的新型專用集成電路(application specific integrated circuit, ASIC)芯片Alita內置的超緊組合算法能夠達到失鎖重捕時間小于等于1 s、跟蹤靈敏度達到-145 dBm;千尋位置基于Alita芯片設計的組合導航板卡可以實現厘米級定位;北斗星通的產品SPAN-μIMU-IC采用NovAtel SPAN深耦合技術,實時動態 (real-time kinematic,RTK)定位精度可以達到1 cm,在衛星信號中斷60 s后仍能維持在15 cm。表2展示了國內外部分公司具有代表性的商用深耦合導航產品性能對比。

3.2 高動態下超緊組合系統研究進展

美國噴氣動力實驗室(jet propulsion laboratory, JPL)對高動態場景的定義是載體承受50g加速度、100g/s的加加速度。高動態下跟蹤誤差主要來源于載體與衛星相對運動帶來的動態應力噪聲,這直接決定了跟蹤環路能否正常工作[12]。松、緊組合結構沒有將載體動態信息反饋給跟蹤環路,在載體受動態應力誤差較大的情況下極易出現失鎖,而超緊組合結構因其采用INS信息輔助GNSS信號跟蹤環路的做法可以在高動態環境下極大提升載體的動態跟蹤能力[48]。

目前國內外對高動態下超緊組合系統進行了大量研究,已有多個工程樣機得以實現。美國Rockwell Collins公司研制的NavFire系列超緊組合系統面向武器裝備應用場景進行設計,可以承受25 000g的沖擊,且系統高度集成,重量僅為19g。武漢大學[24]搭建的標量深組合導航系統能夠在30g/s的加加速度下實現實時解算(如圖6所示)。Langer等[49]實現了高動態下多星座超緊組合原理樣機,并能在本地計算機上進行實時解算。

圖6 武漢大學研制的深組合樣機[23]Fig.6 Deep combination prototype developed by Wuhan University[23]

在接收機高動態情況下,載波相位測量通常比較脆弱,模糊度難以確定,此時超緊組合系統往往表現出極大的非線性[50]。處理非線性問題的常用濾波方法有擴展卡爾曼濾波(extended Kalman filter, EKF)算法、UKF算法、粒子濾波(particle filter, PF)算法等。Jwo和豐澤斌等分別對于這三種濾波算法在超緊組合系統中的性能進行了仿真分析,認為PF算法在位置、速度、姿態三個方面的精度都優于其他兩種算法,且收斂速度也最快[21,50]。

基于此對比,文獻[1]提出了一種利用交互式多模型(interactive multi-tude model, IMM)算法跟蹤變噪聲的改進UPF算法,相較于UPF算法,在經緯度估計誤差、天北向速度估計誤差方面均至少降低40%;文獻[50]提出了一種通過改進固定矩陣平方根以高效獲取Sigma點的改進UKF算法,其均方根誤差相較于傳統UKF算法至少降低70%,且運算復雜度更低;文獻[21]提出一種模糊邏輯自適應系統(fuzzy logic adaptive system, FLAS)輔助UPF的方法,通過檢測發散度的增加自適應地增加比例因子從而保持良好的跟蹤能力。

除上述三種濾波算法之外,容積卡爾曼濾波(cubature Kalman filter, CKF)算法日益受到關注。相較于EKF算法,CKF算法減小了高維濾波時產生的誤差;同時避免了UKF算法在實際應用中難以選擇合適參數、計算復雜度隨采樣點數快速增加的問題。文獻[51]提出了一種基于CKF算法的超緊組合濾波算法,驗證了CKF算法相較于EKF算法和UKF算法精度均有提升。文獻[52]針對MEMS/GPS/極化羅盤的組合導航系統提出一種多采樣率強跟蹤的CKF算法。文獻[22]通過修改NCO將輔助多普勒信息插值到局部信號的樣本中,進一步消除了動態誤差。面向機載、彈載等算力受限情況下的超緊組合結構中CKF算法是一個更富前景的研究方向。表3對EKF算法、UKF算法以及CKF算法三種非線性濾波算法特點進行了總結。

表3 三種非線性濾波算法對比Tab.3 Comparison of three nonlinear filtering algorithms

3.3 MIMU/GNSS超緊組合系統研究進展

MIMU是MEMS的一種,由微型陀螺儀、微型加速度計、專用集成電路及嵌入式微機組成。MIMU具有成本低、體積小、功耗低的優勢,已廣泛應用于超緊組合系統當中[53-54]。然而低成本往往意味著更高的誤差和更強的不穩定性。當采用MIMU時,組合導航精度不足以對GNSS載波相位進行精確估計。對于NCO不完全由導航信息控制的超緊組合系統,如矢量延遲頻率鎖定環(vector delay frequency lock loop, VDFLL)而言,MIMU對跟蹤環路的輔助誤差將不再等于信號跟蹤誤差。因此研究人員針對MIMU引入的誤差校正與控制問題進行了大量研究。

21世紀初,Draper實驗室在軍用領域的MEMS/GNSS研究上已經取得了一定的成果,其于2003年資助的Low-Cost INS/GPS計劃已經實現MIMU與GPS的芯片級超緊組合,并運用于軍用領域[55]。國內超緊組合系統的商品化尚且處于起步階段,對于MIMU/GNSS超緊組合的研究主要側重于器件誤差補償以及MIMU輔助接收機捕獲和跟蹤環路,相關技術集中于實驗室研究,尚無成熟的商用產品出現。

使用低精度MEMS會使得多普勒輔助誤差迅速增加。針對這一問題,文獻[42]采用時間差分載波相位速度輔助跟蹤環路,減少了載波環路噪聲帶寬和碼相關器間距,進而提高跟蹤精度。而文獻[56]在文獻[42]的基礎上采用時空差分載波相位速度輔助載波環路,減少了由低精度MEMS引起的多普勒輔助誤差。文獻[57]通過引入雙天線載波相位差分提升了MIMU/GNSS的航向精度,并且直接將載波相位差作為量測量,可以根據MIMU對姿態的預測檢驗當前相位差測量值是否存在周跳并及時校正。

接收機高動態情況下,MIMU的比力測量誤差會導致較大的頻率跟蹤誤差跳變,這會導致導航解的較大誤差甚至失鎖。文獻[58]提出了一種增強型MIMU/GNSS超緊組合結構,在傳統級聯型超緊組合結構的基礎上在每個通道增加了大幅頻率誤差檢測器和串行精細頻率處理器,并使用帶有多衰落因子的自適應預濾波器代替傳統的預濾波器,實現載噪比幾乎不受較大頻率誤差的影響,最大速度誤差也不超過2 m/s。葉萍[5]定量評估了接收機在有無MIMU輔助狀態下的捕獲性能區別,設計了一種高動態情況下MIMU輔助接收機跟蹤環路的方法,結果證明在加加速度為10g/s的高動態情況下能夠實現三階鎖相環帶寬門限降低到1 Hz,接收機整體抗干擾性能提升7.4 dB。

超緊組合系統的高精度與強穩定性無可避免地帶來了計算復雜度與功耗的提升,而計算負載與功耗直接與GNSS信號的相關性和接收器的激活時間成正比[59]。針對小型GNSS設備計算能力與續航時間的限制,文獻[60]提出一種在維持導航精度的情況下對GNSS進行間斷跟蹤的方法進行高效計算,并通過車載實驗證明其有效性;在此基礎上又提出應用不同的間隔跟蹤不同波長的GNSS碼信號[59],通過非相干碼鑒別器代替跟蹤環路來獲取碼相位跟蹤誤差的方式降低計算需求。文獻[61]同樣試圖通過非連續跟蹤降低計算量,其實驗證實在相干積分時間為1 ms時,跟蹤間隔為10 s的非連續跟蹤相對于連續跟蹤的相干積分計算次數減少了4個數量級。為了減少相關性計算帶來的資源消耗,文獻[62]采用多相關器值作為充分統計量,實現了無損的樣本信息壓縮。Luo等[63-64]驗證了智能手機中的消費級IMU是否足以支持GNSS接收機的基帶,并在實車測試中使用U-Blox接收機驗證了采用消費級IMU的超緊組合系統可用性達到99.3%[64]。

綜上,隨著誤差補償以及功耗控制技術的發展,未來GNSS/MIMU超緊組合系統將憑借其成本低、體積小等優勢在軍用、民用等領域得到廣泛應用,其重要發展方向之一就是實現芯片級集成。

4 超緊組合系統關鍵技術

對超緊組合系統的研究日益深入,但仍有許多關鍵技術沒有得到突破,現有的研究成果不能滿足實際應用需要或不成體系,亟待研究人員持續推進研究。

4.1 容錯控制技術

矢量跟蹤環路的一個重要特征是通道之間的相互輔助,這種結構可以有效提升系統在低信噪比情況下的性能。但當某顆衛星出現異常時,其對應通道的故障信息也會在其他通道間進行傳播,并且難以鎖定實際出現故障的通道。隨著誤差不斷相互傳播和積累,接收機最終會失去對所有衛星的鎖定。因此在使用矢量跟蹤環路的超緊組合系統中進行容錯控制,提升系統安全性、穩定性是一個重要的課題。

對于基于標量跟蹤環路的松、緊組合導航系統以及標量深組合系統而言,常用的故障檢測方法有卡方檢驗、小波變換、模糊推理等,然而此類傳統方法對通道信息相互融合的矢量跟蹤環路難以適用,能夠針對超緊組合系統進行故障識別與隔離的方法仍有待研究。目前這一領域出現了一些嘗試,但仍缺乏高效精準的檢驗方法。一些研究人員嘗試為每個通道設計子濾波器用以實時監控通道的運行狀態,并在子濾波器中采用基于支持向量機的故障檢測方法[65]。陳駔針對多通道故障問題提出一種基于子集檢驗的故障檢測算法,并通過仿真驗證了其正確性[12]。超緊組合系統容錯控制技術的一個新興方向是結合神經網絡進行故障識別。文獻[66]提出的利用卷積神經網絡(convolutional neural networks,CNN)輔助的魯棒算法通過維持正確的導航解來降低故障信息對導航解的干擾,通過實車測試證明故障識別的準確率提升超過20%。

4.2 神經網絡輔助超緊組合

隨著算力的大幅提升與計算機技術的發展,神經網絡技術得到了前沿領域的重點關注。同樣,神經網絡在組合導航信息融合部分也可以發揮其特有的效用。神經網絡的最大特點是能實現自我學習,常被用來解決非線性問題或無初值問題。而傳統超緊組合信息融合算法使用的卡爾曼濾波器精度取決于對誤差模型的建立,如果誤差模型不夠精確,則卡爾曼濾波會出現較大的發散。因此,神經網絡可以用來輔助進行信息融合,其基本方法為:在GNSS正常工作時用INS的加速度計、陀螺儀輸出信息對INS誤差進行訓練,而在GNSS失鎖后用訓練得到的誤差模型對INS的輸出誤差進行校正。

Noureldin是最早將神經網絡方法引入INS誤差處理的學者之一,他采用的方法主要依據小波多分辨分析和徑向基神經網絡[67](radial basis function-artificial neural network, RBF-ANN),而Jwo等[68]將RBF-ANN引入超緊組合系統并結合模糊推理算法提升GNSS失鎖后INS的誤差預測精度;西北工業大學研究者采用CNN處理基于矢量跟蹤環路的超緊組合系統中誤差傳播的問題[66]。哈爾濱工業大學研究人員提出一種CNN-長短期記憶(long short-term memory, LSTM)網絡模型[69],用于改善傳統的LSTM網絡在處理具有強相關性的導航數據時的性能,速度估計的均方根誤差能夠降低20%以上。目前面向組合導航的神經網絡輔助方法已經有了一些成果,但針對超緊組合結構的方法仍有待研究,現有的一些文章主要通過仿真驗證[70],仍缺乏工程樣機的實現。

4.3 其他傳感器輔助超緊組合

采用其他傳感器對超緊組合進行輔助可以解決傳統超緊組合方案在高動態情況下以及采用低成本MEMS時出現的性能退化[71]。

視覺傳感器輔助GNSS/INS組合導航系統的方案已有不少研究成果,而隨著超緊組合系統在復雜環境下的嶄露頭角,研究人員開始探索視覺輔助超緊組合系統的方案。視覺傳感器具有信息誤差不隨時間累積的特點,其捕獲的場景特征也不易受到人為干擾。Cristodaro等[71]使用單目相機輔助傳統的超緊組合系統應對高動態、強干擾和采用MEMS傳感器時導致的性能退化問題,實車測試證明了視覺輔助的超緊組合系統在注入干擾達到30 dB時仍然能夠穩定維持導航功能[72]。文獻[73]使用雙目視覺輔助MEMS-SINS/GNSS超緊組合系統,使得低空飛行器在強噪聲下的位置誤差能夠保持在5 m以內;文獻[74]同樣使用雙目相機的姿態信息輔助GNSS/IMU超緊組合系統,在GNSS信號中斷100 s情況下相較于傳統GNSS/IMU超緊組合系統北向速度誤差從4 m/s縮減到1 m/s以內,其系統結構如圖7所示。

圖7 一種視覺輔助超緊組合結構[74]Fig.7 A visually assisted ultra-tight integration architecture[74]

同樣,里程計、激光雷達等傳感器也可以對超緊組合系統產生輔助效果,不過目前缺乏研究成果,需要研究人員的不斷推進。

5 總結與展望

本文對于GNSS/INS超緊組合的基本定位原理、架構特點做了簡要介紹,對超緊組合概念的確立過程進行了回溯,分析了超緊組合技術相較于松組合、緊組合技術的優勢;介紹了國內外主要研究機構及研究現狀;介紹了在高動態下及采用MIMU的超緊組合系統研究進展;總結了仍有待發展的容錯控制技術、神經網絡輔助及采用其他傳感器輔助超緊組合系統等關鍵技術。

高精度、低成本、強穩定性的導航作業已日益成為人類登天探海的必然要求。導航系統既在軍事領域助力統攬全局排兵布陣,又在民用領域下沉到日常生活中。從精度提升角度而言,超緊組合仍需在系統結構上進一步改進,從接收機內部電路出發提升其性能,并與多種導航方式進行組合;從成本控制方面來說,超緊組合研究需要在采用低成本器件的同時改進其誤差檢測與校正能力,針對小型化設備降低計算復雜度與功耗;從穩定性角度來說,為了應用于高動態、強干擾和弱信號等復雜條件,超緊組合既要提升對非線性狀態的處理能力,也要改進失鎖重捕技術,并針對不同的干擾手段進行抗干擾技術研究,此外,與其他傳感器的結合也是極具前景的研究方向。