[发明专利]一种惯性导航平台和北斗卫星的高精度超紧耦合导航方法

说明书

技术领域

本发明涉及一种惯性导航平台和北斗卫星的高精度超紧耦合导航方法，适用于各类搭载捷联惯性导航平台的运载体的高精度导航。

技术背景

当今导航领域的两大基础导航方式是惯性导航系统(INS)和以GPS、BDS等为代表的星基定位系统。同时，这两种导航系统自身又存在较强的互补性，一直都是近年来组合导航研究的热点；惯性导航具有强自主性、不受环境影响、短期内导航精度高等优点；卫星导航具有定位精度高，时间稳定性较好的特点。两者的工作特性恰好在性能上互补，卫星导航可以加快惯性导航的初始对准时间，改善精度的时间漂移性；而惯性导航可以在卫星导航失锁的时候进行独立的导航，继续提供定位信息。当前的典型组合方式有松耦合、紧耦合和超紧耦合三种方式，其中以超紧耦合对于导航性能的提升最为显著。松耦合组合方式下，惯导和卫星独立工作，并将两者导航数据进行处理用于反馈惯导进行修正；紧耦合组合方式下，卫星提供的用于对惯导惯性测量单元(IMU)进行校正的是信息是伪距、载波相位等用于定位解算的原始信息；超紧耦合方式相对于紧耦合还要完成将INS的量测信息反馈给接收机或者直接利用MU量测信息辅助卫星的码跟踪环和载波跟踪环，提高了接收机的跟踪锁定能力。

但是，在整体方向上，超紧耦合多数只局限于基于GPS和SINS相结合的研究；而由于GPS的信号控制并非我国所掌握，极容易出现导航信号限制甚至丧失导航能力的情况；因而将组合导航应用于我国自主研制的北斗系列导航卫星已成为当前的一大主要研究方向，也是本专利的主要研究方面。

组合导航的相关研究，现已有诸多成果。周启帆设计了一种基于冗余测量的自适应卡尔曼滤波算法，并成功应用于GPS/SINS的组合导航，取得了较为显著的性能提升，但只应用于了两系统独立工作的松耦合系统中；张静娴提出了一种基于神经网络的分布式卡尔曼滤波算法，但只用于松耦合，同时也只能对SINS进行位置和速度的校正，具有较强的局限性；于洁、孙熙、宋高顺等都针对超紧耦合进行了不同方向的研究，但最终均存在非线性计算量巨大或者时间相关性强的性能问题。

超紧耦合对于组合导航而言，是一种新概念导航方式，具有较高的实用意义和性能参数，但同样的，其系统复杂度也是最高的。因此，如何在保证超紧耦合的工作效能的基础上，简化计算，提高系统鲁棒性和普适性，就成为当前研究的主要方向和重点难点所在。

发明内容

本发明的技术解决问题是：为了避免在超紧耦合实现过程中的非线性计算量巨大、接收机信号时间相关性以及系统测量误差等存在性能限制的问题，提出了一种基于惯性导航平台和北斗卫星的高精度超紧耦合导航方法。该方法不仅实现了超紧耦合的双向调节功能，同时降低了环路跟踪误差与更新时间的相关性，通过冗余测量修正了SINS/BDS的测量系统误差，并采用神经网络实现系统对于BDS接收机性能的调整，为搭载捷联惯导的运载体导航提供了一种全新的技术途径。

本发明的技术解决方案是：根据运动物体状态方程及测量方程建立随机线性定常离散系统模型；利用对系统的冗余测量值的差分序列进行统计分析，实现基于冗余测量的卡尔曼滤波算法，准确的估计了系统量测噪声并自适应调节捷联惯导(SINS)和北斗卫星(BDS)噪声方差R；根据超紧耦合传统结构，引入神经网络预测模块，用于辅助失锁状态下的北斗卫星载波跟踪环和码跟踪环；在北斗卫星接收机中添加时滞滤波模块，显著改善了超紧耦合系统中的环路跟踪误差与更新时间的相关性。具体包括以下步骤：

(1)根据运动物体状态方程及测量方程建立随机线性定常离散系统模型：

首先构造SINS和BDS对应的状态方程，BDS/SINS的状态分量的转移过程满足如下等式：

X_k，BDS＝Φ_{k，k-1，BDS}X_k-1，BDS+Г_{k，k-1，BDS}W_k-1，BDS

X_k，SINS＝Φ_{k，k-1，SINS}X_k-1，SINS+Г_{k，k-1，SINS}W_k-1，SINS

于是，归结上两式为：

X_k＝Φ_k，k-1X_k-1+Г_k，k-1W_k-1

而后进行测量方程的分析，BDS/SINS的观测值变化规律满足如下等式：