[发明专利]GNSS与MIMU组合导航方法、装置及计算机设备

说明书

本申请涉及一种GNSS与MIMU组合导航方法、系统、计算机设备和存储介质。方法包括：获取卫星导航系统的速度数据以及位置数据，和惯性导航系统的速度数据以及位置数据；根据卫星导航系统与惯性导航系统间速度数据的误差值以及位置数据的误差值，构建卡尔曼滤波方程组；若量测值大于预设第一限值时，根据预设的遗忘因子调整卡尔曼滤波方程组中的均方误差预测方程并计算均方误差预测值，获取增益系数；根据增益系数获取卡尔曼滤波方程组的卡尔曼滤波结果，从而修正第二速度数据、第二位置数据以及惯性导航系统的姿态数据。采用本方法能够减少惯性导航系统中惯性器件的量测数据的偏差对导航结果的影响，提高组合导航在振动条件下解算的导航结果的精确性。

技术领域

本申请涉及导航技术领域，特别是涉及一种GNSS与MIMU组合导航方法、装置、计算机设备和存储介质。

背景技术

随着GNSS(Global Navigation Satellite System，全球卫星导航系统)的不断完善以及微型惯性测量单元(Miniature Inertial Measurement Unit，MIMU)的不断发展，市面上逐渐出现GNSS和MIMU惯性导航系统的组合导航系统，并且逐渐应用至无人机领域中。

目前，GNSS与MIMU组合导航使用的融合算法一般为扩展卡尔曼滤波算法。但是扩展卡尔曼滤波在经过长时间收敛以后，卡尔曼滤波对过去时刻的状态量依赖逐渐增强，新的观测量对状态量的估计修正作用逐渐减少。若GNSS 与MIMU组合导航应用于无人机中时，无人机中的电机振动、桨叶振动和气流振动等糅合振动导致惯性导航系统中惯性器件的量测数据产生偏差，且无人机中的电机振动、桨叶振动和气流振动等糅合振动相对而言没有规律，原有振动状态对当前振动状态影响小，使用扩展卡尔曼滤波算法难以保证组合导航在振动条件下导航的精确性。

发明内容

基于此，有必要针对若GNSS与MIMU组合导航应用与无人机上时，使用扩展卡尔曼滤波算法计算输出的状态估计的精确度较低，难以保证组合导航在振动条件下解算的精确性的技术问题，提供一种GNSS与MIMU组合导航方法、装置、计算机设备和存储介质。

一种GNSS与MIMU组合导航方法，包括：

获取卫星导航系统的第一速度数据以及第一位置数据，和惯性导航系统的第二速度数据、第二位置数据以及姿态数据；

根据所述第一速度数据以及所述第二速度数据获取第一误差值，并根据所述第一位置数据以及所述第二位置数据获取第二误差值，将所述第一误差值以及第二误差值作为卡尔曼滤波的测量值，构建所述卡尔曼滤波方程组，其中，所述卡尔曼滤波方程组包括均方误差预测方程；

若所述量测值大于预设第一限值时，根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值，并根据所述均方误差预测值获取增益系数；

根据所述增益系数获取所述卡尔曼滤波方程组的卡尔曼滤波结果，其中，所述卡尔曼滤波结果包括位置校准量、速度校准量以及姿态校准量；

根据所述载体位置校准量、所述速度校准量以及所述姿态校准量修正所述第二速度数据、所述第二位置数据以及所述姿态数据。

在其中一个实施例中，所述根据预设的遗忘因子调整所述均方误差预测方程并计算均方误差预测值的步骤，包括以下步骤：

根据获取均方误差预测值；

其中，P_k+1/k表示k+1时刻的均方误差预测方程；G_k表示k时刻的系统噪声分配矩阵；表示k时刻的系统噪声分配矩阵的转置；Φ_k+1/k表示雅克比状态转移矩阵；表示雅克比状态转移矩阵的转置；R_k+1表示k+1时刻下的量测噪声值，Q_k表示k时刻的系统噪声矩阵，s表示所述遗忘因子。