一种IMU传感器随机误差在线估计与补偿方法与流程

一种imu传感器随机误差在线估计与补偿方法
技术领域
1.本发明属于汽车导航系统技术领域，具体涉及一种imu传感器随机误差在线估计与补偿方法。


背景技术：

2.惯性导航系统(ins)是一种完全自主的航位推算导航系统，其主要惯性测量器件(imu)包括3轴陀螺仪和3轴加速度计，ins在短时间内可以保证较高的导航精度。但是，由于存在传感器误差导致ins在没有其他辅助情况下随时间逐渐发散，特别是对于微机电系统(mems)和惯性测量器件(imu)而言，其导航误差更为快速，所以ins无法长时间独立工作。因此，如何更好地实现imu误差估计与补偿是组合导航技术和惯性导航技术研究的一项重点工作。
3.根据imu的误差特性，imu传感器误差可以分为确定性误差和随机误差。其中，确定性误差一般可通过实验室标定方法(如转台等)事先确定，待标定后可将其数值直接补偿至imu传感器输出信息中，以消除掉确定性误差的影响。而随机误差是由某些不确定性因素的影响而产生，无法采用确定性误差标定方法进行估计与补偿，通常通过误差建模在组合导航系统中进行在线估计与补偿。当imu确定性误差有效标定补偿后，随机误差则是影响惯性导航系统导航性能水平的主要因素，准确的imu误差特性(或模型)分析是惯性导航精度提升的重要过程。常用的随机误差模型分析方法有多种，其中allan方差是最为常用且简单的基于时域的分析方法。通过allan方差分析方法提供的imu误差特性进行误差模型确定和设计，且可将imu误差模型增广至gnss/ins组合导航状态向量中，实现imu随机误差的在线估计与补偿。
4.全球卫星导航系统(gnss)作为一种高精度的全球定位系统，其信息辅助可以对imu传感器误差进行误差估计和修正，但是由于gnss在动态环境中可靠性较差，容易出现信号失锁，致使gnss观测信息可能存在粗差。因此，为了保证gnss/ins组合导航精度和可靠性，需要设计一定的质量控制方案，一方面有效剔除粗差观测量，另一方面减弱或消除粗差观测量对imu误差在线估计的影响(即该历元gnss观测信息修正不传递至imu误差在线估计，imu误差参数保留上一历元数值)。
5.现有的gnss/ins组合导航算法设计中主要是通过某些质量控制方法降低粗差观测量对整体状态估计的影响，并未充分利用imu误差具备较好的短期稳定性这一特性，针对性地开展imu误差参数在线估计优化方法。


技术实现要素：

6.本发明要解决的技术问题是：提供一种imu传感器随机误差在线估计与补偿方法，能够减少gnss粗差观测量对imu误差在线估计的影响，保证imu误差在线估计的稳定性和可靠性，进而实现高精度和高可靠性的导航定位服务。
7.本发明为解决上述技术问题所采取的技术方案为：
8.一种imu传感器随机误差在线估计与补偿方法，用于gnss/ins组合导航系统中，结合gnss导航系统的辅助信息对ins导航系统的imu传感器随机误差进行在线估计，包括如下策略：
9.a、在imu误差在线估计执行前，进行gnss/ins组合导航质量控制，具体为基于kalman滤波器的新息向量，对gnss导航系统辅助信息中的观测粗差进行剔除；
10.b、进行imu误差在线估计优化，具体为通过allan方差方法分析imu误差特性，并结合imu误差稳定性和gnss/ins质量控制结果，对imu误差在线估计的执行状态进行控制。
11.进一步的，所述gnss/ins组合导航质量控制包括如下步骤：
12.s1，采用kalman滤波器检测所述gnss导航系统辅助信息的新息序列，生成新息向量
13.s2，对每次计算得到的新息向量进行记录，计算所述新息向量中的分量方差；
14.s3，将所述新息向量中每个分量与所述分量方差进行比较，并剔除大小超过预设阈值的分量，同时剔除其在量测矩阵h和观测噪声矩阵r中的对应的行和列。
15.进一步的，所述kalman滤波器的检测统计量其中所述检测统计量服从自由度为m的χ2分布，即m是新息的维数。
16.进一步的，所述imu误差在线估计优化包括如下步骤：
17.s1，利用allan方差方法分析imu误差特性，建立imu误差模型；
18.s2，将所述imu误差模型扩展至klaman滤波器中进行imu误差在线估计；
19.s3，判断新息检测结果是否通过，若通过，则进行imu误差状态的反馈修正，若未通过，则不进行imu误差状态的反馈修正。
20.进一步的，所述allan方差的计算公式如下：
[0021][0022]
其中，n个连续采样点yi，i＝1,2,
…
,n，数据采样时间为τ0，任意时间簇τ＝(n-1)
·
t0(n＜n/2)，按照时间簇τ的长度将yi分隔后成nc个数据块，
[0023]
进一步的，所述imu误差模型如下：
[0024][0025]
式中，b、s为imu误差，包括零偏(bg,ba)和比例因子(sg,sa)，tb,ts为一阶高斯-马尔可夫过程的相关时间。
[0026]
进一步的，所述新息检测结果是否通过的判断依据如下：
[0027]
若则检测未通过；
[0028]
若则检测未通过；
[0029]
其中，td为预设限值。
[0030]
本发明与现有技术相比具有以下主要的优点：
[0031]
1、gnss/ins组合导航质量控制过程的主要目的是减弱或消除粗差观测量在最优估计过程中的影响，确保组合导航定位的精度和可靠性，本发明提出了一种基于新息抗差的gnss/ins组合导航质量控制方法，基于新息抗差方法进行粗差剔除，同时通过降权方式减弱粗差观测量的权重，取代直接剔除粗差观测量，构建强鲁棒性的质量控制方案，保障复杂环境下gnss/ins组合导航的精度和可靠性。
[0032]
2、本发明还提出了一种基于imu误差短期稳定性特性优化的imu误差在线估计算法，在上述质量控制方法后执行，利用imu误差稳定性特性和质量控制结果来优化imu误差在线估计的策略，进一步减弱粗差观测量对imu误差估计的影响。
附图说明
[0033]
图1为现有技术的imu误差估计方法示意图；
[0034]
图2为本发明的imu传感器随机误差在线估计与补偿方法整体示意图；
[0035]
图3为本发明实施例的gnss/ins组合导航质量控制方法流程图；
[0036]
图4为本发明实施例的imu误差在线估计算法流程图。
具体实施方式
[0037]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0038]
需要指出，根据实施的需要，可将本技术中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
[0039]
gnss(全球卫星导航系统)/ins(惯性导航系统)组合导航系统的误差状态量通常包含导航误差状态和传感器器件误差状态。其中，前者可直接对ins导航结果进行修正，保障组合导航结果输出的高精度；而后者可反馈至传感器原始观测量进行修正，以减小imu随机误差的影响。
[0040]
如图1所示，现有的gnss/ins组合导航系统设计中通常将导航误差状态和imu误差状态保持同频反馈。在有gnss辅助信息时便直接进入gnss/ins最优估计环节，同时将导航误差状态和imu误差状态在同频模式下分别反馈至ins导航结果和imu原始观测数据进行修正。
[0041]
现有的imu误差估计方法虽然能够实现imu误差在线估计，但是，gnss信号极易受到外界环境干扰(如建筑物、树木、玻璃等遮挡或反射)，以至于在复杂城市场景下无法有效的保障gnss观测质量。在gnss观测条件不好的场景下较容易产生观测粗差，该粗差观测信息若直接导入gnss/ins组合最优估计环节，则会直接影响导航误差状态和imu误差状态的估计精度。
[0042]
为了保证复杂动态环境下gnss/ins组合导航的精度和可靠性，本发明专利在
gnss/ins组合导航的质量控制环节中增加了imu随机误差在线估计处理方法，设计了一种imu随机误差在线估计与补偿的新方法，能够减少gnss粗差观测量对imu误差在线估计的影响，保证imu误差在线估计的稳定性和可靠性，进而实现高精度和高可靠性的导航定位服务。
[0043]
如图2所示，本发明提供的一种imu传感器随机误差在线估计与补偿方法，在现有技术的基础上增加了质量控制和imu误差特性以约束gnss/ins最优估计环节，同时采用异步imu误差状态反馈策略，减弱粗差gnss观测对imu误差稳定性的影响。主要包括gnss/ins组合导航质量控制方法和imu误差在线估计算法两个部分。其中，所述质量控制方法主要是在导航精度允许条件下，减弱或消除粗差观测对导航误差状态估计的影响；所述imu误差在线估计算法则是利用imu误差稳定性特性和质量控制结果来优化imu误差在线估计的策略，以减少粗差观测对imu误差状态估计的影响。
[0044]
(1)基于新息抗差的gnss/ins组合导航质量控制方法
[0045]
从gnss/isn组合导航算法设计中，质量控制是它的一个重要控制环节。新息滤波可以迅速检测到较大的异常，新息序列的检测则可以在一段时间内检测出较小的异常。因此，本发明根据车载组合算法设计特点，如图3所示，以kalman滤波器新息向量为基础，进行组合导航粗差探测和故障检查。
[0046]
对每一次计算得到的新息，新息的每个分量都与其对应的方差比较，并剔除那些超过阈值的分量。剔除了某个分量，则其对应的量测矩阵h和观测噪声r中的对应的行和列也应该被剔除。
[0047][0048]
r取2或3对应的置信度分别为95％和99.73％。
[0049]
当系统发生故障时，新息的均值不再为零。因此，通过对新息的均值检验也可以确定系统是否发生了故障。可对新息作二元假设：
[0050]
h0:无故障
[0051]
h1:无故障
[0052]
检测统计量为：
[0053]
经证明，检验统计量服从自由度为m的χ2分布，即m是新息的维数。故障判定准则如下：(a)若判定为有故障；(b)若判定无有故障。预先设定的门限值td可由误警率确定。
[0054]
当卡尔曼滤波的χ2检验不通过时对滤波器进行“软复位”。为了保证卡尔曼滤波器已经受到污染，变的有偏，可以存储卡尔曼滤波χ2检验结果的历史状态，当连续一段时间卡尔曼滤波器的χ2检验一直不能通过，时再对滤波器进行“软复位”。
[0055]
(2)基于imu误差短期稳定性特性优化imu误差在线估计算法
[0056]
如图4所示，该部分主要分为两个环节：imu误差特性分析和imu误差在线估计优化。imu误差特性分析是利用allan方差方法来分析imu随机误差类型和稳定性水平；imu误差在线估计优化则是根据imu误差稳定性水平控制imu误差在线估计执行状态。
[0057]
allan方差在误差分析方面有其独特的优势，其主要特点是能非常容易地对各种
误差源及其对整个噪声系统特性的贡献进行细致的表征和辨识，而且具有便于计算、易于分离等优点。其计算公式如下：
[0058][0059]
其中，nn个连续采样点yi，i＝1,2,
…
,n，数据采样时间为τ0。任意时间簇τ＝(n-1)
·
t0(n＜n/2)，按照时间簇τ的长度将yi分隔后成nc个数据块。
[0060]
通过allan方差分析方法确定imu误差特性，建立合理的误差模型。考虑到gnss/ins组合导航算法的普适性，本发明设计的gnss/ins组合导航算法同时对imu零偏和比例因子进行在线估计。陀螺和加速度计零偏和比例因子均可建模成一阶高斯-马尔科夫过程，如下式所示。
[0061][0062]
式中，b，s为imu误差，包括零偏(bg,ba)和比例因子(sg,sa)。tb,ts为一阶高斯-马尔可夫过程的相关时间(注意，tb与ts不一定相等)。在gnss/ins最优估计算法设计中，将已建模的imu误差扩展至klaman滤波器中进行在线估计。在最优估计结束后，需要引入基于新息χ2检验检查的判断结果：(a)若χ2检验不通过，则不进行imu误差状态的反馈修正；(b)若χ2检验通过，则进行imu误差状态的反馈修正。
[0063]
综上所述，本发明专利主要是解决含有粗差的gnss观测量对待估imu误差状态估计的影响，以保障gnss/ins组合导航系统的精度和可靠性。本发明专利主要解决的技术问题主要为以下两个部分：
[0064]
(1)解决复杂环境下gnss/ins组合导航抗差问题
[0065]
gnss/ins组合导航质量控制过程的主要目的是减弱或消除粗差观测量在最优估计过程中的影响，确保组合导航定位的精度和可靠性，本发明提出了一种基于新息抗差的gnss/ins组合导航质量控制方法，基于新息抗差方法进行粗差剔除，同时通过降权方式减弱粗差观测量的权重，取代直接剔除粗差观测量，构建强鲁棒性的质量控制方案，保障复杂环境下gnss/ins组合导航的精度和可靠性。
[0066]
(2)解决粗差观测信息对imu误差在线估计影响的问题
[0067]
本发明提出了一种基于imu误差短期稳定性特性优化的imu误差在线估计算法，在上述质量控制方法后执行，利用imu误差稳定性特性和质量控制结果来优化imu误差在线估计的策略，进一步减弱粗差观测量对imu误差估计的影响。首先，通过allan方差确定imu误差特性以确定其稳定性表现，确定是否满足imu误差在线估计优化的条件；然后，基于上述gnss/ins组合导航的质量控制结果判断是否执行imu误差在线估计优化；最后，结合imu误差稳定性和gnss/ins质量控制结果，在gnss粗差时刻不执行imu误差在线估计(即：imu误差参数保留前一时刻估计值)。
[0068]
基于上述方法，本发明还提供：
[0069]
一种车载导航系统，包括存储器、处理器及存储在存储器上并可在处理器上运行
的程序，所述处理器执行所述程序时实现如上所述的一种imu传感器随机误差在线估计与补偿方法。
[0070]
一种非暂态可读存储介质，其上存储有程序，该程序被车载导航系统执行时实现如上所述的一种imu传感器随机误差在线估计与补偿方法。
[0071]
一种汽车，包括如上所述的车载导航系统。
[0072]
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。