扩展卡尔曼滤波提升城市GPS/INS定位精度

本文主要探讨了如何通过应用扩展卡尔曼滤波平滑算法来提升在城市遮挡环境下GPS/INS组合定位定姿的精度。石波、卢秀山和陈允芳三位作者针对GPS/INS系统在长时间GPS信号丢失（如由于建筑物遮挡）时的定位问题进行了深入研究。他们利用扩展卡尔曼滤波技术，这是一种在系统动态模型复杂或噪声较大的情况下优化估计的高级滤波方法，结合R-T-S（Runge-Kutta-Tsitouras）平滑算法，旨在减小系统误差并提高定位和姿态估计的可靠性。 文章首先介绍了GPS/INS组合定位定姿系统的状态方程，特别关注于基于ψ角的惯导误差模型。这种模型考虑了惯导设备的不确定性，对于提高整体系统性能至关重要。在设计量测方程时，作者重点考虑了GPS位置和速度的更新，这是GPS/INS融合定位中的关键环节。 在实验部分，作者模拟了GPS信号连续60秒的丢失情况，采用R-T-S后处理算法对GPS/INS数据进行了处理。结果显示，通过扩展卡尔曼滤波平滑算法的应用，显著提高了组合定位的精度，尤其是在GPS信号恢复之前，这显著减少了对昂贵惯性导航系统的依赖。 论文的关键点在于展示了扩展卡尔曼滤波技术在解决GPS受限环境下的定位问题上的优势，特别是在提高定位精度和鲁棒性方面。此外，研究还强调了与传统方法相比，该方法在降低成本的同时，能有效提升城市环境中复杂环境下的导航和姿态控制系统的性能。 这篇文章为GPS/INS集成系统在城市遮挡环境下提供了一种有效的增强定位定姿精度的方法，对于GPS信号受阻的实时导航和无人驾驶等领域具有重要的实践价值。其研究结果和方法对于改进现代导航技术具有指导意义，特别是在减少对辅助传感器的依赖和提升系统稳定性的需求上。