李蕊江 尚俊娜

摘要：针对城市峡谷等遮挡严重场景下GPS定位精度严重下降问题，提出一种基于GPS测向与陀螺仪角度测量的融合定位方法。该方法通过改进传统的角度测量，利用陀螺仪短时內相对测量精度高的特点，采用卡尔曼滤波，以陀螺仪的相对角度修正GPS测向的绝对角度，再利用GPS/INS组合导航算法进行定位，使定位结果精度更高、更稳定。对提出的方法进行模擬仿真以及车载实验，实验结果表明：通过角度融合后的定位拥有更高的定位精度和定位稳定性，在复杂环境下效果很好，提高了定位可靠性。

关键词：GPS测姿;陀螺仪;角度融合;组合导航;卡尔曼滤波

DOI：10.11907/ejdk.182914开放科学（资源服务）标识码（OSID）：

中图分类号：TP393文献标识码：A 文章编号：1672-7800（2019）010-0173-05

0引言

载体的姿态测量在无人驾驶、精准测量等诸多领域具有重要应用，运动载体的姿态测量主要包括测量载体的俯仰角θ、横滚角y和航向角ψ。在融合定位中，姿态测量精度对GPS定位精度有重要影响。目前的姿态测量方法主要有惯性测量和GPS测量姿态两种。传统的姿态测量，主要是依靠惯性元器件完成。惯性元器件组成的惯性导航系统可以独立进行定位工作，不需要借助外部的辅助信息。但是，陀螺仪自身会带来一些误差，其中零偏误差是所有陀螺仪都会表现出来的一种偏差，可以将它定义为零输入情况下传感器的输出。零偏是惯导系统的主要误差项，零偏大的陀螺仪会对定位结果产生非常大的影响;其次陀螺仪还有累积漂移误差，惯性导航系统在长时间工作情况下，系统产生的漂移量会随着时间的延长而迅速扩大，给系统带来不可估量的影响。所以传统的载体姿态测量方法只能在短时间内起作用，陀螺仪测得的角度在短时间内精度可以控制在误差范围内，长时间后绝对角度精度就会下降，但可以利用陀螺仪测量载体运动的相对角度消除陀螺仪的零偏漂移，所以陀螺仪获得的相对角度精度较高。GPS测量姿态方法主要分为两类：多天线测姿和单天线测姿。多天线测姿利用载波相位测量技术，利用各天线测量的GPS载波信号相位差实时确定运动坐标系相对于当地坐标系的角位置，从而求出载体姿态。单天线测姿利用单天线GPS，测量得到速度值后估算加速度信息，然后得到载体的伪姿态。本文采用的方法是GPS双天线相干测姿方法。

由于GPS测量和惯性导航测量各具特点，且能互相弥补各自的不足，所以本文选用GPS/INSS组合导航。组合导航相关研究有：苗岳旺研究了鲁棒滤波算法和故障检测算法，有效解决了组合导航中观测粗差问题，但伪距测量具有局限性;季翔提出了一种GPS多基线测姿技术，构建了一套完整的GPS多基线姿态测量流程，提高了测姿技术的抗干扰能力，测量精度也更加稳定。但选用的多天线接收机只能以1Hz频率进行数据采集，对于高动态载体无法保证连续有效测量;曹晟杰着重研究了零速校正算法在组合导航算法中的应用，提高了系统状态观测精度，进而提高了载体导航精度，但对于GPS失锁情况下可能产生的问题没有进行更深入的研究。

以上方法都未对GPS信号不好时可能产生的轨迹突变或断点现象提出很好的解决方法。针对城市峡谷间等遮挡严重场景下GPS失锁导致定位精度下降的问题，本文提出一种角度融合方法，该方法将绝对角度和相对角度相结合，以测姿仪航向角的绝对精度和陀螺仪测量角度的相对变化量进行角度融合，再通过经典卡尔曼滤波进行数据融合定位，提高了GPS信号不好时的定位精度及稳定性，消除了轨迹漂移和发散问题，提高了接收机的接收频率，使载体在高动态下也能良好定位。通过模拟仿真和实际跑车实验，验证了本文方法的有效性。

1陀螺仪姿态测量方法

2GPS载波信号相干测姿方法

3融合定位算法

3.1融合算法介绍

角度融合选用的滤波器是卡尔曼滤波器。卡尔曼滤波是一种最优估计技术，由于其在求解时不需要贮存大量的观测数据，并且当得到新的观测数据时可随时求得新的参数滤波值，便于实时处理观測成果，因此卡尔曼滤波越来越多地应用于动态数据处理中，尤其是GPS动态数据处理、惯性导航等领域。

仿真模拟为GPS测姿受到干扰情况下的alpha测量值。从仿真图可以看出，经过融合后的角度比原始角度更平稳，更不容易受外界因素的干扰，说明融合滤波后的角度稳定性得到了改善，这对后续的定位工作有非常大的帮助。

3.2角度融合算法验证

取状态初始值为0，给状态量加上噪声，即给角度测量值加上扰动，观测噪声δ_a=0.5，δ_△a=0.1。仿真取前1000个点，将上述参数输入卡尔曼滤波器后，仿真结果如图1所示。

仿真模拟为GPS测姿受到干扰情况下的alpha测量值。从仿真图可以看出，经过融合后的角度比原始角度更平稳，更不容易受外界因素的干扰，说明融合滤波后的角度稳定性得到了改善，这对后续的定位工作有非常大的帮助。

3.3组合导航定位算法

在得到融合角度后，对载体进行定位。本文采用的定位方式为GPS和惯性导航系统（Inertial Navigation System，INS）的组合导航定位。GPS/INS组合系统优势为：高精度的GPS可以在载体运动过程中不断修正INS的测量值，以控制其误差随时间的累积，而短时间内高精度的INS定位结果可很好地解决GPS动态环境中的信号失锁和周跳问题。不仅如此，INS还可以辅助GPS接收机增强其抗干扰能力，提高捕获和跟踪卫星信号的能力。本文采用的导航组合原理如图2所示。

图2中，IMU为惯性测量单元，在该组合系统中GPS和INS独立工作，利用GPS接收机得到的位置、速度与INS解算出的位置、速度之差，通过专用接口输入组合滤波器，组合滤波器通过卡尔曼滤波器输出载体的位置、速度、姿态等信息，并同时对INS进行误差校正。GPS与INS可以形成优势互补，是目前导航领域最理想的组合方式之一。

4车载导航定位仿真

4.1模拟仿真

本实验模拟车辆在道路上行驶一段路程，整个运动过程分为两个阶段：匀速直线过程和匀速转弯过程，具体路线如图3所示。

從仿真结果图以及数据分析表可以看出，原始的定位平均误差为13.8702m，角度融合后的定位平均误差为3.1459m，前后对比，融合后的定位误差明显缩小。在均方误差方面，原始定位的均方差为6.1255m，角度融合后的定位均方误差为1.9805m，说明角度融合具有更高的定位稳定性。

4.2车载实验

实验所用测姿仪采用短基线测姿仪，其中包括高精准四馈点测量天线、载波相位测量模块和ARM处理芯片（NXPLPCI788Cortex-M3）。将接收到的GPS信号分别输入上述模块获取卫星位置、信噪比及载波相位等信息，再由ARM芯片进行姿态解算。

陀螺仪使用型号为SUN-RF740D，这是一款基于MEMS惯性测量平台开发的水平单轴陀螺角度仪，通过对陀螺仪的角速率进行动态姿态计算，实时输出物体的水平方位角速率及前进轴向加速度。陀螺仪性能指标如表2所示。

实验所用运动小车是大小为1.2x 0.8x 0.4m的遥控小车，前轮驱动型，内部有大量集成电路，可由手持遥控器操控其前进、后退、左转和右转，最大转角不超过60°。在后轮上装有轮速计，方便计算速度，小车最大速度为1m/s，且内部置有蓄电池，充满电一次可工作5小时。

实验地点选在中国科学院奥运村园区，小车车速为0.7m/s，运动实际路线为绕国家天文台前的花坛一周，实时滤波处理后的定位结果如图7所示。

小车运动过程中，由于在东北方向受到信号遮挡，导致部分轨迹出现突变现象，现单独把受到影响的轨迹提取出来分析，见图8的轨迹图。

从实测仿真结果图看，在运动的大多数时间里，原始定位轨迹角度融合后的轨迹都比较吻合，这是因为在无遮挡情况下，测姿仪测得的角度精度很高。而在小车运动到东北方向时，受周围环境影响，GPS卫星信号被遮挡，此时能收到的卫星数量减少，导致GPS测姿精度下降，出现轨迹突变或断点情况。在突变最严重的地方，定位偏差可达到5m。这时通过和陀螺仪的角度融合，成功拉回了定位轨迹，提高了定位稳定性。表3分析了小车运动到该段路径的定位精度和定位均方差。

从表3可以看出在该卫星信号不好的路段，经角度融合后的平均定位误差都小于原始定位误差，且融合后在南北方向的定位均方差也远小于原始的南北方向定位均方差。下面再通过地图上描绘的轨迹验证定位的精确性，运动小车在地图上的轨迹如图9所示。

从实际地图的跑车轨迹以及小车运动的真实轨迹看，经过角度融合后的轨迹平滑且符合小车实际运动路径，定位精度可达到1m以内，而且东北方向没有突变点，是一段非常完整且稳定的轨迹，这证明了本文方法的有效性和稳定性。

5结语

为克服GPS测姿仪在复杂环境下测姿精度不高的缺点，本文利用GPS测姿仪测量绝对角度，高精度陀螺仪测量相对角度，并且由相对角度来修正绝对角度，通过卡尔曼滤波将两者融合，融合后的角度比原角度具有更高的稳定性。将融合后的角度代替原组合导航的角度输入值，经模拟仿真验证，该融合后的角度对定位精度明显提升。进行车载仿真实验，在GPS基线测姿条件不好导致测姿精度下降、定位轨迹产生突变的情况下，利用本文提出的角度融合方法，使运动轨迹重新回到正确的路径上且定位的鲁棒性明显增强。该方法可应用在无人送货车或无人驾驶技术上，即使在周围环境复杂的道路上也能保证定位的可靠性。