GNSS/INS深组合系统中载波跟踪性能与IMU误差之间映射关系的理论与方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41174028
  • 项目类别:
    面上项目
  • 资助金额:
    60.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0402.卫星大地测量学
  • 结题年份:
    2015
  • 批准年份:
    2011
  • 项目状态:
    已结题
  • 起止时间:
    2012-01-01 至2015-12-31

项目摘要

GNSS/INS深组合是当前组合导航技术发展的趋势和热点之一,其设计和优化依赖于建立接收机载波跟踪性能与IMU误差之间的映射关系。但由于深组合系统的复杂性,使这一关键理论问题长期悬而未决,严重阻碍了深组合技术的发展。本项目将针对不同接收机架构和不同接收机性能要求,对这一问题做理论和方法研究。理论分析将从接收机跟踪环路的需求和惯导的测量能力两个方面出发,运用惯导误差传播理论、Kalman滤波器稳态误差、控制系统传递函数和随机估计理论等工具对两方面进行建模,并利用残余动态应力概念将两者联系起来,建立整体映射模型;并应用这一理论方法,研究深组合接收机中IMU误差与载波动态跟踪精度和灵敏度间的定量关系,通过软/硬件接收机做仿真和实验验证,最终确定出深组合中IMU误差与载波跟踪性能的映射关系。从而为深组合设计中惯导选取、方案选择和关键参数设定提供理论支撑,促进深组合技术的发展。

结项摘要

与GNSS/INS松组合、紧组合相比,深组合是GNSS和INS在更深的信号处理层面的信息融合,利用接收机信息修正INS的同时,将短期精度高的INS信息用于辅助GNSS接收机信号的跟踪和重捕,从而改善GNSS信号跟踪的动态灵敏度、动态精度和动态抗干扰等性能。根据GNSS接收机基带跟踪环的结构,深组合系统分为标量深组合和矢量深组合。已有研究成果主要是对深组合系统的概念、结构和性能的探讨和仿真,但缺乏成熟的理论模型和深入的定量分析。国内外还没有任何相关文献针对深组合中惯导精度与接收机信号跟踪性能之间的映射关系给出一个全面、系统的理论分析和实验验证,更没有提供相应的理论工具和方法。.本项目面向深组合研究需求,研究一套表征接收机载波跟踪性能与IMU器件误差之间对应关系的理论模型;并用该理论模型分别研究惯导器件性能与接收机动态跟踪精度和灵敏度的映射关系;最后对分析结果进行仿真与实验验证。.项目建立了一套完整的深组合跟踪环误差传递模型。首次提出了IMU零偏类误差、IMU标度因子类误差、多普勒辅助延迟三类惯性辅助信息误差与环路跟踪误差(载波相位)之间的细化模型,进一步构建了INS辅助跟踪环的稳态误差模型、瞬态误差模型,并提供了一种基于该模型的误差定量分析方法。分析表明:IMU误差对环路的影响远小于环路动态应力造成的误差,因此低精度惯导可用于深组合;多普勒辅助信息延迟应控制在毫秒量级。项目提出的误差传递模型为深组合研究提供了理论依据和实用分析手段,完善了深组合技术的研究方法。.项目设计并实现了软硬件一体化的实时深组合原型系统,在国内率先实现了硬件深组合闭环。该方案中GNSS接收机和惯导部分共用一套硬件平台,软件算法在同一嵌入式处理器内实现。INS辅助信息延迟控制在0.5ms左右,所引起的环路跟踪误差可以忽略,充分发挥了深组合技术最核心的INS辅助GNSS环路的优势。原型系统的扩展性好,可支持不同类型惯导、晶振,有力地支持了深组合研究的测试验证工作,对深组合系统的工程化设计具有重要的参考价值。.总之,该项目完成比较圆满,提出了一套完备的深组合跟踪环路误差模型来揭示载波跟踪误差与IMU精度等级之间的定量关系,明确了低成本MEMS惯导可用于深组合;积累了一套深组合软硬件研究平台,以及仿真、实验测试手段;培养了包括教师和研究生在内的十余人的学术梯队,在国内外形成了一定知名度和影响力。

项目成果

期刊论文数量(22)
专著数量(0)
科研奖励数量(3)
会议论文数量(12)
专利数量(7)
Modeling and Analyzing the impact of Time Delay on INS Aided GNSS Tracking Loops
建模和分析时间延迟对 INS 辅助 GNSS 跟踪环的影响
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    GPS Solutions
  • 影响因子:
    4.9
  • 作者:
    牛小骥
  • 通讯作者:
    牛小骥
Fast thermal calibration of low-grade inertial sensors and inertial measurement units.
低级惯性传感器和惯性测量单元的快速热校准
  • DOI:
    10.3390/s130912192
  • 发表时间:
    2013-09-12
  • 期刊:
    Sensors (Basel, Switzerland)
  • 影响因子:
    --
  • 作者:
    Niu X;Li Y;Zhang H;Wang Q;Ban Y
  • 通讯作者:
    Ban Y
How the Integral Operations in INS Algorithms Overshadow the Contributions of IMU Signal Denoising Using Low-Pass Filters
INS 算法中的积分运算如何掩盖使用低通滤波器的 IMU 信号去噪的贡献
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    Journal of Navigation
  • 影响因子:
    2.4
  • 作者:
    Niu, Xiaoji;Guo, Wenfei;Zhang, Hongping;Liu, Jingnan
  • 通讯作者:
    Liu, Jingnan
Using Allan variance to evaluate the relative accuracy on different time scales of GNSS/INS systems
利用Allan方差评估GNSS/INS系统不同时间尺度上的相对精度
  • DOI:
    10.1088/0957-0233/24/8/085006
  • 发表时间:
    2013-07
  • 期刊:
    Measurement Science and Technology
  • 影响因子:
    2.4
  • 作者:
    Niu, Xiaoji;Chen, Qijin;Zhang, Hongping;Shi, Chuang
  • 通讯作者:
    Shi, Chuang
Hardware Implementation of a Real-Time MEMS IMU/GNSS Deeply-Coupled System
实时 MEMS IMU/GNSS 深度耦合系统的硬件实现
  • DOI:
    10.1587/transcom.e96.b.2933
  • 发表时间:
    2013-11-01
  • 期刊:
    IEICE TRANSACTIONS ON COMMUNICATIONS
  • 影响因子:
    0.7
  • 作者:
    Zhang, Tisheng;Zhang, Hongping;Liu, Jingnan
  • 通讯作者:
    Liu, Jingnan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

轨道几何特征匹配列车定位方法
  • DOI:
    10.13474/j.cnki.11-2246.2019.0329
  • 发表时间:
    2019
  • 期刊:
    测绘通报
  • 影响因子:
    --
  • 作者:
    房博乐;陈起金;牛小骥
  • 通讯作者:
    牛小骥
基于A-INS组合导航的现代有轨电车轨道几何状态快速精密测量
  • DOI:
    10.13238/j.issn.1004-2954.201812190006
  • 发表时间:
    2019
  • 期刊:
    铁道标准设计
  • 影响因子:
    --
  • 作者:
    周禹昆;陈起金;牛小骥
  • 通讯作者:
    牛小骥
旋转平台绝对运动信息测量系统
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    中国测试
  • 影响因子:
    --
  • 作者:
    刘蘅嵘;班亚龙;张提升;牛小骥
  • 通讯作者:
    牛小骥
CNS+GNSS+INS船载高精度实时定位定姿算法改进研究
  • DOI:
    10.13474/j.cnki.11-2246.2019.0144
  • 发表时间:
    2019-05
  • 期刊:
    测绘通报
  • 影响因子:
    --
  • 作者:
    程风;李海霞;常乐;王力;牛小骥
  • 通讯作者:
    牛小骥
铁路轨道线形智能分段
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    科学技术与工程
  • 影响因子:
    --
  • 作者:
    李姗姗;陈起金;旷俭;牛小骥
  • 通讯作者:
    牛小骥

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

牛小骥的其他基金

带有辅助信息的惯性导航(A-INS)用于精密工程测量的理论与方法研究
  • 批准号:
    41674038
  • 批准年份:
    2016
  • 资助金额:
    68.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码