GNSS受限环境中无人机多源协同导航算法研究.pdf

GNSS受限环境中无人机多源协同导航算法研究

摘要

无人机由于尺寸小、成本低、易维护、可携带多种功能性载荷等特点而被广泛用于

各种场景中，高精度导航定位是其执行任务的重要先决条件与信息保障。为避免单一导

航源固有缺陷，人们多采用惯导为基、卫星与其余传感器为辅的融合导航方案。但卫导

信号稀疏、随机、非等间隔到达的GNSS（GlobalNavigationSatelliteSystem）受限环境

中将导致传感器在线、离线模式频繁切换，对常规滤波结构导航系统的融合精度、稳定

性造成巨大冲击。相比于传统滤波递推融合架构，基于因子图理论建立的多源融合方案

拥有更为灵活、通用、扩展性强的建模优势，对历史信息的使用更为充分，经迭代优化

后可获取更高融合精度。此外，单无人机恐难胜任复杂度不断增加的实际任务，常需要

多无人机协作完成。但限于有限的成本与载荷，无法为所有无人机配备各种高精度的导

航设备，研究无人机协同定位技术能有效提升低精度无人机定位精度与性能，避免对其

整个机群造成灾难性后果。

针对上述技术需求和现实问题，课题主要开展了以下工作：

首先，研究对多源融合导航基础理论进行研究并对传统联邦滤波融合导航系统仿真

验证。为了给后续研究提供理论支撑，课题对高精度捷联惯性导航系统进行研究，对KF

（KalmanFilter）、FKF（FederatedKalmanFiltering）、FGO(FactorGraphOptimization)

等信息融合算法进行对比分析，对常见辅助导航传感器模型原理进行介绍。此外，建立

传统联邦融合导航系统并仿真验证，为后续设计算法提供基准参考系统。

其次，针对GNSS受限环境中卫星信号稀疏、随机、非等间隔到达会对常规融合导

航系统造成冲击的问题，设计面向GNSS受限环境的FGO多源融合导航算法。该算法

充分利用了因子图理论在系统灵活建模与非同源异构信息融合方面的独特优势，并引入

预积分模块和滑窗操作提升FGO批处理优化的实时性。此外，针对SLAM领域使用的

传统预积分模型难以发挥中高精度IMU性能的问题，结合前文研究的高精度惯导系统

对其进行周密建模改进，以提升算法在受限区域内的融合精度。通过仿真实验验证改进

预积分的精度提升与GNSS受限区域中FGO融合导航算法的实时性、有效性。

再次，针对因子图优化时刻IMU信息不对齐、优化过程中预积分递推不确定度与

误差参数常值假设会造成融合精度下降等潜在问题，分别提出基于线性插值的IMU优

化时刻对齐方案、基于增广误差状态传播模型的递推不确定度估计与预积分修正方法，

并通过仿真实验验证改进后的FGO融合导航系统在GNSS受限区域内的导航结果精度

I

哈尔滨工程大学硕士学位论文

更高且更为平稳。此外，为提升系统鲁棒性，结合FGO可充分利用历史数据的特性对

2



传统残差故障检测算法进行改进，设计基于历史滑窗残差的FGO故障检测模块，并

通过仿真实验验证所设计的FGO故障检测模块能有效、灵敏地检测出硬、软故障。

最后，针对传统主从式协同结构脆弱性与直接使用非线性量测造成的额外误差等问

题，设计基于分层式距差结构的无人机群协同定位算法，实现利用两级信息解算融合方

式在GNSS受限环境中利用少量搭载FGO融合导航算法的高精度锚机导航输出提升机

群整体定位性能的目标。该算法依据精度将机群分层，随后建立锚机距差网络并设计考

虑站址误差的改进联合迭代法获取更精确的相对定位量测，进而实现对目标层无人机定

位结果的约束。最后通过仿真实验表明改进联合迭代法可有效应对锚机站址误差且所设

计的分层式距差协同定位算法相对于传统主从式协同定位算法定位性能更好。

关键词：GNSS受限；多源融合导航；协同定位；因子图优化；故障检测

II

GNSS受限环境中无人机多源协同导航算法研究

Abstract

Dronesare