پياده‌سازي الگوريتم تلفيق GPS/INS با استفاده از شبه فاصله‌هاي GPS

Implementation of GPS / INS Fusion Algorithm Using GPS Pseudo-Range

سيستم ناوبري يك وسيله متحرك، مقادير سرعت، موقعيت و وضعيت لحظه‌اي وسيله را نسبت به يك دستگاه مرجع محاسبه مي‌كند و در اختيار سيستم هدايت قرار مي‌دهد. يكي از پركاربردترين سيستم‌هاي ناوبري، سيستم ناوبري اينرسي است. با توجه به افزايش خطاي سيستم ناوبري در طول زمان معمولاً براي ناوبري‌هاي طولاني‌مدت از سيستم ناوبري تلفيقي استفاده مي‌شود. يكي از مرسوم‌ترين سيستم‌هاي ناوبري تلفيقي، سيستم ناوبري تلفيقي INS با GPS است كه هركدام از آن‌ها مزايا و معايبي دارند كه پوشش‌دهنده ديگري هستند. در اين مقاله، دو الگوريتم تلفيق داده GPS و INS با رويكرد اتصال ضعيف و اتصال قوي پياده‌سازي و مقايسه شده است. در روش اتصال ضعيف، اندازه‌گيري‌هاي GPS شامل موقعيت‌ها و سرعت‌ها است. در روش اتصال قوي، مدلي براي خطاي GPS در نظر گرفته‌شده است كه شامل ديناميك باياس و رانش ساعت GPS است. نتيجه تلفيق داده GPS و INS‌ به اين روش به حقيقت نزديك‌تر است؛ اما در روش اتصال ضعيف، نتيجه تلفيق ميانگين داده‌هاي GPS را دنبال مي‌كند. در اجراي الگوريتم تلفيق بااتصال قوي از داده‌هاي خام GPS‌ كه شبه‌فاصله و نرخ شبه‌فاصله به همراه اطلاعات نجومي بوده، استفاده‌شده است. در اين مقاله، به‌منظور تلفيق اطلاعات داده‌هاي دو اندازه‌گير از فيلتر كالمن توسعه‌يافته استفاده‌شده است. نتايج شبيه‌سازي برتري عملكرد تلفيق اتصال قوي نسبت به ضعيف را نشان مي‌دهند. همچنين، الگوريتم تلفيق با رويكرد ضعيف به‌صورت سخت‌افزاري پياده‌سازي و تست خودرويي آن در دو سناريوي وصل و قطع GPS انجام‌شده است.

The navigation system of vehicles calculates the speed, position and attitude of the moving device relative to a reference frame and provides it to the guidance system. One of the most widely used navigation systems is the inertial navigation system. Due to the increasing error of the navigation system over time, the integrated navigation system is usually used for long-term navigation. One of the most common integrated navigation systems is the INS integrated navigation system with GPS, each of them which has advantages and disadvantages that cover the other. In this paper, two GPS and INS data integration algorithms with loosely and tightly coupled integration are implemented and compared. In the loosely coupled method, GPS measurements include positions and speeds. In the tightly coupled method, a model for GPS error is considered, which includes bias dynamics and GPS clock drift. The result of combining GPS and INS data in this way is closer to the truth, but in the method of loosely coupled, the result of the combination follows the average of GPS data. In the implementation of the combined algorithm with tightly coupled, raw GPS data is used, which is pseudo-range and pseudo-range rate along with astronomical information. In this paper, an extended Kalman filter is used to integrate the data of two measurement data. The simulation results show the superiority of tightly over loosely connection performance. Also, the integration algorithm with a loosely approach has been implemented in hardware and car testing has been done in two scenarios of connecting and disconnecting GPS.