通过GNSS/INS集成以及改进的基于INS的部分模糊度解析方法，提升车辆定位精度

《IEEE Transactions on Vehicular Technology》：Enhanced Vehicle Positioning Through GNSS/INS Integration With INS-Aided Modified Partial Ambiguity Resolution Method

本文提出融合GNSS与INS的改进模糊度分辨率方法，通过校正INS并优化模糊度搜索策略，显著提升定位精度与AR成功率，实验验证其性能优于传统方法。

　　

摘要：

全球导航卫星系统（GNSS）与惯性导航系统（INS）的融合为缓解GNSS在遮挡环境中的定位限制提供了一种领先的解决方案。无论是通过独立的GNSS还是GNSS/INS集成来实现高精度定位，都受到可靠模糊度消除（AR）的显著影响。本文介绍了在两个关键AR阶段中的改进：获取模糊度的浮点解和模糊度搜索。高精度的浮点解需要精确的先验位置信息，而这受到GNSS伪距精度的限制。本研究探讨了利用从高精度紧密耦合（TC）集成定位解决方案中得到的误差模型来校正INS的方法。校正后的INS位置取代了伪距位置作为获取浮点解的先验信息。在模糊度搜索过程中，引入了一种改进的部分AR（MPAR）方法。通过特定的方法，选择了一组性能更优的卫星模糊度子集。该子集提供的固定模糊度解决方案显著有助于解决非最优子集的问题，从而增加了成功消除模糊度的卫星数量。所提出的校正INS辅助MPAR（CIA-MPAR）方法通过利用最优子集中的固定整数模糊度来辅助非最优子集，显著提高了AR的成功率。实验结果表明，当应用于GNSS/INS集成时，所提出的CIA-MPAR方法在所有评估方面均优于其他AR方法。

引言

全球导航卫星系统（GNSS）因其在开阔天空环境中提供准确可靠的定位而广受认可。然而，在受遮挡或复杂的环境中，如城市峡谷或茂密森林中，其性能会显著下降，因为这些环境中信号遮挡和多径效应普遍存在[1]、[2]、[3]。作为GNSS的补充，惯性导航系统（INS）提供了一种独立且具有弹性的导航解决方案，不受外部环境因素的影响[4]、[5]。尽管INS具有很强的鲁棒性，但随着时间的推移仍会累积误差，导致单独使用时定位漂移明显[6]。为了克服这些系统的局限性，GNSS/INS集成技术应运而生。通过结合两种技术的优势，集成系统能够在多种操作环境中实现可靠的高精度定位[7]、[8]。这种集成对于自动驾驶、机器人技术和无人机等应用至关重要，因为在这些应用中精度和鲁棒性都是关键因素[9]、[10]、[11]。