O acoplamento estreito representa uma estratégia avançada de fusão de dados, crítica para uma integração robusta e de alta precisão de Sistemas Globais de Navegação por Satélite (GNSS) e Sistemas de Navegação Inercial (INS). Essa abordagem combina os pontos fortes de ambos os sistemas — estabilidade de longo prazo do GNSS e precisão de alta taxa e curto prazo do INS — ao fundir suas medições principais diretamente em um único estimador, tipicamente um Filtro de Kalman. O desempenho melhora drasticamente, especialmente quando os sinais GNSS estão parcialmente bloqueados ou degradados.
Receptores GNSS determinam a posição medindo o tempo que os sinais levam para viajar de múltiplos satélites. Esse processo fornece fixos de posição absolutos com precisão que depende da visibilidade e geometria dos satélites. No entanto, o GNSS é suscetível a interrupções de sinal em ambientes como cânions urbanos ou florestas, levando a lacunas de dados e perda de navegação (deriva).
Sistemas de acoplamento estreito utilizam medições de parâmetros de sinais de auxílio para mitigar a deriva em um INS. Em comparação com sistemas de acoplamento frouxo, o acoplamento estreito atualiza os estados de erro do INS, mesmo quando dados GNSS insuficientes impedem a fixação de uma posição. Essa situação ocorre quando menos de quatro satélites GNSS estão visíveis, tornando impossível determinar uma solução de posição utilizando apenas informações GNSS.
Em sistemas de acoplamento frouxo, essa situação causa uma interrupção completa dos dados. No entanto, sistemas de acoplamento estreito podem usar medições GNSS limitadas, permitindo-lhes mitigar parcialmente a deriva de erro do INS.
Para atingir esse objetivo, sistemas de acoplamento estreito devem calibrar a IMU (Unidade de Medição Inercial) em tempo real, focando particularmente em períodos em que o sinal GNSS está desobstruído. Essa calibração garante um conhecimento preciso do bias da IMU e treina a IMU para antecipar a localização futura do sinal GNSS (modelagem antecipatória).
Ao permitir que a IMU avalie a validade e a precisão do sinal GNSS e selecione o sinal GNSS que corresponde à sua previsão, o sistema estabelece uma forte conexão entre a IMU e o GNSS.
A arquitetura de acoplamento estreito
O conceito central do acoplamento estreito é usar as medições de pseudodistância e fase da portadora do GNSS diretamente na etapa de atualização da observação do Filtro de Kalman. Este é um afastamento significativo do acoplamento solto, onde o Filtro de Kalman usa a solução de posição e velocidade GNSS totalmente processada e independente.
Em um sistema de acoplamento estreito, o vetor de estado do Filtro de Kalman normalmente inclui os estados de erro do INS:
- Erros de posição (δr)
- Erros de velocidade (δv)
- Erros de atitude (δ𝛙)
- Vieses do sensor IMU (acelerômetro e giroscópio)
O Filtro de Kalman usa as equações de mecanização INS para a etapa de propagação no tempo (predição). Isso propaga os estados do INS usando os dados da IMU de alta taxa.
Vantagens do acoplamento estreito
O acoplamento estreito oferece vários benefícios poderosos, particularmente para aplicações de pós-processamento onde todos os dados do sensor estão disponíveis após a missão. Ao contrário do acoplamento solto, que requer uma solução de pelo menos quatro satélites GNSS para computar uma posição 3D, o acoplamento estreito precisa de apenas um satélite visível. Com uma única medição de pseudodistância, o Filtro de Kalman ainda pode derivar um vetor de correção de erro que efetivamente restringe o desvio do INS. Essa capacidade é vital em áreas parcialmente obstruídas.
Ao utilizar as medições brutas do GNSS, a filtragem pode modelar e estimar diretamente o desvio do clock do receptor GNSS dentro do vetor de estado. Esse nível profundo de integração leva a uma solução de navegação geral mais precisa e exata, especialmente ao combinar medições de fase da portadora para técnicas de pós-processamento Real-Time Kinematic (RTK) ou Precise Point Positioning (PPP).
O processo de correção integrado e contínuo garante uma qualidade de navegação mais suave e consistente. Os algoritmos ponderam de forma otimizada os dados INS de alta precisão com as observações GNSS, que geralmente são ruidosas. Durante as interrupções do GNSS, o INS bem calibrado (devido à estimativa contínua de bias) fornece uma solução de dead-reckoning superior.
O pós-processamento envolve filtragem para frente e para trás. Os dados são primeiro processados cronologicamente (filtro para frente). Em seguida, um filtro para trás processa os dados na ordem inversa, usando as estimativas finais para frente como condições iniciais. Um suavizador de intervalo fixo (por exemplo, o suavizador de Rauch-Tung-Striebel) suaviza os resultados de ambos os filtros. Esta etapa de suavização oferece a solução de trajetória estatisticamente ideal e mais precisa, aproveitando todos os dados disponíveis em toda a linha do tempo da missão. Isso torna o acoplamento estreito um padrão ouro para aplicações de alta precisão, como mapeamento e levantamento.
