Die enge Kopplung stellt eine fortschrittliche Strategie zur Datenfusion dar, die für eine robuste und hochpräzise Integration von globalen Navigationssatellitensystemen (GNSS) und Trägheitsnavigationssystemen (INS) von entscheidender Bedeutung ist. Dieser Ansatz vereint die Stärken beider Systeme – die Langzeitstabilität des GNSS die hohe Kurzzeitgenauigkeit des INS– durch die direkte Fusion ihrer Kernmesswerte in einem einzigen Schätzer, in der Regel einem Kalman-Filter. Die Leistung verbessert sich erheblich, insbesondere wenn GNSS teilweise blockiert oder beeinträchtigt sind.
GNSS bestimmen die Position, indem sie die Zeit messen, die Signale von mehreren Satelliten benötigen. Dieser Prozess liefert absolute Positionsbestimmungen, deren Genauigkeit von der Sichtbarkeit und Geometrie der Satelliten abhängt. Allerdings GNSS in Umgebungen wie städtischen Schluchten oder Wäldern anfällig für Signalausfälle, was zu Datenlücken und Navigationsverlusten (Drift) führt.
Eng gekoppelte Systeme nutzen Messungen von Hilfs-Signalparametern, um die Drift in einem INS zu mindern. Im Vergleich zu lose gekoppelten Systemen aktualisieren eng gekoppelte Systeme die Fehlerzustände des INS auch dann, wenn unzureichende GNSS eine Positionsbestimmung verhindern. Diese Situation tritt auf, wenn weniger als vier GNSS sichtbar sind, wodurch es unmöglich ist, eine Positionslösung ausschließlich anhand von GNSS zu ermitteln.
In lose gekoppelten Systemen führt diese Situation zu einem vollständigen Datenausfall. Eng gekoppelte Systeme können jedoch begrenzte GNSS nutzen, wodurch sie die INS teilweise abmildern können.
Um dieses Ziel zu erreichen, müssen eng gekoppelte Systeme die IMU Inertial Measurement Unit) in Echtzeit kalibrieren, wobei der Schwerpunkt insbesondere auf Zeiträumen liegt, in denen das GNSS ungehindert empfangen werden kann. Diese Kalibrierung gewährleistet eine genaue Kenntnis der IMU und trainiert die IMU die zukünftige Position GNSS vorherzusagen (vorausschauende Modellierung).
Indem das System die IMU die Lage versetzt IMU die Gültigkeit und Genauigkeit GNSS IMU bewerten und das GNSS auszuwählen, das ihrer Vorhersage entspricht, stellt es eine starke Verbindung zwischen der IMU GNSS her.
Die Architektur mit enger Kopplung
Das Kernkonzept der engen Kopplung besteht darin, die GNSS-Pseudobereichs- und Trägerphasenmessungen direkt im Kalman-Filter-Beobachtungsaktualisierungsschritt zu verwenden. Dies ist eine deutliche Abweichung von der losen Kopplung, bei der der Kalman-Filter die vollständig verarbeitete, eigenständige GNSS-Positions- und Geschwindigkeitslösung verwendet.
In einem eng gekoppelten System umfasst der Zustandsvektor des Kalman-Filters typischerweise die INS-Fehlerzustände:
- Positionsfehler (δr)
- Fehler der Geschwindigkeit (δv)
- Lagefehler (δ𝛙)
- IMU-Sensor-Bias (Beschleunigungsmesser und Gyroskop)
Der Kalman-Filter verwendet die INS-Mechanisierungsgleichungen für den Zeitausbreitungsschritt (Vorhersage). Dies propagiert die INS-Zustände mithilfe der hochfrequenten IMU-Daten.
Vorteile von Tight Coupling
Die enge Kopplung bietet mehrere entscheidende Vorteile, insbesondere für Post-Processing-Anwendungen, bei denen alle Sensordaten nach der Mission verfügbar sind. Im Gegensatz zur losen Kopplung, die eine Lösung von mindestens vier GNSS-Satelliten zur Berechnung einer 3D-Position erfordert, benötigt die enge Kopplung nur einen sichtbaren Satelliten. Mit einer einzigen Pseudorange-Messung kann das Kalman-Filter dennoch einen Fehlerkorrekturvektor ableiten, der die INS-Drift effektiv begrenzt. Diese Fähigkeit ist in teilweise verdeckten Bereichen von entscheidender Bedeutung.
Durch die Verwendung der rohen GNSS-Messungen kann die Filterung die GNSS-Empfänger-Taktabweichung innerhalb des Zustandsvektors direkt modellieren und schätzen. Dieses hohe Integrationsniveau führt zu einer genaueren und präziseren Gesamtnavigationslösung, insbesondere bei der Kombination von Trägerphasenmessungen für Real-Time Kinematic (RTK)- oder Precise Point Positioning (PPP)-Nachbearbeitungstechniken.
Der nahtlose, integrierte Korrekturprozess gewährleistet eine gleichmäßigere und konsistentere Navigationsqualität. Die Algorithmen gewichten die hochpräzisen INS-Daten optimal mit den oft verrauschten GNSS-Beobachtungen. Während GNSS-Ausfällen bietet das gut kalibrierte INS (aufgrund der kontinuierlichen Bias-Schätzung) eine überlegene Dead-Reckoning-Lösung.
Post-Processing umfasst Vorwärts- und Rückwärtsfilterung. Die Daten werden zuerst chronologisch verarbeitet (Vorwärtsfilter). Anschließend verarbeitet ein Rückwärtsfilter die Daten in umgekehrter Reihenfolge und verwendet die endgültigen Vorwärtsschätzungen als Anfangsbedingungen. Ein Glätter mit festem Intervall (z. B. Rauch-Tung-Striebel-Glätter) glättet die Ergebnisse beider Filter. Dieser Glättungsschritt liefert die genaueste, statistisch optimale Trajektorienlösung, indem alle verfügbaren Daten über die gesamte Missionszeitachse hinweg genutzt werden. Dies macht die enge Kopplung zu einem Goldstandard für hochgenaue Anwendungen wie Kartierung und Vermessung.
