Engkopplung stellt eine fortschrittliche Datenfusionsstrategie dar, die für die robuste und hochgenaue Integration von Global Navigation Satellite System (GNSS) und Inertial Navigation System (INS) entscheidend ist. Dieser Ansatz kombiniert die Stärken beider Systeme – Langzeitstabilität vom GNSS und hochratige, kurzzeitige Präzision vom INS – indem ihre Kernmessungen direkt in einem einzigen Schätzer, typischerweise einem Kalman-Filter, fusioniert werden. Die Leistung verbessert sich dramatisch, insbesondere wenn GNSS-Signale teilweise blockiert oder beeinträchtigt sind.
GNSS-Empfänger bestimmen die Position, indem sie die Laufzeit von Signalen messen, die von mehreren Satelliten ausgesendet werden. Dieser Prozess liefert absolute Positionsbestimmungen, deren Genauigkeit von der Satellitensichtbarkeit und -geometrie abhängt. GNSS ist jedoch anfällig für Signalausfälle in Umgebungen wie Häuserschluchten oder Wäldern, was zu Datenlücken und Navigationsverlust (Drift) führt.
Eng gekoppelte Systeme nutzen Messungen von Hilfssignalparametern, um den Drift in einem INS zu mindern. Im Vergleich zu lose gekoppelten Systemen aktualisiert die Engkopplung die Fehlerzustände des INS, selbst wenn unzureichende GNSS-Daten eine Positionsbestimmung verhindern. Diese Situation tritt auf, wenn weniger als vier GNSS-Satelliten sichtbar sind, wodurch es unmöglich wird, eine Positionslösung allein mit GNSS-Informationen zu bestimmen.
In lose gekoppelten Systemen führt diese Situation zu einem vollständigen Datenausfall. Eng gekoppelte Systeme können jedoch begrenzte GNSS-Messungen nutzen, wodurch sie den INS-Fehlerdrift teilweise mindern können.
Um dieses Ziel zu erreichen, müssen eng gekoppelte Systeme die IMU (Inertial Measurement Unit) in Echtzeit kalibrieren, wobei der Fokus insbesondere auf Perioden liegt, in denen das GNSS-Signal ungehindert empfangen wird. Diese Kalibrierung gewährleistet eine präzise Kenntnis des IMU-Bias und trainiert die IMU, den zukünftigen Standort des GNSS-Signals zu antizipieren (vorausschauende Modellierung).
Indem die IMU befähigt wird, die Gültigkeit und Präzision des GNSS-Signals zu bewerten und das GNSS-Signal auszuwählen, das ihrer Vorhersage entspricht, stellt das System eine starke Verbindung zwischen IMU und 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.
