El acoplamiento estrecho representa una estrategia avanzada de fusión de datos fundamental para una integración robusta y de alta precisión de los sistemas globales de navegación por satélite (GNSS) y los sistemas de navegación inercial (INS). Este enfoque combina las fortalezas de ambos sistemas —la estabilidad a largo plazo del GNSS y la precisión a corto plazo y de alta velocidad del INS— al fusionar sus mediciones principales directamente dentro de un único estimador, típicamente un filtro de Kalman. El rendimiento mejora drásticamente, especialmente cuando las señales GNSS están parcialmente bloqueadas o degradadas.
Los receptores GNSS determinan la posición midiendo el tiempo que tardan las señales en viajar desde múltiples satélites. Este proceso produce soluciones de posición absolutas con una precisión que depende de la visibilidad y la geometría de los satélites. Sin embargo, el GNSS es susceptible a interrupciones de señal en entornos como cañones urbanos o bosques, lo que provoca lagunas de datos y pérdida de navegación (deriva).
Los sistemas de acoplamiento estrecho utilizan mediciones de parámetros de señales de ayuda para mitigar la deriva en un INS. En comparación con los sistemas de acoplamiento flexible, el acoplamiento estrecho actualiza los estados de error del INS, incluso cuando datos GNSS insuficientes impiden fijar una posición. Esta situación ocurre cuando menos de cuatro satélites GNSS son visibles, lo que imposibilita determinar una solución de posición utilizando únicamente información GNSS.
En los sistemas de acoplamiento flexible, esta situación provoca una interrupción completa de los datos. Sin embargo, los sistemas de acoplamiento estrecho pueden utilizar mediciones GNSS limitadas, lo que les permite mitigar parcialmente la deriva del error del INS.
Para lograr este objetivo, los sistemas de acoplamiento estrecho deben calibrar la IMU (Unidad de Medición Inercial) en tiempo real, centrándose particularmente en los períodos en que la señal GNSS no está obstruida. Esta calibración asegura un conocimiento preciso del sesgo de la IMU y entrena a la IMU para anticipar la ubicación futura de la señal GNSS (modelado anticipatorio).
Al permitir que la IMU evalúe la validez y precisión de la señal GNSS y seleccione la señal GNSS que corresponde a su predicción, el sistema establece una fuerte conexión entre la IMU y el GNSS.
La arquitectura de acoplamiento estrecho
El concepto central del acoplamiento estrecho es utilizar las mediciones de pseudodistancia y fase portadora del GNSS directamente en el paso de actualización de la observación del filtro de Kalman. Esto supone una diferencia significativa con respecto al acoplamiento holgado, en el que el filtro de Kalman utiliza la solución de posición y velocidad GNSS totalmente procesada e independiente.
En un sistema de acoplamiento estrecho, el vector de estado del filtro de Kalman suele incluir los estados de error del INS:
- Errores de posición (δr)
- Errores de velocidad (δv)
- Errores de actitud (δ𝛙)
- Sesgos del sensor IMU (acelerómetro y giroscopio)
El filtro de Kalman utiliza las ecuaciones de mecanización del INS para el paso de propagación en el tiempo (predicción). Esto propaga los estados del INS hacia adelante utilizando los datos de alta velocidad de la IMU.
Ventajas del acoplamiento estrecho
El acoplamiento estrecho ofrece varias ventajas importantes, sobre todo para las aplicaciones de post-procesamiento en las que todos los datos de los sensores están disponibles después de la misión. A diferencia del acoplamiento flojo, que requiere una solución de al menos cuatro satélites GNSS para calcular una posición 3D, el acoplamiento estrecho sólo necesita un satélite visible. Con una sola medición de pseudodistancia, el filtro de Kalman puede seguir derivando un vector de corrección de errores que restringe eficazmente la deriva del INS. Esta capacidad es vital en zonas parcialmente obstruidas.
Al utilizar las mediciones GNSS sin procesar, el filtrado puede modelar y estimar directamente la desviación del reloj del receptor GNSS dentro del vector de estado. Este profundo nivel de integración conduce a una solución de navegación global más precisa, especialmente cuando se combinan las mediciones de fase portadora para las técnicas de post-procesamiento cinemático en tiempo real (RTK) o de posicionamiento puntual preciso (PPP).
El proceso de corrección integrado y sin fisuras garantiza una calidad de navegación más fluida y coherente. Los algoritmos ponderan de forma óptima los datos INS de alta precisión con las observaciones GNSS, a menudo ruidosas. Durante las interrupciones del GNSS, el INS bien calibrado (debido a la continua estimación del sesgo) proporciona una solución de navegación a estima superior.
El post-procesamiento implica el filtrado hacia delante y hacia atrás. Los datos se procesan primero cronológicamente (filtro hacia delante). A continuación, un filtro hacia atrás procesa los datos a la inversa, utilizando las estimaciones hacia delante finales como condiciones iniciales. Un suavizador de intervalo fijo (por ejemplo, el suavizador de Rauch-Tung-Striebel) suaviza los resultados de ambos filtros. Este paso de suavizado ofrece la solución de trayectoria estadísticamente óptima más precisa, aprovechando todos los datos disponibles a lo largo de toda la línea de tiempo de la misión. Esto hace que el acoplamiento estrecho sea un estándar de oro para aplicaciones de alta precisión como la cartografía y la topografía.
