Stellar-40 タクティカルグレード慣性航法システム(INS)

---

デッドレコニング（慣性航法）は、GNSS信号が利用できない状況下において、慣性やその他のセンサーデータに依存して連続的な追跡を維持する航法手法です。通常、GNSSが途絶えると、システムは位置情報を完全に失います。デッドレコニングを使用することで、システムは時間の経過とともに緩やかにドリフトする連続的な位置を計算します。このドリフトの速度は、内部IMUの品質や外部補助センサーの可用性によって決まります。

Stellar-40は、明確に定義されたメッセージフレームを採用した当社独自のsbgEComプロトコルを使用しています。これらの事前定義されたメッセージを用いることで、本システムは、Airデータ 、体速度、および絶対位置データを提供できるあらゆる外部センサーから、これらのデータをシームレスに取り込むことができます。

いいえ、その必要はありません。Stellar-40の高度なセンサーフュージョンアルゴリズムが、風況をリアルタイムで自動的に計算・推定するため、手動で入力する必要はありません。

陸上プラットフォームにおいて、Stellar-40はナビゲーションの精度を向上させるため、特にGNSS妨害環境下において多様な補助入力をサポートします。これには、ハードウェアオドメーター（車輪オドometry）、外部センサー（LiDARや光学センサーなど）からの速度補助、絶対位置補助が含まれます。

どちらのバージョンが適しているかは、お客様の運用環境によって異なります。深部探査ドローンや無人地上車両（UGV）など、過酷で振動の激しい環境にさらされるプラットフォームには、ダンピング機能付きバージョンを強くお勧めします。どのバージョンがお客様の用途に適しているかお悩みの場合は、当社のサポートチームが最適な選択をお手伝いいたします。

SBASとは何ですか？

衛星ベース拡大システム（SBAS）は、衛星測位の精度、完全性、可用性、および連続性を向上させるGNSS補強技術です。もともと航空支援用に開発されたSBASは、UAV、海洋航行、精密農業、GISマッピング、自動運転車、慣性航法システム（INS）などの用途において、貴重な航法支援ツールとなっています。リアルタイムキネマティック（RTK）や精密単独測位（PPP）とは異なり、SBASはローカル基地局やインターネット接続を必要とせず、無料でメートル精度の測位を提供します。

スタンドアロンのGNSS受信機は、GPS、Galileo、GLONASS、BeiDouなどの衛星コンステレーションからの疑似距離を測定することで位置を決定します。しかし、これらの測定値は、衛星の時計のズレ、軌道（暦）の誤差、電離層遅流、対流圏遅延、受信機ノイズ、マルチパスなど、いくつかの誤差要因の影響を受けます。SBASは、これらの誤差のうち最大のエラーを継続的に推定し、リアルタイムの補正データをブロードキャストすることで、ナビゲーションソリューションを大幅に改善します。

SBASのアーキテクチャは、ある地域全体に配置された高精度測量済みの基準局ネットワークに依存しています。これらの基準局は、GNSS信号を継続的に監視し、測定された衛星距離と既知の位置を比較して、衛星の時計、軌道、電離層の誤差を推定します。測定値はマスターコントロールセンターに送信され、すべての基準局からのデータが統合されて補正メッセージと完全性情報が生成されます。これらのメッセージは、静止衛星にアップリンクされ、SBAS対応のGNSS受信機に向けて再送信されます。受信機は、位置を計算する前にこの補正を適用し、疑似距離の測定に影響を与える主要な誤差要因を効果的に低減します。

数学的には、補正後の擬距離は次のように表すことができる：

P修正済み​ = P測定値​ − Δ時計 ​− Δ軌道​ − Δイオノ​

ここで Pmeasured は元の疑似距離の測定値であり、 Δclock は衛星クロックの補正を表し、 Δ軌道​ は軌道補正を表し、 Δiono は電離層遅延補正である。

これらの補正により、通常、スタンドアロンGNSSの水平位置誤差は、約3〜10メートルから約1〜2メートルへと削減されます。この精度レベルはRTKやPPPで達成されるセンチメートルレベルの性能には劣りますが、SBASには大きな利点があります。それは、完全性（インテグリティ）の監視です。単に位置の精度を向上させるだけでなく、SBASは監視対象のすべての衛星の健康状態を継続的に評価し、クロックの異常、軌道エラー、信号の劣化などによって衛星が信頼できなくなった場合には、ユーザーに素早く警告を発します。この機能は、ナビゲーションソリューションを信頼できるかどうかをユーザーが把握する必要がある、安全性が最優先される用途において不可欠です。

世界中でいくつかの地域的SBASサービスが稼働しています。これには、北米のWAAS、欧州のEGNOS、日本のMSAS、インドのGAGAN、ロシアのSDCM、韓国のKASS、オーストラリアおよびニュージーランドのSouthPANが含まれます。現代のマルチ周波数GNSS受信機は、地理的な位置に応じて、通常、複数のSBASサービスを自動的にサポートします。

慣性航法システムにおいて、SBASはセンサーフュージョン性能を向上させる、より正確で信頼性の高いGNSSリファレンスを提供します。拡張カルマンフィルタ（EKF）は、補正されたGNSSの位置および速度測定値を使用して、慣性センサーによって蓄積されるドリフトを定期的に抑制します。スタンドアロンのGNSSと比較して、SBASは測定ノイズと衛星関連のバイアスを軽減し、より安定した位置および速度の更新を実現すると同時に、航法アルゴリズムに貴重な完全性情報を提供します。ただし、SBASはGNSSの更新レートを向上させるものではなく、GNSSの途絶を補償することはできません。信号中断の間は、全体的な航法性能は依然として主にIMUの品質とINS推定アルゴリズムの有効性に依存します。

したがって、SBASは、高い信頼性と完全性を備えた、無料で世界中で利用可能なメートル単位の測位を必要とする用途にとって優れたソリューションです。特に、センチメートル単位の精度よりも堅牢なナビゲーションが重要となる、自動運転車、UAV、海洋航行、農業、産業用システムに最適です。アプリケーションで測量グレードの測位が求められる場合、RTKまたはPPPが引き続き推奨される補正技術となりますが、SBASは従来のGNSSナビゲーションに対する信頼性が高く広く利用可能な拡張機能として機能します。

GNSS途絶時に慣性航法システムが測位を維持する方法

1 – 慣性航法システムとGNSS統合

慣性航法システム（INS）は、内蔵された慣性計測値から位置、速度、姿勢を決定します。その核心となるのが、3つの加速度計と3つのジャイロスコープを組み合わせた慣性計測装置（IMU）です。加速度計は比力を測定し、ジャイロスコープは3つの直交軸に沿った角速度を測定します。

ナビゲーションコンピュータは、これらの測定値を高速で処理します。まず、ジャイロスコープの測定値を積分して、姿勢の変化を推定します。次に、測定された加速度をナビゲーション座標系に変換し、重力やその他の既知の影響を補正します。最後に、加速度を積分して速度と位置を推定します。このプロセスにより、INS は外部信号に依存することなく、連続的な航法解を算出することができます。

GNSSが利用可能な場合、INSは通常、統合型GNSS/INSソリューションの一部として動作します。GNSSが位置と速度の外部基準を提供する一方で、IMUが高頻度のモーション測定を提供します。ナビゲーションフィルターは両方のソースを統合して車両の状態を推定し、慣性誤差を抑制します。

GNSS信号が利用できなくなると、システムはデッドレコニング（航法）と呼ばれる慣性航法に移行します。INSは、直近の既知の航法状態を基準として、ジャイロスコープと加速度計の測定値の統合を継続します。その結果、測位中断中も位置、速度、姿勢の出力を継続的に維持できます。

しかし、慣性航法では測位の電波障害（アウトテージ）中の測位誤差を完全になくすことはできません。センサーのバイアス、ノイズ、スケールファクター誤差、ミスアライメント、その他の不完全な要素が積分を通じて累積されます。特に、加速度計の誤差は速度、そして位置に影響を与え、ジャイロスコープの誤差は姿勢に影響を与え、不正確な重力補正を通じてさらなる位置誤差を誘発する可能性があります。

したがって、GNSSのブラックアウトの期間とその規模は、結果として生じる位置の不確実性に直接影響します。高性能な慣性センサーほど誤差の増大を抑えることができ、蓄積されたドリフトが無視できなくなるまで、より長時間のブラックアウトを補うことが可能です。

慣性センサーの設計と製造において約20年の経験を持つSBG Systemsは、GNSSの利用が制限されたり中断されたりする状況下でも信頼性の高いナビゲーションパフォーマンスを提供するIMUおよびINSテクノロジーを開発しています。

2 – カルマンフィルタとセンサーフュージョン

センサーフュージョンにより、GNSS/INSシステムは特性の異なる測定値を統合することができます。IMUは連続的かつ高頻度な測定値を提供しますが、時間の経過とともに誤差が蓄積されます。GNSSは絶対的な位置基準を提供しますが、利用できなくなったり更新頻度が低下したりすることがあります。ナビゲーションフィルターは、これら互いに補完し合う特性を統合して車両の状態を推定します。

この種の状態推定には、カルマンフィルタが広く用いられています。実際のINS アプリケーションでは、車両の運動や姿勢を表す方程式が非線形であるため、通常は拡張カルマンフィルタ（EKF）が使用されます。EKFは、利用可能なセンサーからの測定値を処理しながら、航法状態とその不確実性の推定値を維持します。

このプロセスは、「予測」と「測定値の更新」という2つの基本的なステップから構成されています。

予測段階では、フィルターは前回の航法状態と最新のIMU測定値を使用して次の状態を推定します。また、関連する不確実性も伝播させます。測定更新段階では、フィルターは利用可能な外部測定値と予測状態を比較します。そして、その差（イノベーション）を利用して状態推定値を更新し、不確実性を低減させます。

GNSS/INSシステムでは、GNSS測定値が外部観測データとなり、慣性ドリフトを抑制します。また、システムモデルと利用可能な測定値によりこれらのパラメータの観測が可能な場合、フィルターは加速度計やジャイロスコープのバイアスなどのパラメータを推定することもできます。

この区別は重要です。カルマンフィルタは、単にすべての搭載センサーからの誤差をすべて除去するわけではありません。むしろ、数学的モデルと利用可能な測定値に基づいて、航法状態および関連する誤差状態を推定します。センサーの不完全性、モデルの不正確さ、および観測されない外乱を完全に排除することはできないため、残留誤差が残ります。

GNSSが利用できなくなった場合、フィルターは慣性測定値を使用して航法ソリューションの伝播を継続できます。しかし、外部観測がないため、システムが誤差状態を抑制する機会が減少します。その結果、ブラックアウトが継続するにつれて不確実性が増大します。GNSS測定値が再び利用可能になると、フィルターはそれらを慣性ソリューションと比較し、得られたイノベーション（残差）を使用して推定状態および蓄積された誤差を補正します。これにより、GNSS/INSシステムはGNSS支援航法と慣性航法の間をスムーズに移行できるようになります。