Stellar-40 タクティカルグレード慣性航法システム(INS)

---

推測航法とは、GNSS 依存せず、慣性およびその他のセンサーデータを利用して継続的な追跡を維持する航法手法である。通常、GNSS システムは位置情報を完全に喪失する。推測航法では、システムは時間の経過とともに徐々にドリフトする連続的な位置を計算する。このドリフトの速度は、IMU 外部補助センサーの利用可能性に依存する。

Stellar-40は、明確に定義されたメッセージフレームを利用する独自の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使用することで、システムは、その情報を提供できるあらゆる外部センサーから、Airデータ、機体速度、および絶対位置データをシームレスに取り込むことができます。

いいえ、必要ありません。Stellar-40の高度なセンサーフュージョンアルゴリズムは、風の状態をリアルタイムで自動的に計算および推定するため、手動で入力する必要がありません。

陸上プラットフォーム向けに、Stellar-40は、特にGNSSが利用できない環境において、航法精度を向上させるためのさまざまな補助入力に対応しています。これらには、ハードウェアオドメーター（ホイールオドメトリー）、外部センサー（LiDARや光学センサーなど）からの速度補助、および絶対位置補助が含まれます。

適切な選択は運用環境によって異なります。過酷な振動環境下で使用されるプラットフォーム（深部攻撃ドローンや無人地上車両（UGV）など）には、ダンピング仕様を強く推奨します。ご自身の用途に適したバージョンが不明な場合は、サポートチームが適切な選択をお手伝いします。

SBASとは何ですか？

衛星補強システム（SBAS） は、衛星測位の精度、完全性、可用性、および継続性をGNSS 。 当初は航空分野を支援するために開発されたSBASですが、現在では、無人航空機（UAV）、海上航行、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、貴重な航法支援手段となっています。リアルタイムキネマティック（RTK）や精密点位置測定（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に、無料でメートル級の測位精度を提供します。

スタンドアロン型GNSS は、GPS、ガリレオ、GLONASS、北斗などの衛星コンステレーションに属する衛星からの疑似距離を測定することで、自身の位置を特定します。 しかし、これらの測定値には、衛星クロックのドリフト、軌道（エフェメリス）誤差、電離層遅延、対流圏遅延、受信機のノイズ、マルチパスなど、いくつかの誤差要因が影響します。SBASは、これらの誤差のうち最も大きなものを継続的に推定し、ナビゲーションソリューションを大幅に改善するリアルタイムの補正情報を放送します。

SBASのアーキテクチャは、地域全体に配置された、精密に測量された基準局のネットワークに依存しています。これらの基準局GNSS 継続的に監視し、測定された衛星までの距離と既知の位置を比較することで、衛星の時計誤差、軌道誤差、および電離層誤差を推定します。測定データはマスター制御センターに送信され、そこで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その後、静止軌道衛星にアップリンクされ、同衛星からSBAS対応GNSS に向けて再送信されます。 受信機は、自身の位置を計算する前にこれらの補正を適用することで、擬似距離測定に影響を与える主な誤差要因を効果的に低減します。

数学的には、補正後の疑似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、GNSS 測定誤差は、およそ3～10メートルから1～2メートル程度まで低減されます。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及ばないものの、SBASには「完全性監視」という大きな利点があります。SBASは単に位置精度を向上させるだけでなく、監視対象のすべての衛星の状態を継続的に評価し、時計の異常、軌道誤差、または信号の劣化によって衛星の信頼性が低下した場合、ユーザーに迅速に警告を発します。 この機能は、ユーザーが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把握しなければならない、安全性が極めて重要な用途において不可欠です。

世界中でいくつかの地域別SBASサービスが運用されています。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、そしてオーストラリアとニュージーランドのSouthPANが含まれます。最新の GNSS、一般的に、その地理的位置に応じて、複数のSBASサービスを自動的にサポートしています。

慣性航法システムにおいて、SBASはより正確でGNSS 提供し、センサーフュージョンの性能を向上させます。拡張カルマンフィルタ（EKF）は、GNSS および速度測定値を用いて、慣性センサーによって蓄積されたドリフトを定期的に制限します。GNSS測定ノイズや衛星に関連するバイアスを低減し、より安定した位置および速度の更新を実現するとともに、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、GNSS 向上させるものではなく、GNSS 補うこともできません。信号が途絶している間、航法性能全体はIMU INS IMU 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級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、センチメートル級の精度を達成することよりも堅牢な測位が重視される、自動運転車、無人航空機（UAV）、船舶航行、農業、および産業用システムに最適です。測量級の高精度測位が求められる用途では、RTKやPPPが依然として推奨される補正技術ですが、SBASは、GNSS 補完する、信頼性が高く広く利用可能な手段として機能します。

慣性航法システムがGNSS の通信障害時に位置情報を維持する方法

1 – 慣性航法システムとGNSS の統合

慣性航法システム（INS ）は、搭載された慣性計測データから位置、速度、および姿勢を算出します。その中核をなす慣性計測ユニット（IMU ）は、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ものです。加速度計は特定の力を測定し、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、連続的な航法解を導き出すことができます。

GNSS が利用可能な場合、INS は通常、GNSS およびINS を統合したソリューションの一部として動作します。GNSS は位置と速度に関する外部参照情報を提供し、IMU は高頻度の運動測定値を提供します。ナビゲーションフィルタはこれら2つの情報源を組み合わせて、車両の状態を推定し、慣性誤差を抑制します。

GNSS の信号が利用できなくなると、システムは慣性航法（デッドレコニングとも呼ばれる）に移行します。INS は、最後に確認された航法状態からのジャイロスコープおよび加速度計の測定値を統合し続けます。その結果、信号が途絶えている間も、位置、速度、姿勢の情報を継続的に出力し続けることができます。

しかし、慣性航法では、システムがダウンしている間の測位誤差を完全に排除することはできません。センサーのバイアス、ノイズ、スケール係数の誤差、位置ずれ、その他の不完全性は、積分処理を通じて累積していきます。特に、加速度計の誤差は速度に影響し、ひいては位置に影響を及ぼしますが、ジャイロスコープの誤差は姿勢に影響し、不適切な重力補正を通じてさらなる位置誤差を招く可能性があります。

したがって、GNSS の通信遮断の継続時間と規模は、その結果生じる位置の不確実性に直接影響を及ぼします。高性能な慣性センサーは誤差の増大を抑制し、蓄積されたドリフトが顕著になる前に、システムがより長い通信遮断期間を乗り切れるようにします。

SBG Systems 社は、慣性センサーの設計・製造において20年近くの経験を有しており、GNSS の可用性が制限されたり中断されたりした場合でも、信頼性の高い航法性能を提供するように設計されたIMU およびINS 技術を開発しています。

2 – カルマンフィルタリング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、異なる特性を持つ測定値を統合することが可能になります。IMU は、連続的かつ高頻度の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可能性があります。ナビゲーションフィルタは、これらの相互に補完的な特性を組み合わせて、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、拡張カルマンフィルタ（EKF）が採用されています。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で構成されています。

予測の際、フィルタは前回のナビゲーション状態と最新のIMU による計測値を用いて、次の状態を推定します。また、それに関連する不確実性も伝播させます。計測値の更新時には、フィルタは利用可能な外部計測値と予測された状態を比較します。そして、その差分（イノベーション）を用いて、状態推定値を更新し、その不確実性を低減します。

GNSS/INS システムにおいて、GNSS による計測値は、慣性ドリフトを制約する外部観測値となります。また、システムモデルと利用可能な計測値によってそれらのパラメータが観測可能となる場合、フィルタ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も推定することができます。

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すべての誤差を取り除く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でも、フィルタは慣性計測を用いて航法解の伝播を継続することができます。しかし、外部観測がない状態では、システムが誤差状態を制約する機会が少なくなります。その結果、通信障害が続くにつれて不確実性が増大します。GNSS の計測値が再び利用可能になると、フィルタはそれらを慣性解と比較し、その結果得られたイノベーションを用いて、推定状態と累積誤差を補正します。これにより、GNSS/INS システムは、GNSS による航法支援と慣性伝播の間を円滑に切り替えることが可能になります。