Ścisłe sprzężenie stanowi zaawansowaną strategię fuzji danych, mającą kluczowe znaczenie dla niezawodnej i wysoce precyzyjnej integracji globalnego systemu nawigacji satelitarnej (GNSS) oraz inercyjnego systemu nawigacyjnego (INS). Podejście to łączy zalety obu systemów — długoterminową stabilność zapewnianą przez GNSS wysoką częstotliwość i krótkoterminową precyzję zapewnianą przez INS— poprzez fuzję ich podstawowych pomiarów bezpośrednio w ramach jednego estymatora, zazwyczaj filtra Kalmana. Wydajność ulega znacznemu poprawieniu, zwłaszcza gdy GNSS są częściowo zablokowane lub osłabione.
GNSS określają pozycję poprzez pomiar czasu, w jakim sygnały docierają z wielu satelitów. Proces ten pozwala uzyskać bezwzględne ustalenia pozycji, których dokładność zależy od widoczności satelitów i geometrii. Jednak GNSS podatny na przerwy w odbiorze sygnału w środowiskach takich jak kaniony miejskie lub lasy, co prowadzi do luk w danych i utraty nawigacji (dryfu).
Systemy ściśle sprzężone wykorzystują pomiary parametrów sygnałów pomocniczych w celu ograniczenia dryftu w systemie INS. W porównaniu z systemami luźno sprzężonymi, systemy ściśle sprzężone aktualizują stany błędów systemu INS, nawet gdy niewystarczające GNSS uniemożliwiają ustalenie pozycji. Sytuacja ta ma miejsce, gdy widocznych jest mniej niż cztery GNSS , co uniemożliwia określenie pozycji wyłącznie na podstawie GNSS .
W systemach luźno sprzężonych sytuacja ta powoduje całkowitą utratę danych. Natomiast systemy ściśle sprzężone mogą wykorzystywać ograniczone GNSS , co pozwala im częściowo ograniczyć dryft INS .
Aby osiągnąć ten cel, systemy ściśle sprzężone muszą kalibrować IMU inercyjny układ pomiarowy) w czasie rzeczywistym, skupiając się szczególnie na okresach, w których GNSS nie jest zakłócany. Kalibracja ta zapewnia precyzyjną wiedzę na temat IMU i uczy IMU przyszłej lokalizacji GNSS (modelowanie antycypacyjne).
Umożliwiając IMU ważności i precyzji GNSS oraz wybór GNSS odpowiadającego jej prognozie, system ustanawia silne powiązanie między IMU GNSS.
Architektura ścisłego sprzężenia
Podstawową koncepcją ścisłego sprzężenia jest wykorzystanie pomiarów pseudoodległości i fazy nośnej GNSS bezpośrednio w kroku aktualizacji obserwacji Filtra Kalmana. Stanowi to znaczące odejście od luźnego sprzężenia, gdzie Filtr Kalmana wykorzystuje w pełni przetworzone, autonomiczne rozwiązanie pozycji i prędkości GNSS.
W systemie ściśle sprzężonym wektor stanu Filtra Kalmana zazwyczaj zawiera stany błędu INS:
- Błędy pozycji (δr)
- Błędy prędkości (δv)
- Błędy orientacji (δ𝛙)
- Odchyłki czujnika IMU (akcelerometru i żyroskopu)
Filtr Kalmana wykorzystuje równania mechanizacji INS do kroku propagacji w czasie (predykcji). Propaguje to stany INS do przodu, wykorzystując dane IMU o wysokiej częstotliwości.
Zalety tight coupling
Ścisłe sprzężenie oferuje kilka istotnych korzyści, szczególnie w przypadku aplikacji post-processingu, gdzie wszystkie dane z czujników są dostępne po zakończeniu misji. W przeciwieństwie do luźnego sprzężenia, które wymaga rozwiązania z co najmniej czterech satelitów GNSS, aby obliczyć pozycję 3D, ścisłe sprzężenie potrzebuje tylko jednego widocznego satelity. Przy pojedynczym pomiarze pseudoodległości filtr Kalmana może nadal wyprowadzić wektor korekcji błędu, który skutecznie ogranicza dryft INS. Ta zdolność jest niezbędna na obszarach częściowo zasłoniętych.
Wykorzystując surowe pomiary GNSS, filtrowanie może bezpośrednio modelować i szacować odchylenie zegara odbiornika GNSS w wektorze stanu. Ten głęboki poziom integracji prowadzi do dokładniejszego i precyzyjniejszego ogólnego rozwiązania nawigacyjnego, szczególnie w połączeniu z pomiarami fazy nośnej dla technik post-processingu Real-Time Kinematic (RTK) lub Precise Point Positioning (PPP).
Bezproblemowy, zintegrowany proces korekcji zapewnia płynniejszą i bardziej spójną jakość nawigacji. Algorytmy optymalnie ważą dane INS o wysokiej precyzji z często zaszumionymi obserwacjami GNSS. Podczas przerw w dostępie do GNSS, dobrze skalibrowany INS (dzięki ciągłemu szacowaniu odchyleń) zapewnia doskonałe rozwiązanie nawigacji inercyjnej.
Post-processing obejmuje filtrowanie do przodu i do tyłu. Dane są najpierw przetwarzane chronologicznie (filtr do przodu). Następnie filtr wsteczny przetwarza dane w odwrotnej kolejności, wykorzystując końcowe szacunki z filtru do przodu jako warunki początkowe. Wygładzanie o stałym przedziale (np. wygładzanie Raucha-Tunga-Striebela) wygładza wyniki z obu filtrów. Ten krok wygładzania zapewnia najdokładniejsze, statystycznie optymalne rozwiązanie trajektorii, wykorzystując wszystkie dostępne dane w całym przedziale czasowym misji. To sprawia, że ścisłe sprzężenie jest złotym standardem dla zastosowań wymagających wysokiej dokładności, takich jak mapowanie i geodezja.
