[发明专利]基于GSM-R通信系统的GNSS辅助相对导航方法及系统

说明书

本发明公开了一种基于GSM‑R通信系统的GNSS辅助相对导航方法及系统，其中相对导航方法，包括：获取相对导航网络信息；在获取的PPLI信息和TOA信息中按照网络层级结构和GDOP值选取多个源，得到多个源数据；采集GNSS信息；获取惯性导航信息；利用EKF滤波器对所述多个源数据中的TOA伪距信息、所述GNSS信息和所述惯性导航信息进行数据融合，得到速度与位置信息；姿态修正：根据所述速度与位置信息推算出姿态信息，将所述姿态信息用于修正惯性导航的姿态角误差。以高精度的GNSS定位信息来补偿修正相对导航系统的TOA伪距定位信息，提高了相对导航系统在有卫星条件下的定位精度。

技术领域

本发明涉及列车定位领域，具体地，涉及一种基于GSM-R通信系统 的GNSS辅助相对导航方法及系统。

背景技术

基于GNSS/INS的组合导航系统是利用从卫星获得的精度较高的位置 速度信息来修正载体的惯性导航设备输出，以减小由于误差积累导致的定 位结果发散。当卫星信号丢失或卫星信号收到干扰时只能依赖于惯性导航 系统(INS)的单独定位，在短时间内能维持一定的定位精度，但随着INS 误差的积累，定位误差越来越大，尤其是惯性器件的精度越低，误差发散 的速度就越快。我国是一个幅员辽阔地形多样的国家，作为连通全国各地 的铁路线路势必会经过各式各样地形复杂的地区，当采用GNSS/INS组合 导航系统的列车长时间无法接受到卫星信号时列车只能依靠轨旁设备来 修正惯导误差，而轨旁设备需要定期维护，且设备与设备之间的范围无法 实现误差修正，使得运营成本增加的同时定位精度并没有进一步提高。针 对于卫星信号较差或卫星失锁情况下的GNSS/INS组合导航系统误差发散 的问题现在一种思路是利用神经网络等智能算法训练拟合卫星发送的补 偿修正信息，以期在卫星失锁条件下替代GNSS接收机，文比如在GPS 失锁时利用RBFNN预测AKF更新过程的量测输入；或者利用基于ABC 算法的BP神经网络预测输出校正量信息来校正捷联惯导系统的方法，上 述方法多采用高级智能算法来构建模型，但由于铁路运输的成本，可靠性 等因素，列控设备的处理器一般不具备实验室中处理器可以进行高速计算 的能力，故实际应用会存在一定的障碍，另一种思路是通过效果更优的去 噪算法来对惯导设备的陀螺仪和加速度计进行去噪处理，以期提高其独立 工作的有效时间，比如利用改进的AR误差模型来对改进陀螺仪的误差模 型，从而提高对陀螺仪去噪的效果，文或者利用经验模态分解(EMD)的自 适应信号时频处理方法，用于非线性非平稳信号处理。这些方法在一定程度上抑制了惯导系统的误差发散，但是针对不同的惯性器件需要对误差模 型加以修改，且没有从根本上解决惯导误差无修正的问题。

发明内容

本发明的目的在于，针对上述问题，提出一种基于GSM-R通信系统 的GNSS辅助相对导航方法及系统，以实现至少部分的解决现有技术中存 在的问题的优点。

为实现上述目的，本发明采用的技术方案是：

一种基于GSM-R通信系统的GNSS辅助相对导航方法，包括：

获取相对导航网络信息，所述相对导航网络信息包括相对导航网络的 位置基准和时间基准以及相对导航网络中各成员广播的PPLI(精密定位与 识别)信息和TOA信息；

在获取的所述PPLI信息和所述TOA信息中按照网络层级结构和 GDOP值选取多个源，得到多个源数据；

采集GNSS信息；

获取惯性导航信息；

利用EKF滤波器对所述多个源数据中的TOA伪距信息、所述GNSS 信息和所述惯性导航信息进行数据融合，得到速度与位置信息；

姿态修正：根据所述速度与位置信息推算出姿态信息，将所述姿态信 息用于修正惯性导航的姿态角误差。

优选的，所述在获取的所述PPLI信息和所述TOA信息中按照网络层 级结构和GDOP值选取多个源，得到多个源数据中：