Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 6

INS/GPS KF Integration Performance Improvement based on Accurate Inertial Sensors Stochastic Error Modelling

Poprawa wydajności integracji INS/GPS KF w oparciu o dokładne modelowanie błędów stochastycznych z czujników inercyjnych

10.15199/48.2024.06.46

nr katalogowy: 149008
10.15199/48.2024.06.46

Streszczenie

Inertial Navigation Systems (INS) provides precise data for short time-period, but their accuracy diminishes over time, especially with lowcost sensors. To maintain acceptable accuracy, sensor error components must be accurately calibrated/modelled. Different methods have been used to characterize the inertial sensors stochastic errors, including the Autocorrelation function (ACF), Allan variance (AV) and the Generalized Method of Wavelet Moments (GMWM). This paper focuses on the analysis of Micro-Electromechanical Systems (MEMS)-based inertial sensor errors under various conditions. The inertial sensor stochastic error processes are estimated using both the AV and the GMWM techniques. Based on the comparison between both stochastic analysis tools, the GMWM was selected and a GMWM-based model selection criteria is utilized to rank candidate error models. An extended 39-states integrated GNSS/INS navigation algorithm (based on the chosen error model) is proposed and compared with a standard 15- states integrated GNSS/INS navigation algorithm (based on 1st Gauss-Markov process for modelling the stochastic errors). The study analyses various stochastic error models using real data of Inertial Navigation System (INS) and Global Positioning System (GPS) with intended GPS signal outage periods. Results reveal enhanced position accuracy with the proposed algorithm and superior performance with GMWM-based error model over standard ACF-based one.

Abstract

Inercyjne systemy nawigacji (INS) dostarczają dokładnych danych przez krótki okres czasu, ale ich dokładność maleje z czasem, szczególnie w przypadku tanich czujników. Aby zachować akceptowalną dokładność, składowe błędu czujnika muszą być dokładnie skalibrowane/modelowane. Do charakteryzowania błędów stochastycznych czujników inercyjnych zastosowano różne metody, w tym funkcję autokorelacji (ACF), wariancję Allana (AV) i uogólnioną metodę momentów falkowych (GMWM). W artykule skupiono się na analizie błędów czujników inercyjnych opartych na systemach mikroelektromechanicznych (MEMS) w różnych warunkach. Procesy błędów stochastycznych czujnika inercyjnego są szacowane przy użyciu technik AV i GMWM. Na podstawie porównania obu narzędzi analizy stochastycznej wybrano GMWM, a kryteria wyboru modelu oparte na GMWM zastosowano do uszeregowania modeli potencjalnych błędów. Zaproponowano rozszerzony, 39-stanowy zintegrowany algorytm nawigacji GNSS/INS (oparty na wybranym modelu błędów) i porównano go ze standardowym 15-stanowym zintegrowanym algorytmem nawigacji GNSS/INS (opartym na pierwszym procesie Gaussa-Markowa do modelowania błędów stochastycznych). W pracy przeanalizowano różne modele błędów stochastycznych wykorzystując rzeczywiste dane z systemu nawigacji inercyjnej (INS) i globalnego systemu pozycjonowania (GPS) z przewidywanymi okresami zaniku sygnału GPS. Wyniki ujawniają zwiększoną dokładność pozycjonowania dzięki proponowanemu algorytmowi i lepszą wydajność dzięki modelowi błędów opartemu na GMWM w porównaniu ze standardowym modelem opartym na ACF.

Słowa kluczowe

Keywords

Bibliografia

1 A. Noureldin, T. B. Karamat, and J. Georgy, Fundamentals of inertial navigation, satellite-based positioning and their integration. Springer Berlin Heidelberg, 2013. doi: 10.1007/978- 3-642-30466-8. 2 G. Macgougan, G. Lachapelle, R. Nayak, and A. Wang, “OVERVIEW OF GNSS SIGNAL DEGRADATION PHENOMENA.” 3 O. J. Woodman, “Number 696 An introduction to inertial navigation An introduction to inertial navigation,” 2007,
[Online]. Available. http://www.cl.cam.ac.uk/http://www.cl.cam.ac.uk/techreports/ 4 M. S. Grewal, L. R. (Lawrence R. Weill, and A. P. Andrews, Global positioning systems, inertial navigation, and integration. John Wiley, 2001. 5 W. Abdel-Hamid, “UCGE Reports Accuracy Enhancement of Integrated MEMS-IMU/GPS Systems for Land Vehicular Navigation Applications,” 2020.
[Online]. Available: http://www.geomatics.ucalgary.ca/links/GradTheses.html 6 X. Niu, S. Nasser, C. Gooddall, and N. El-Sheimy, “A universal approach for processing any MEMS inertial sensor configuration for land-vehicle navigation,” Journal of Navigation, vol. 60, no. 2, pp. 233–245, May 2007, doi: 10.1017/S0373463307004213. 7 D. Ünsal, “ESTIMATION OF DETERMINISTIC AND STOCHASTIC IMU ERROR PARAMETERS A THESIS SUBMITTED TO THE GRADUATE SCHOOL OF NATURAL AND APPLIED SCIENCES OF MIDDLE EAST TECHNICAL UNIVERSITY,” 2012 6 W. S. Flenniken, J. H. Wall, and D. M. Bevly, “Characterization of Various IMU Error Sources and the Effect on Navigation Performance.” 9 Z. Ashraf and W. Nafees, “Error modeling and analysis of inertial measurement unit using stochastic and deterministic techniques,” in Advanced Materials Research, 2012, pp. 4447– 4455. doi: 10.4028/www.scientific.net/AMR.403-408.4447. 10 UCGE Reports Improving the Inertial Navigation System (INS) Error Model for INS and INS/DGPS Applications,” 2018.. Available: http://www.geomatics.ucalgary.ca/links/GradTheses.html 11 M. Park and Y. Gao, “Error and Performance Analysis of MEMS-based Inertial Sensors with a Low-cost GPS Receiver,” Sensors, vol. 8, pp. 2240–2261, 2008,
[Online]. Available: www.mdpi.org/sensors 12 R. Z. Z. G. Z. C. J. D. Xiaoji Niu, “Micro-machined attitude measurement unit with application in satellite TV antenna stabilization,” Jan. 2002. 13 J. C. M. Zhihua Zhang, “Autoregressive Moving Average Models,” in Mathematical and Physical Fundamentals of Climate Change, Second., Beijing: elsevier, 2015, pp. 239–289. 14 N. El-Sheimy, H. Hou, and X. Niu, “Analysis and modeling of inertial sensors using allan variance,” IEEE Trans Instrum Meas, vol. 57, no. 1, 2008, doi: 10.1109/TIM.2007.908635. 15 J. R. Evans et al., “Method for calculating self-noise spectra and operating ranges for seismographic inertial sensors and recorders,” Seismological Research Letters, vol. 81, no. 4, 2010, doi: 10.1785/gssrl.81.4.640. 16 A. G. Quinchia, G. Falco, E. Falletti, F. Dovis, and C. Ferrer, “A comparison between different error modeling of MEMS applied to GPS/INS integrated systems,” Sensors (Switzerland), vol. 13, no. 8, pp. 9549–9588, 2013, doi: 10.3390/s130809549. 17 J. Balamuta, S. Guerrier, R. Molinari, and W. Yang, “A Computationally Efficient Framework for Automatic Inertial Sensor Calibration,” Mar. 2016,
[Online]. Available: http://arxiv.org/abs/1603.05297 18 S. Guerrier, J. Skaloud, Y. Stebler, and M. P. Victoria-Feser, “Wavelet-variance-based estimation for composite stochastic processes,” J Am Stat Assoc, vol. 108, no. 503, 2013, doi: 10.1080/01621459.2013.799920. 19 J. Balamuta, R. Molinari, S. Guerrier, and W. Yang, “The gmwm R package: a comprehensive tool for time series analysis from state-space models to robustness,” Jul. 2016,
[Online]. Available: http://arxiv.org/abs/1607.04543 20 M. El-Diasty, A. El-Rabbany, and S. Pagiatakis, “Temperature variation effects on stochastic characteristics for low-cost MEMS-based inertial sensor error,” Meas Sci Technol, vol. 18, no. 11, pp. 3321–3328, Nov. 2007, doi: 10.1088/0957- 0233/18/11/009. 21 Y. Stebler, S. Guerrier, J. Skaloud, R. Molinari, and M.-P. Victoria-Feser, “Study of MEMS-based Inertial Sensors Operating in Dynamic Conditions,” 2014/ 22 UCGE Reports Improving the Inertial Navigation System (INS) Error Model for INS and INS/DGPS Applications,” 2018.. Available: http://www.geomatics.ucalgary.ca/links/GradTheses.html 23 M. S. Keshner, “l / f Noise,” 1982. 24 W. Abdel-Hamid, “Accuracy enhancement of integrated MEMSIMU/GPS systems for land vehicular navigation applications,” University of Calgary, Calgary, 2005. 25 A. Radi, “Non-linear Error Modeling for MEMS-based IMUs,” 2018. 26 ED610086”. 27 vdoc.pub_wavelets-in-chemistry/ 28 FTP SITE NOW AVAILABLE 29 S. Nassar, N. El-Sheimy, K.-P. Schwarz, and A. Noureldin, “Modeling Inertial Sensor Errors Using Autoregressive (AR) Models,” 2003.
[Online]. Available: https://www.researchgate.net/publication/281628063 30 X. Niu et al., “Using Allan variance to analyze the error characteristics of GNSS positioning,” GPS Solutions, vol. 18, 2, pp. 231–242, Apr. 2014, doi: 10.1007/s10291-013-0324-x. 31 H. Hou, “Modeling Inertial Sensors Errors Using Allan Variance UCGE Reports,” 2004.
[Online]. Available: http://www.geomatics.ucalgary.ca/links/GradTheses.html 32 A. Radi, S. Nassar, and N. El-Sheimy, “Stochastic Error Modeling of Smartphone Inertial Sensors for Navigation in Varying Dynamic Conditions,” Gyroscopy and Navigation, vol. 9, no. 1, pp. 76–95, Jan. 2018, doi: 10.1134/S2075108718010078. 33 J. Balamuta, R. Molinari, S. Guerrier, and W. Yang, “The gmwm R package: a comprehensive tool for time series analysis from state-space models to robustness,” Jul. 2016,
[Online]. Available: http://arxiv.org/abs/1607.04543 34 G. Bakalli et al., “Multi-Signal Approaches for Repeated Sampling Schemes in Inertial Sensor Calibration,” IEEE Transactions on Signal Processing, vol. 71, pp. 1103–1114, 2023, doi: 10.1109/TSP.2023.3262179. 35 A. Radi, G. Bakalli, S. Guerrier, N. El-Sheimy, A. B. Sesay, and R. Molinari, “A Multisignal Wavelet Variance-Based Framework for Inertial Sensor Stochastic Error Modeling,” IEEE Trans Instrum Meas, vol. 68, no. 12, pp. 4924–4936, Dec. 2019, doi: 10.1109/TIM.2019.2899535 36 C. Military Technical College and Institute of Electrical and Electronics Engineers, 2020 12th International Conference on Electrical Engineering (ICEENG).

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-6 , nr katalogowy 149008 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-6 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-6

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma