Nghiên cứu tích hợp hệ dẫn đường quán tính và hệ định vị toàn cầu ins gps

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lưu Mạnh Hà NGHIÊN CỨU TÍCH HỢP HỆ DẪN ĐƯỜNG QN TÍNH VÀ HỆ ĐỊNH VỊ TỒN CẦU (INS/GPS) LUẬN VĂN THẠC SĨ Hà Nội - 2009 Mục Lục Lời mở đầu Thuật ngữ viết tắt Ký hiệu, ký tự Chương Giới thiệu chung 1.1 Hệ thống định vị quán tính (INS) 1.2 Hệ thống định vị toàn cầu (GPS) 1.3 Hệ thống tích hợp INS/GPS 12 Chương Lý Thuyết dẫn đường quán tính INS 21 2.1 Cấu trúc khối IMU 21 2.2 Cơ sở lý thuyết hệ dẫn đường quán tính 22 2.3 Các hệ tọa độ 23 2.3.1 Hệ tọa độ quán tính (Inertial Frame) 23 2.3.2 Hệ tọa độ cố định tâm trái đất (The Earth Fixed Frame) 23 2.3.3 Hệ tọa độ định vị (Navigation frame) 23 2.3.4 Hệ tọa độ gắn liền vật thể (Body frame) 23 2.4 Phương trình định vị 24 2.5 Hệ Phương trình định vị hệ tọa độ cố định tâm trái đât (e-frame) 25 2.6 Thuật toán Strapdown INS (SINS) Salychev 26 2.7 Lưu đồ thuật toán 35 Chương Bộ lọc Kalman 38 3.1 Bản chất lọc Kalman 38 3.2 Ứng dụng lọc Kalman hệ dẫn đường quán tính 41 Chương Thiết kế hệ thống 44 4.1 Phần cứng 44 4.2 Bài toán phân chia thời gian 49 4.3 Hệ thống mạng truyền thông 50 Chương Kết thực nghiệm 52 5.1 Kết thực nghiệm 52 Chương Kết luận 59 6.1 Kết luận 59 6.2 Thảo luận kiến nghị 59 Tài liệu tham khảo 61 Lời mở đầu Hiện vấn đề định vị dẫn đường cho vật thể chuyển động vấn đề thiết thực đời sống Từ hệ định vị vệ tinh GNSS (Global Navigation Satellite System) đời, cụ thể hệ thống định vị toàn cầu giới GPS (Global Navigation system ), đẩy mạnh phát triển lĩnh vực định vị dẫn đường cho ô tô, máy bay, tàu thuyền… Tuy nhiên hệ thống định vị vệ tinh bộc lộ nhiều hạn chế hoạt động riêng lẻ sai số truyền thơng, tín hiệu sóng, tần số cập nhật thấp đặc biêt phuộc vào nhà cung cấp dịch vụ Trước có nhiều hệ thống thiết bị học áp dụng để định vị xác định thông số chuyển động vật (INS – Inertial Navigation System, ví dụ hệ đăng cho tàu ngầm, tàu biển), song vấn giá thành độ xác thiết bị có nhiều hạn chế Cùng với phát triển công nghệ, công nghệ vi điện tử (MEMS) có bước phát triển đột phá, cho đời hàng loạt sản phẩm vi điện tử tích hợp với ưu điểm độ xác, độ nhạy cao, giá thành rẻ, kích thước nhỏ gọn ứng dụng rộng rãi thực tế Một sản phẩm công nghệ vi điện tử cảm biến vận tốc góc (Gyro) cảm biến gia tốc (Accelerometer) Các cảm biến phối hợp với cho thông số vị trí trạng thái vật thể cách xác thời gian ngắn với tốc độ cập nhật cao Tuy nhiên hệ INS MEMS hoạt động riêng lẻ lại gặp phải sai số tích lũy theo thời gian từ cảm biến quán tính Ý tưởng kết hợp hai hệ thống INS GPS thành hệ tích hợp bổ trợ giải pháp thơng minh Vừa tận dụng độ xác thời gian dài hệ thống GPS lại tận dụng tốc độ cập nhật thơng tin cao độ xác thời gian ngắn hệ INS Trong thời gian 2005- 2008 học viên tham gia nghiên cứu đề tài QGTD0509 ”Nghiên cứu tích hợp hệ thống dẫn đường quán tính (DĐQT) sở cảm biến vi điện tử phục vụ điều khiển dẫn đường phương tiện chuyển động” xây dựng hệ INS/GPS tích hợp sử dụng PCbox Hệ thống dành giải ba thi Nhân Tài Đất Việt 2008 Trong luận văn này, học viên tập trung nghiên cứu, xây dựng hệ INS/GPS xử lý thời gian thực môi trường Linux nhúng hệ ARM kit S3C2440-IV, tiếp truyền liệu online qua mạng GSM/GPRS trung tâm giám sát có trang bị đồ GIS Hệ đem thực nghiệm thu kết khả quan Thuật ngữ viết tắt AI AIMSTM ANFIS ANN BDS C/A-code CCIT CDMA C/N CIMU DD DR DGPS DOP DOV ECEF EKF FOG FLO FIS FFT FM GN&C GPS GLONASS HDOP HSGPS IMU INS ISA LBS LC LKF LLF LMS LOS LSQ LVNS .Artificial Intelligence Airborne Integrated Mapping System Adaptive Neural Fuzzy Information System Artificial Neural Networks …Black Diamond System …Coarse/Acquisition code …Calgary Center for Innovative Techn …Code Division Multiple Access …Carrier to Noise Density Ratio …Commercial Inertial Measurement Unit …Double Difference …Dead Reckoning …Differential GPS …Dilution of Precision Deflection Of the Vertical …Earth-Centred Earth-Fixed …Extended Kalman Filter Fiber optic gyroscope Fuzzy Logic Observer Fuzzy Inference System Fast Fourie Transform Frequence Modulation Guidance, Navigation, and Control …Global Positioning System GLobal Orbiting Navigation Satellite System …Horizontal Dilution of Precision …High-Sensitivity GPS …Inertial Measurement Unit …Inertial Navigation System …Integrated System Availability …Location Based Services …Loose Coupling …Linearized Kalman Filter …Local Level Frame Land Mobile Satellite …Line of Sight …Least Square …Land Vehicle Navigation System MEMS MMAE NLOS NN P-code PPM PIT PPS PRN PV PVA RHCP RF RLG RMS RTS SD SKF SV TC TD TDOA TEC UAV UKF UTSFM VDOP ZUPT …Micro-Electro-Mechanical Systems Multiple Model Adaptive Estimation Non-Line-of-Sight Neural Network …Precise Code …Parts-Per-Million …Pre-detection Integration Time …Pulse-Per-Second …Pseudo-Random Noise …Position Velocity …Position Velocity Acceleration …Right Hand Circularly Polarized …Radio-Frequency …Ring Laser Gyro …Root Mean Square …Rauch-Tung-Streibel …Single Difference Simple Kalman Filter …Satellite Vehicle …Tight Coupling …Triple Difference Time Difference of Arrival …Total Electron Content Unmanned Aerial Vsehicles Unscented Kalman Filter Urban Three-State Fade Model …Vertical Dilution of Precision …Zero Velocity Update Ký hiệu, ký tự  xb ,  yb ,  zb , a xb , a yb , a zb .Các vận tốc góc gia tốc thu từ cảm biến hN1 .Thời gian lấy tính phân hN3 .Bước thời cập nhật hệ thống INS  ,  , .3 góc quay nghiêng, chúc, hướng V N , VE .Các vận tốc hệ tọa độ định vị C bN .Ma trận chuyển hệ tọa độ gắn liền hệ tọa độ cấp Qf địa phương Quaternion sau QP .Quaternion trước B NE .Ma trận chuyển đổi từ hệ tọa độ cấp địa phương sang hệ  .tọa độ cố định tâm trái đất Vĩ độ   U R e a .Kinh độ Góc phương vị Vận tốc góc trái đất Bán kính trái đất Độ lệch tâm trái đất Bán trục trái đất Chương Giới thiệu Trong bốn thập kỷ gần việc sử dụng cơng nghệ qn tính mục đích qn dân hàng không định vị cho phương tiện chuyển động mặt đất tăng nhanh chóng Trong năm gần đây, giới tập trung vào nghiên cứu hệ thống định vị qn tính có đáp ứng nhanh giá thành rẻ [6] Những năm 60 kỷ trước, hệ thống định vị tích hợp nghiên cứu, nhiều loại cảm biến điện tử sử dụng hệ thống thu thập thông tin cần thiết để tìm vị trí “liên tục” phương tiện chuyển động làm giảm thiểu sai số cảm biến quán tính [34] Hệ thống tích hợp bao gồm nhiều loại cảm biến định vị, giống khối đo lường quán tính, đa Doppler, hệ định vị sóng radio (TACAN) sử dụng Năm 1978, Hệ thống định vị tích hợp tối ưu Sindlinger nghiên cứu đặt tên “ Combined Navigation System ”- Hệ định vị tổng hợptrong có sử dụng kết hợp hai hệ thống INS GPS với Và phát triển hệ định vị dẫn đường tích hợp [4] 1.1 Hệ thống định vị qn tính (INS) Hệ thống định vị quán tính INS hoạt động dựa nguyên tắc tượng quán tính “Trái tim” hệ thống khối đo đường quán tính (Inertial Measurement Unit - IMU) Những khối IMU thời kì đầu sử dụng cảm biến qn tính hoạt động theo nguyên tắc khí Những cảm biến khí thường có kích thước lớn, hoạt động hiệu quả, giá thành cao tiêu thụ nhiều lượng; ứng dụng chủ yếu lĩnh vực qn Xu hướng giảm kích thước giá thành hệ thông định vị quán tính ứng dụng định vị cá nhân, định vị xe car, phương tiện chuyển động không người lái (UAV) hàng không Các ưu điểm công nghệ gyro quang (FOG) công nghệ vi điện tử (MEMS) cho thấy xu hướng phát triển hệ thống tích hợp khả quan So sánh với hệ thống cao cấp, hệ thống INS giá rẻ có sai số vị trí tư khoảng thời gian dài Ngun nhân chủ yếu khơng xác giá trị cảm biến đo khối INS sử dụng loại cảm biến dễ bị ảnh hưởng sai số phi tuyến, đặc biệt sai số tư có giá trị lớn [83] Nếu độ xác khối INS giá rẻ cải thiện, giá thành giảm xuống để đưa vào ứng dụng đại trà có nhiều ứng dụng phát triển Việc chuẩn thiết bị làm cải thiện đáng kể độ xác hệ thống Tuy nhiên, phương pháp chuẩn phức tạp lại làm tăng giá thành sản phẩm Việc lựa chọn phương pháp ước lượng xấp xỉ vấn đề mấu chốt để phát triển hệ thống INS Đã có nhiều nhà nghiên cứu cố gắng làm tăng độ xác hệ thống INS Năm 2001, phương pháp chuẩn đề xuất [83], phương pháp phát triển kiểm nghiệm cẩn thận Phương pháp khơng địi hỏi phải đặt khối IMU lên hệ họa độ cục Hơn thế, việc ước lượng độ lệch không (bias) phương pháp không bị ảnh hưởng gia tốc trọng trường tham chiếu Gần nửa sai số vị trí loại bỏ việc chuẩn cảm biến gia tốc Tất thành phần tư tập trung ba phút với điều kiện non-holonomic 0.030 RMS giảm thiểu sai số vị trí theo hướng ngang nhỏ 40 m vịng 20 phút hoạt động Do đó, INS giá rẻ sử dụng hệ thống định vị độc lập bị GPS 10 phút Một phương pháp xử lý thống kê đề xuất vào năm (2003) cho việc mơ hình sai số cảm biến hệ SINS [68] Những đặc trưng ngẫu nhiên hệ cảm biến hệ SINS xác định việc tính tốn chuỗi tương quan liệu thu thời gian dài Xử lý tự hồi quy sử dụng cách tiếp cận khác việc mơ hình hóa sai số lệch không cảm biến SINS (residual bias) Các phương pháp tối ưu khác để xác định thông số mơ hình tự hồi quy nghiên cứu; Kết cho thấy thực mô hình tự hồi quy cải thiện kết tới 40% - 60% hệ SINS hoạt động đơn lẻ 15% - 35% hệ SINS/DGPS mà bị GPS Hơn thế, phương pháp sử dụng thông tin chuyển động vật thể việc giảm nhiễu liệu thô từ INS cảm biến nghiên vào năm 2007 [22] Các vật thể chuyển động cung cấp thêm thơng tin bổ trợ Vì mơ hình vật thể chuyển động có đặc tính lọc thông thấp, cho qua giá trị thô cảm biến thu triệt nhiễu tần số cao Quá trình lọc thực thi việc sử dụng lọc Kalman Khi so sánh phương pháp với phương pháp loại bỏ nhiễu có thơng số phương pháp có ý nghĩa vật lý đánh giá trực tiếp từ liệu có Thêm vào đó, kiến thức tích lũy động lực học đóng góp vào việc triệt nhiễu Thuật tốn xác định tư với độ xác cao giới thiệu vào năm 2001 [55], đặc tính động lực học máy bay dự đoán đa thức dự báo hai điểm tuyến tính (linear – two – point polynominal predictor) tổng hợp với INS có độ xác thời gian ngắn Mặt khác, chuyển động qn tính máy bay dự đốn cách sử dụng toán tử dự đoán năm điểm cầu phương chiếu kính (quadratic five-point predictor) kết hợp với GPS có độ xác thời gian dài Sự kết hợp đa thức lồi tuyến tính tốn tử dự đốn hai điểm tuyến tính năm điểm cầu phương chiếu kính thực kết kiểm nghiệm cho thấy độ xác xác định tư khối INS cải thiện việc sử dụng thông tin tư bổ trợ từ GPS Năm 2003, thiết kế triển khai khối tích hợp gồm khối INS giá rẻ (sử dụng khối lường quán tính IMU) kết hợp với compass từ số, GPS máy tính nhúng [47] INS đưa thơng tin ước lượng liên tục vị trí hướng vật chuyển động Thường IMU có giá thành cao, nhiên hệ thống lại sử dụng IMU giá rẻ Không may giá rẻ kéo theo xác thiếu ổn định lý để cần phải tích hợp GPS, compass từ số lọc Kalman vào hệ thống Do đó, khối IMU sử dụng cảm biến gia tốc, vận tốc góc, để nội suy khoảng thời gian giây cập nhật vị trí từ GPS Tất phương trình định vị đưa thảo luận Kết cho thấy nhiều vấn đề cần phải nghiên cứu INS Năm 2005 Tính khả thi thiết kế hệ định vị quán tính dự cảm biến gia tốc đơn lẻ ( cảm biến vận tốc góc tự do) để tính chuyển động tịnh tiến quay vật thể [15] Các phương trình lối cảm biến gia tốc biểu diễn hệ tọa độ quán tính cố định Một điều kiện quan trọng cần phải có cấu hình cảm biến gia tốc Nếu điều kiện thỏa mãn chuyển động tịnh tiến chuyển động quay tính tốn cách riêng biệt sử dụng hệ hai phương trình hệ thơng động lực học: phương trình trạng thái cho vận tốc góc phương trình lối cho gia tốc tịnh tiến Các ảnh hưởng sai số đo việc đặt vị trí hướng cảm biến gia tốc phân tích Các thuật tốn để xác định giảm thiểu sai số phát triển 1.2 Hệ thống định vị tồn cầu (GPS) 55 Hình 5.3b: Vận tốc Ve từ lọc Kalman hệ INS/GPS Ve GPS Kết so sánh vận tốc Vn, Ve hệ INS/GPS lối lọc Kalman vận tốc GPS mô tả hình 5.3a 5.3b Kết so sánh cho thấy vận tốc vận tốc lọc Kalman bám sát theo vận tốc đo đầu thu GPS Hình 5.4 Phóng đại vận tốc Ve lọc Kalman GPS Hình 5.4 phóng đại đoạn nhỏ (từ giâu thứ 350 đến giây thứ 359) vận tốc Ve lọc Kalman (đường liền) GPS (đường đứt đoạn) Ta có 56 thể thấy suốt khoảng thời gian giây vận tốc Ve GPS ln giữ giá trị không đổi Tuy nhiên thực tế xe có thay đổi vận tốc, dù nhỏ, khoảng thời gian giây Điều thể chi tiết đường hiển thị vận tốc Ve ước lượng lọc Kalman Hình 5.5: So sánh góc hướng INS/GPS GPS Thơng tin góc hướng INS/GPS ( đường liền) bổ trợ góc hướng cảm biến từ ln bám sát theo thơng tin góc hướng GPS (đường đứt khúc) hình 5.5 Tại vị trí chuyển giao góc hướng 0 3600 chế xử lý đầu thu GPS ln đặt giá trị góc hướng vào khoảng nhỏ 360 lớn 00, xuất đường gấp khúc nhày vọt thời gian đầu cuối thử nghiệm Tuy nhiên điều không ảnh hưởng đến thuật tốn dẫn đường INS/GPS thơng tin sử dụng chuyển đổi thành radian dùng hàm lượng giác có chu kỳ tuần hồn pi 57 Hình 5.6: Các góc nghiêng (Roll) chúc ( Pitch) Các góc nghiêng chúc xe ln bám điểm có giá trị biên độ khoảng [-100, 100] Ta cịn thấy rõ khoảng thời gian từ giấy thứ 270 đến 320 xe ngừng chạy Trên thực tế khoảng thời gian xe gặp đèn đỏ 45 giây ngã tư 58 Hình 5.7: Ước lượng độ trơi cảm biến vận tốc góc Trên thực tế góc nghiêng góc chúc ln ln bám sát điểm không thay đổi không đột ngột, mơ hình tốn tuyến tính hồn tồn áp dụng Các độ trơi cảm biến vận tốc góc đo góc nghiêng góc chúc lọc Kalman ước lượng trạng thái ổn định sau 100 giây hoạt động Đặc thù góc hướng ln có thay đổi đột ngột, việc ước lượng độ trơi góc hướng lọc Kalman tuyến tính thường cho kết khơng ổn định (hình 5.7) Tuy nhiên thơng tin góc hướng lại bổ trợ từ hai nguồn GPS Compass cho dù việc ước lượng độ trơi góc hướng khơng tốt khơng ảnh hưởng đến chất lượng hệ thông INS/GPS xây dựng 59 Chương Kết luận 6.1 Kết luận Trong luận văn này, học viên thực công việc sau:  Xây dựng hệ thống định vị tích hợp INS/GPS mạch phát triển S3C2440-IV sử dụng môi trường Linux nhúng 2.6  Xây dựng hệ mạng truyền thông dựa hệ thống mạng điện thoại di động GSM/GPRS  Viết chương trình giám sát đối tượng hiển thị trạng thái trung tâm  Thực nghiệm trường kiểm tra độ xác hệ thống hệ thống Những điều cịn thiếu sót phương hướng phát triển đề tài:  Chưa thể thực nghiệm đo vận tốc cách xác hạn chế thiết bị đo lường xác Cần phải có thiết bị chuẩn vận tốc dài xác Cần có bù sai số cho thơng số vận tốc  Vấn chưa khảo sát trường hợp tín hiệu GPS thời gian dài  Hệ thống cồng kềnh cần thu gọn  Việc áp dụng mơ hình lọc Kalman tuyến tính chấp nhận sai số tuyến tính hóa mơ hình hệ thống  Số trạng thái lọc cần tăng thêm để ước lượng nhiều thông số khác trạng thái vị trí; trạng thái độ trơi cảm biến gia tốc vv… 6.2 Thảo luận kiến nghị Có thể thấy để tài “Nghiên cứu tích hợp hệ dẫn đường qn tính hệ định vị tồn cầu (INS/GPS)” đề tài hay, có tính cấp thiết có nhiều ứng dụng đo lường điều khiển tự động Hệ thống INS/GPS học viên nghiên cứu phát triển môn MEMS thuộc trường đại học Công nghệ, Đại học Quốc Gia Hà Nội Xét mặt tổng thể cơng trình tập thể có nhiều kết Những kết 60 đăng hội nghị tạp trí quốc gia nghư quốc tế Hơn nữa, hệ thống đem dự thi thi “Nhân tài đất Việt” năm 2008 dành giải Ba Những điều khẳng định giá trị khoa học hệ thống INS/GPS Trong thời gian thực đề tài, học viên tập thể nhóm nghiên cứu gặp phải nhiều khó khăn Đặc biệt khó khăn thiết bị nghiên cứu tài liệu tham khảo chuẩn Tuy nhiên học viên mong muốn phát triển tiếp hướng nghiên cứu thành hướng nghiên cứu chuyên sâu Việt Nam 61 Tài liệu tham khảo Tài liệu tiếng Anh Aboelmagd, M., 2006, Enhancing the Update Procedure of Neuro-Fuzzy Modules used for Multi-sensor, Navigation Systems, IEEE Aboelmagd, N., E Ahmed, R Mahmoud, 2007, Optimizing neuro-fuzzy modules for data fusion of vehicular navigation systems using temporal crossvalidation, Engineering Applications of Artificial Intelligence, 20: 49-61 Adrian, H., J Rene and C Fran, 2004, Fuzzy Corrections in a GPS/INS Hybrid Navigation System, IEEE Transactions on Aerospace and Electronic Systems, 40(2): Ahmed M Hasan, Khairulmizam Samsudin, Abd Rahman Ramli, Raja Syamsul Azmir, and Salam A Ismaeel, 2009, A Review of Navigation Systems (Integration and Algorithms), Australian Journal of Basic and Applied Sciences, 3(2): 943-959 Alexander, B., 2000, Improving the Accuracy and Resolution of SINS/DGPS Airborne Gravimetry, Ph.D.thesis University of Calgary, Geomatic Engineering Dept Amean, Z.S., 2001, Development of GPS Navigation Aiding for a Ballistic Missile, M.Sc Thesis, Department of Control and Computers Engineering, University of Technology Babak, A., S Krishnaprasa, 2005, Approximate nonlinear filtering and its application in navigation, Automatica, 41: 945-956 Bian, H., Z Jin and W Tian, 2006, IAE-adaptive Kalman filter for INS/GPS integrated navigation system, Journal of Systems Engineering and Electronics, 17(3-9): 502- 508 Boulton, P., A Read, G MacGougan, R Klukas, M.E Cannon, G Lachapelle, 2002, Proposed Models and Methodologies for Verification Testing of AGPS-Equipped Cellular Mobile Phones in the Laboratory.Proceedings of ION GPS 2002, Portland, OR, 24-27, pp: 200-212 10 Burak, H., M Aydan and E Ismet, 2003, GPS/INS Enhancement Using Neural Networks for Autonomous Ground Vehicle Applications, Proceedings of the 62 2003 IEEE/IRSJ International Conference on Intelligent Robots and Systems Las Vegas, Nevada 11 Caciotta, M., F Leccese and E Piuzzi, 2007, Study of a New GPS-Carriers Based Time Reference with High Instantaneous Accuracy, The Eighth International Conference on Electronic Measurement and Instruments, ICEMI 12 Cannon, M.E., 1999 Development and Testing of an Integrated INS/GPS Cross-Linked System for Sub-Meter Positioning of a CF-188 Jet Fighter, Institute of Navigation Annual Meeting / Cambridge / June 28-30 13 Cao, F.X., D.K Yang, A.G Xu, J Ma, W.D Xiao, C.L Law, K.V Ling and H.C Chua, 2002 Low cost SINS/GPS integration for land vehicle navigation, Intelligent Transportation Systems, IEEE, pp: 910 - 913 14 Caron, F., D Emmanuel, D Pomorski, P Vanheeghe, 2006 GPS/IMU data fusion using multisensor Kalman Filtering: introduction of contextual aspects, Information Fusion, 7: 221-230 15 Chin, W., Tan and P Sungsu, 2005 Design of Accelerometer-Based Inertial Navigation Systems, IEEE Transactions on Instrumentation and Measurement, 54(6) 16 Chih, H., J Hung and H Wei, 2007 A Genetic Approach for Coordinate Transformation Test of GPS Positioning, IEEE Geoscience and remote sensing letters, 4(2): 17 Dan, L., R Wu, Z Su and W Huang, 2007 A Two Stage GPS Anti-jamming processor for Interference Suppression and Multipath mitigation, IEEE 18 Daniel, N., A Mazin and M Dennis, 2007 A Methodology for the Evaluation of a GPS Receiver Performance in Telematics Applications, IEEE Transactions on Instrumentation and Measurement, 56(1): 19 David, J., 1996 Analysis of an Upgraded GPS Internal Kalman Filter, IEEE AES Systems Magazine 20 David, M and P Bradford, 2007 Cascaded Kalman Filters for Accurate Estimation of Multiple Biases, Dead-Reckoning Navigation, and Full State Feedback Control of Ground Vehicles, IEEE Transactions on Control Systems Technology, 15(2): 21 David, M., R Jihan and G Christian, 2006 Integrating INS Sensors With GPS Measurements for Continuous Estimation of Vehicle Sideslip, Roll, and Tire Cornering Stiffness, IEEE Transactions on Intelligent Transportation Systems, 7(4): 63 22 Ding, W and J Wang, 2007 Vehicle Dynamics Based De-Noising for GPS/INS Integration, IGNSS, the University of New South Wales, Sydney, Australia, 4-6 23 Dorota, A.G and J Wang, 1998 Gravity Modeling for High-Accuracy GPS/INS Integration, Navigation, 45(3): 209-220 24 Eduardo, M and D Hugh, 1999 A high integrity navigation architecture for outdoor autonomous vehicles, Robotics and Autonomous Systems, 26(8): 1-97 25 Farhan, A., J Kenneth, 2000 Extended Kalman filter synthesis for integrated global positioning/inertial navigation systems, Applied Mathematics and Computation, 115: 213-227 26 Faulkner, M., S.J Cooper and P.A Jeary, 2002 Integrated MEMS/GPS navigation systems, Position Location and Navigation Symposium, IEEE, pp: 306310 27 Geo_rey J Bulmer, September, 2003, In MICRO-ISU BP3010 An OEM Miniature Hybrid Degrees-Of-Freedom Inertial Sensor Unit Gyro Symposium, Stuttgart 16th-17th 28 Gillent, J., B.M Scherzinger and E Lithopoulos, 2001 Inertial/GPS System for Seismic Survey, International Symposium on Location Based Services for Cellular Users, Locellus 29 Gizawy, M., N El-Sheimy, R Taha and A Noureldin, 2004 Neuro-Fuzzy System for GPS/INS Integration, The European Navigation Conference, GNSS 30 Greg Welch, Gary Bishop, 2001, An Introduction to the Kalman Filter, Course 8, University of North Carolina at Chapel Hill, Department of Computer Science, Chapel Hill, NC 27599-3175 31 Haiying Hou, September 2004, Modeling inertial sensor errors using Allan variance, UCEGE reports number 20201, Master's thesis, University of Calgary 32 Hang, S., Z Jihong and S Zengqi, 2006 A Novel SINS/GPS Integration Algorithm Based on Neural Networks, proceedings of the 6th world Congress on Intelligent Control and Automation, June 21-23, Dalian, China 33 Hyung, C., G Jang and L Gyu, 2003 Mobile Station Location Using Hybrid GPS and a Wireless Network, IEEE transaction on Aerospace and Electronic Systems 64 34 Ismaeel, S.A., 2003 Design of Kalman Filter of Augmenting GPS to INS Systems, Ph.D Thesis, Computer Engineering Dept., College of Engineering, Al-Nahrain University 35 Jahn, A., 2001 Propagation Considerations and Fading Countermeasures for Mobile Multimedia Services, International Journal of Satellite Communications, 19: 223-250 36 Jan, W and F Gert, 2004 Tightly coupled GPS/INS integration for missile applications, Aerospace Science and Technology, 8: 627-634 37 Jan, W., M Oliver, S Christian and F Gert, 2006 An integrated GPS/MEMS-IMU navigation system for an autonomous helicopter, Aerospace Science and Technology, 10: 527-533 38 John, B.H., A.M Lee and J.C Pierre, 2007 Prediction of global positioning system total electron content using Neural Networks over South Africa Journal of Atmospheric and solar-terrestrial physics, 69: 1842-1850 39 Johnson, R., J Sasiadek and J Zalewski, 2000 Kalman Filter Enhancement for UAV Navigation, InterNet Site 40 John, W., S Peter and F John, 2005 Multipath-Adaptive GPS/INS Receiver, IEEE Transactions on Aerospace and Electronic Systems, 41(2): 41 Johan, B and W Steyn, 2008 Kalman filter configurations for a low-cost loosely integrated inertial navigation system on an airship, Control Engineering Practice, doi: 10.1016/j.conengprac.2008.04.01 42 Jonghyuk, K., S Salah, 2004 SLAM aided GPS/INS Navigation in GPS Denied and Unknown Environments, Presented at GNSS 2004 ,The 2004 International Symposium on GNSS/GPS, Sydney, Australia, 6-8 43 Kai-Wei, C., H Yun, 2008 An intelligent navigator for seamless INS/GPS integrated land vehicle navigation applications, Applied Soft Computing, 8: 722733 44 Kalman, R E, 1960, New Approach to Linear Filtering and Prediction Problems, Trans ASME J Basic Eng 82, pp 34-45 45 Kaplan, E D., 1996, Understanding GPS Principles and Applications, Artech House, Inc., 685 Canton Street, Norwood, MA 0206, Chapter 1, “Introduction”, pp 1-4 46 Kevin Walker, 2007, Finding your way on mountain and morland, Singapore 65 47 Kevin, J., C Michael, S Nechyba and A Antonio, 2003 Embedded Low Cost Inertial Navigation System, Florida Conference on Recent Advances in Robotics, FAU, Dania Beach, FL, May 8-9 48 Klaus, L., 2006 Approximate direct georeferencing in national coordinates, ISPRS Journal of Photogrammetry and Remote Sensing, 60: 239-255 49 Klukas, R., G Lachapelle, C Ma and G Jee, 2003 GPS Signal Fading Model For Urban Centers IEE Proceedings – Microwaves, Antennas and Propagation, 150(4): 245-252 50 Knight, D.T., 1999 Rapid Development of Tightly-coupled GPS/INS Systems, Proceedings of ION International Technical Meeting, Nashville, Tennessee 51 Kralj, D., T Hsu, L Carin, 2000 On GPS Positioning and Integrity Monitoring, IEEE Transactions on Aerospace and Electronic Systems, 36(1): 52 Ladetto, Q., V Gabaglio and B Merminod, 2001 Two Different Approaches for Augmented GPS Pedestrian Navigation, International Symposium on Location Based Services for Cellular Users, Locellus 53 Lachapelle, G., M.E Cannon, R Klukas, S Singh, R Watson, P Boulton, A Read and K Jones, 2004 Hardware Simulator Models and Methodologies for Indoor Performance Assessment of High Sensitivity Receivers Canadian Aeronautics and Space Journal, 50(3): 151-168 54 Lee, Y.C and D.G O’Laughlin, 1999 A Performance Analysis of a Tightly Coupled GPS/ Inertial System for two integrity Monitoring Methods, The MITRE Corporation 55 Lichun, L., T Zengshan, H Shun, 2001 An algorithm for integrating GPS/INS attitude determinatio system, Proceedings IEEE International Conference on Radar, CIE, pp: 167-170 56 Li, Y., X Xi, 2007 Combining FFT and Circular Convolution Method for High Dynamic GPS Signal Acquisition, the Eighth International Conference on Electronic Measurement and Instruments, ICEMI 57 Liu, C L.; Layland, J ,1973, Scheduling algorithms for multiprogramming in a hard real-time environment, Journal of the ACM 20 (1): 46–61 58 L M Ha, T D Tan, N T Long, N D Duc, N P Thuy, July, 2007, Errors Determination Of The MEMS IMU, Journal of Science VNUH, pp 6-12 66 59 Loebis, D., R Sutton, J Chudley and W Naeem, 2004 Adaptive tuning of a kalman filter via fuzzy logic for an intelligent AUV navigation system, Control Engineering Practice, 12: 1531-1539.s 60 Ma, C., G Jee, G MacGougan, G Lachapelle, S Bloebaum, Cox, G., Garin, L., and Shewfelt, J 2001, GPS Signal Degradation Modeling, ION GPS 2001, Session C2, Salt Lake City, UT, September 11-14, pp: 882-893 61 Mao, G., S Drake and B Anderson, 2007 Design of an Extended Kalman Filter for UAV Localization, IEEE Information, Decision and Control 62 Mayhew, D.M., 1999 Multi-rate Sensor Fusion for GPS Navigation using Kalman Filtering, M.Sc thesis.Virginia Polytechnic Institute and state University, Electrical Engineering Dept 63 Michael, K and A Diane, 1998 New Low Cost Avionics with INS/GPS for a Variety of Vehicles, IEEE AES Systems Magazine, Robotics and Autonomous Systems 26 (1999) 81-97 64 Mohammed, M., S Klaus, 2001 Digital image georeferencing from a multiple camera system by GPS/INS, ISPRS Journal of Photogrammetry and Remote Sensing, 56: 1-12 65 Mohammad, S., M Dennis and N Daniel, 2007 GPS C/No Estimation in the Presence of Interference and Limited Quantization Levels, IEEE Transactions on Aerospace and Electronic Systems, 43(1): 66 Mladen, M., S Zoran and B Stevan, 2006 A Comparison of Accuracy using a GPS and Low-cost DGPS, IEEE Transactions on Instrumentation and Measurement, 55(5): 67 Naser, E., K Chiang and A Noureldin, 2006 The Utilization of Artificial Neural Networks for Multisensor System Integration in Navigation and Positioning Instruments, IEEE Transactions on Instrumentation and Measurement, 55(5): 68 Nassar, S., 2003 Improving the Inertial Navigation System (INS) Error Model for INS and INS/DGPS Application, Ph.D Thesis University of Calgary, Geomatic Engineering Dept 69 Noureldin, A., A Osman and N El-Sheimy, 2005 A Neuro-Wavelet Method for Multi-Sensor System Integration for Vehicular Navigation, Meas Sci Technol., 15: 404-412 67 70 Niklas Hjortsmarker, 2005, Experimental system for validating GPS/INS Integation Agroithms, Master’s Thesis, Luea University of Technology 71 Ohlmeyer, E.J., T.R Pepitone and B.L Miller, 2001 Assessment of Integrated GPS/INS for the EX- 171 Extended Range Guided Monition, InterNet Site 72 Oleg S Salychev, 2004, Applied Inertial Navigation: Problems and Solutions, BMSTU Press, Moscow Russia 73 Ou, X., W Zhou and J Yu, 2005 Study on GPS Common-view Observation Data with Multiscale Kalman Filter based on correlation Structure of the Discrete Wavelet Coefficients, IEEE Transaction 74 Park, M., 2004 Error Analysis and stochastic Modeling of MEMS based Inertial sensors for Land Vehicle Navigation Application, M.Sc Thesis University of Calgary, Geomatic Engineering Dept 75 Pérez-Fontán, F., B Sanmartin, A Steingass, A Lehner, J Selva, E Kubista and B Arbesser-Rastburg, 2004 Measurements and Modeling of the Satellite-toIndoor Channel for Galileo Proceedings of ION NTM 2004, San Diego, Ca, 2628, pp: 190-202 76 Peterson, B., D Bruckner and S Heye, 1997 Measuring GPS Signals Indoors Proceedings of the ION GPS1997, Kansas City, Missouri, September 1619, 1997, pp: 615-624 77 Peter S Maybeck, 1994, Stochastic models, estimation, and control, Academic Press, Vol 78 Petovello, M., M.E Cannon and G Lachapelle, 2001 Development and Testing of a Real-Time GPS/INS Reference System for Autonomous Automobile Navigation, Proceedings of ION GPS-0 1, Salt Lake City, UT, September 11-14 79 Rashad, S and N Aboelmagd, 2007 Sensor Integration for Satellite-based Vehicular Navigation Using Neural Networks, IEEE Transactions on Neural Networks, 18(2): 80 Salytcheva, A.O., 2004 Medium Accuracy INS/GPS Integration in Various GPS Environment, M.Sc Thesis University of Calgary, Geomatic Engineering Dept 81 Sato, G., T Asai, T Sakamoto and T Hase, 2000 Improvement of the positioning of a software-based GPS receiver using a 32-bit embedded microprocessor, IEEE Transactions on Consumer Electronics, 46(3): 68 82 Seong, C.Y and B.D Kim, 2008 Adaptive IIR/FIR fusion filter and its application to the INS/GPS integrated system, Automatica, doi: 10.101 6/j automatica.2007 11.009 83 Shin, E.H., 2001 Accuracy Improvement of Low Cost INS/GPS for land Application, M.Sc Thesis University of Calgary, Geomatic Engineering Dept 84 Sinpyo, H., H.L Man, K Sun and C Ho, 2004, A Car Test for the Estimation of GPS/INS Alignment Errors, IEEE Transactions on Intelligent Transportation Systems, 5(3): 85 Sndlinger, R., 1978 Investigations on the Optimization of Aided Inertial Navigation System, AGARD No.95, Strapdown Systems, pp: 124-139 86 Steingass, A and A Lehner, 2003, Land Mobile Satellite Navigation – Characteristics of the Multipath Channel, Proceedings of ION GPS/GNSS 2003, Portland, OR, pp:1016-1022 87 Sung, W., H Dong-Hwan, K Tae and J Sang, 2002, Design and Implementation of an Efficient Loosely- Coupled GPS/INS Integration Scheme, Chungnam National University, KOREA 88 Sung, Y., Y Hoon, K Young, J Youn, W Seong and B Chang, 2007 Comparison of Time Transfer Using GPS Carrier Phase and Multichannel TwoWay Data in East Asia, IEEE Transactions on Instrumentation and Measurement, 56(2): 89 Tan, T.D Ha, L.M Long, N.T Tue, H.H Thuy, N.P, 2008, Novel MEMS INS/GPS Integration Scheme Using Parallel Kalman Filters, ATC, System Integration, 2008 IEEE/SICE International Symposium, page(s): 72-76 90 T D Tan, L M Ha, N T Long, N D Duc, N P Thuy, 2007, Integration of Inertial Navigation System and Global Positioning System: Performance analysis and measurements, International Conference on Intelligence and Advance Systems 25th - 28th November KL Convention Center, Kuala Lumpur, Malaysia 91 T D Tan, L M Ha, N T Long, H H Tue, N P Thuy, 2007, Feedforward Structure Of Kalman Filters For Low Cost Navigation, International Symposium on Electrical-Electronics Engineering (ISEE2007), Oct 24-25, HoChiMinh City, VietNam, pp 1-6 92 Tran Duc Tan, Huynh Huu Tue, Nguyen Thang Long, Nguyen Phu Thuy, Nguyen Van Chuc, 2006, Designing Kalman Filters for Integration of Inertial 69 Navigation System and Global Positioning System, in The 10th biennial Vietnam Conference on Radio & Electronics, REV-2006 Hanoi, November 6-7 93 Vikas Kumar N, 2004, Integration of Inertial Navigation System and Global Positioning System Using Kalman Filtering, M.Tech Dissertation, Indian Institute Of Technology, Bombay, July 2004 94 Wang, B., J Wang, J Wu and B Cai, 2003, Study on Adaptive GPS/INS Integrated Navigation System, IEEE 95 Watson, J.R.A., 2005, High-Sensitivity GPS L1 Signal Analysis for Indoor Channel Modelling, MS.c.,Thesis, published as Report No 20215, Department of Geomatics Engineering, The University of Calgary 96 Wei, G., N Qi, Z Guofu and J Hui, 2007, Gyroscope Drift Estimation in Tightly-coupled INS/GPS Navigation System, Second IEEE Conference on industrial Electronics and Applications 97 Wei, W., Y Zong, R Rong, 2006, Quadratic extended Kalman filter approach for GPS/INS integration, Aerospace Science and Technology, 10: 709-7 98 Wikipedia, 2007, General Packet Radio Service, InterNet web 99 Xuchu, M., W Massaki, H Hideki, 2000, Nonlinear GPS Models for Position Estimate Using Low-cost GPS Receiver, 100 Zhang, X., 2003, Integration of GPS with A Medium Accuracy IMU for Metre-level positioning, M.Sc Thesis University of Calgary, Geomatic Engineering Dept Tài liệu tiếng Việt 101 N.V.Q.Thịnh, 2007, Bộ lọc Kalman, http://vntelecom.org 102 Lưu Mạnh Hà, 2007, Ứng dụng thuật toán Salychev xác định thông số chuyển động vật thể sử dụng khối IMUBP3010, Khóa luận tốt nghiệp, Trường đại học Công nghệ, Đại học Quốc Gia Hà Nội 103 Dương Quốc Huy, 2009, Thực thi hệ thống dẫn đường qn tính Linux với S3C2440ARM-09, Khóa luận tốt nghiệp, Trường đại học Công nghệ, Đại học Quốc Gia Hà Nội 104 Wikipedia, 2009, Hệ thống định vị toàn cầu, InterNet web ... 1.1 Hệ thống định vị quán tính (INS) 1.2 Hệ thống định vị toàn cầu (GPS) 1.3 Hệ thống tích hợp INS/ GPS 12 Chương Lý Thuyết dẫn đường quán tính INS 21 2.1... Sindlinger nghiên cứu đặt tên “ Combined Navigation System ”- Hệ định vị tổng hợptrong có sử dụng kết hợp hai hệ thống INS GPS với Và phát triển hệ định vị dẫn đường tích hợp [4] 1.1 Hệ thống định vị quán. .. định vị hàng không công bố [63] Hệ thống hệ tích hợp INS/ GPS giá rẻ theo cấu trúc kết hợp chặt (tightly-coupled) cho phép dẫn đường, định vị điều khiển (GN&C) Hệ 19 thống tích hợp dẫn đường định