基于多系统多源定位数据融合的海上目标定位方法

摘要

本发明公开了一种基于多系统多源定位数据融合的海上目标定位方法，包括如下步骤：S1、获取全球导航卫星系统的经度、纬度和时间的定位数据；S2、获取惯性导航系统的经度、纬度和时间定位数据；S3、气象传感器获取气压高度计和时钟数据；S4、构建数据矩阵对步骤S1‑S3获取的数据进行紧密数据融合和扩展卡尔曼滤波融合计算和收敛处理；S5、在船舶自动识别系统中采用步骤S4中的数据对海上目标进行定位识别。本发明提供的基于多系统多源定位数据融合的海上目标定位方法，能够极大程度提升航行船舶、海事工程、海洋工程定位数据的连续性、可用性、稳健性和可靠性。因此，适用于海陆空天一体化海事监管和保障的各种应用场景。

权利要求

1.一种基于多系统多源定位数据融合的海上目标定位方法，其特征在于，包括如下步骤：

S1、获取全球导航卫星系统的定位数据；

S2、获取惯性导航系统的位置，速度和姿态；

S3、获取时钟数据和气压高度计的高度；

S4、对步骤S1‑S3获取的数据采用扩展卡尔曼滤波进行融合计算，计算出当前时刻的位置，速度和高度；

S5、在船舶自动识别系统中采用步骤S4中的输出数据对海上目标进行定位识别；

所述步骤S1获取多个全球导航卫星系统的定位数据，包括北斗导航卫星系统、全球定位系统、格洛纳斯卫星导航系统和伽利略卫星导航系统，然后通过一阶泰勒公式展开将多个全球导航卫星系统观测模型线性化，并采用地心地固坐标系给出测量矢量ZGNSS；

所述步骤S2通过一阶泰勒公式展开将惯性导航系统观测模型线性化，并采用速度给出测量向量ZODO；

所述步骤S3通过一阶泰勒公式展开将大气高度计观测模型线性化，并采用大气压和高度给出测量向量ZBARO；

所述步骤S4将惯性导航系统和大气高度计的测量数据添加到过滤器中,并建立如下动态状态空间线性模型：

其中符号 表示滤波器状态， 表示过程噪声， 表示系统转换矩阵，Z表示KF测量，H表示测量矩阵，e表示测量噪声；滤波器状态 包括系统状态和传感器的误差，系统状态表示为高度，速度和位置； 为滤波器状态方程的变化率，KF测量Z包括测量矢量ZGNSS、测量向量ZODO和测量向量ZBARO。

2.如权利要求1所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述滤波器状态 表示如下：；

其中， 是局部定位数据的高度误差向量， 是局部定位数据的速度误差向量， 是ECEF坐标系中局部定位数据的位置误差向量， 是与由惯性导航系统在接收机框架中测得的角速率， 是与由惯性导航系统在接收机框架中测得的比例相关的误差矢量， 是接收机的时钟偏差，单位为米， 是接收器的时钟漂移，单位为米/秒， 是与惯性导航系统（INS）比例因子有关的误差， 是估计的参考大气压。

3.如权利要求1所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述步骤S4包括：

S41：当全球导航卫星系统的可通信卫星数量大于等于第一预设阈值时，卡尔曼滤波直接利用全球导航卫星系统的数据进行定位，同时对气压高度计测量值和惯性导航系统的测量值进行更新，并计算出气压高度计的传感器测量误差和惯性导航系统的传感器测量误差；

S42：当全球导航卫星系统信号的可通信卫星数量大于等于第二预设阈值，且小于第一预设阈值时，以全球导航卫星系统的数据为主进行定位，同时采用惯性导航系统和高度气压计对定位数据进行补充，所述第二预设阈值小于第一预设阈值；

S43：在卫星失效环境下，卡尔曼滤波将气压高度计视为地心卫星，用以与其它卫星和时钟模型进行测量与更新，惯性导航系统用于减小水平位置误差的离散，气压高度计用于减小高度位置误差的离散。

4.如权利要求3所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述惯性导航系统采用随机噪声补偿块来补偿加速度计和陀螺仪的偏置，卡尔曼滤波根据全球导航卫星系统和惯性导航系统之间的局部定位数据的速度误差向量对定位数据进行补充。

5.如权利要求3所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述第一预设阈值为4，所述第二预设阈值为1。

6.如权利要求1所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，当全球导航卫星系统的可通信卫星数量大于1时，导航卫星和接收器之间距离采用如下的等效GNSS观测值 进行计算：；

x，y和z是地心地固坐标系上的三维坐标，  是接收机的时钟偏差， 是三维的地心地固坐标系中第i个卫星位置的坐标。

7.如权利要求1所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述船舶自动识别系统包括AIS‑SART、数字选择性呼叫装置、AIS‑MOB、AIS鱼类信标和甚高频数据传输系统。

8.如权利要求7所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述船舶自动识别系统与海上数据广播系统进行交互，并将处理后的融合数据发送给航行船舶的海上数据广播系统接收机和岸基的海上数据广播系统接收机。

9.如权利要求7所述的基于多系统多源定位数据融合的海上目标定位方法，其特征在于，所述船舶自动识别系统和电子海图与显示系统进行交互，对航行船舶、海事工程、海洋工程的建筑物和构筑物进行可视化的远程监控。

说明书

基于多系统多源定位数据融合的海上目标定位方法

技术领域

[0001] 本发明涉及一种船舶自动识别方法，尤其涉及一种基于多系统多源定位数据融合的海上目标定位方法。

背景技术

[0002] 自1996年后，国际海事组织（IMO）推荐全球航行船舶配备基于全球定位系统（GPS）和格洛纳斯卫星导航系统（GLONASS）的导航系统。2002年后，提出全球航行船舶需要配备基
于全球定位系统（GPS）和格洛纳斯卫星导航系统（GLONASS）的船舶自动识别系统（AIS）。随
后，2016年《交通运输部印发2016年创建平安船舶专项行动方案的通知》要求船舶按照技术
规范提升船舶自动识别系统（AIS）设备。至此，数以百万计的船舶配备了船舶自动识别系统
（AIS）。

[0003] 由于全球导航卫星系统(GNSS)信号的自然脆弱性，使用全球导航卫星系统（GNSS）很难在复杂的海上环境中为船舶、海事工程、海洋工程提供连续和可靠的定位数据。“银河
号”船舶航行因全球定位系统（GPS）信号丢失，导致在海上漂泊33天之久，被迫改变航线，延
误卸货，不但造成严重的经济损失，而且致使船舶及人员受到安全威胁。近年来，在中国、美
国、日本、法国、英国等地出现多起因为全球定位系统（GPS）信号丢失，导致的船舶碰撞，造
成巨大的海事事故、海洋环境污染。

[0004] 现有公开号为CN109059911A的专利文献提供的一种GNSS、INS和气压计的数据融合方法，将全球定位系统（GPS）、惯性导航系统（INS）和气压计进行数据融合，结果采用无迹
卡尔曼滤波（UKF）和径向基神经网络（RBF）进行深度学习，提升数据的精度。虽然该专利文
献通过级联式子滤波器对多源信息进行了初步融合，但是采用径向基神经网络（RBF）不适
用于海上船舶自动识别系统的数据处理。

[0005] 首先，径向基神经网络（RBF）是属于机器学习的范畴。另外如：长短期记忆、随机森林、卷积神经网络、矢量积等方式均属于机器学习、深度学习的范畴。因此，径向基神经网络
（RBF）不适合对定位方程的状态方程进行特性分析，也不能用于载具（船舶、汽车、飞机、火
箭等）横倾、纵摇的运动场景。

[0006] 其次，实际应用中，径向基神经网络（RBF）多为获取大量数据进行训练和结论，虽然能够为车辆在城市道路和高架桥导航中提供更为精准的位置和高度信息，满足日常车载
导航的需求；但是在数据可能严重缺失的海上船舶自动识别系统中，则无法提供可靠的定
位数据。

[0007] 最后，径向基神经网络（RBF）使用过程中基于大量数据进行学习、训练，对硬件要求和稳定性要求极高，如：英伟达 NVIDIA GeForce RTX 3090 系列显卡，不适合在船舶自
动识别系统中实施定位数据输出和显示。

[0008] 因此，对于航行船舶、海事工程、海洋工程来说，在复杂海况下，面对卫星不足和卫星停电的情况，如何提升船舶自动识别系统（AIS）的连续性、可用性、稳健性和可靠性一直
是本领域急需解决的技术难点。

[0009] 特别是承担海上救援的各类航空飞行器具有速度快、搜索范围大等诸多优势，这为海上遇险搜救提供了十分有效的手段。加装于这些航空飞行器上的电子海图显示系统，
能显示各类机载目标探测器（雷达、光电设备、信标机、自动识别系统等）收集的海面态势信
息和搜救目标信息，并可通过显示设备在海图上直观地呈现出搜救目标的位置和在海面中
的姿态信息，这为遇险目标搜索营救提供了极大的便利性。但是，由于搜索营救的现场环境
具有较高的复杂性和不确定性，海面态势会发生动态变化，因此这又会影响对目标搜索定
位的准确性和实时性。一方面在海况十分复杂时，机载目标探测器自身工作会受到影响，空
间中各类光电噪声会干扰机载探测器探测灵敏度，造成信息数据不连续，无法有效进行锁
定和跟踪；另一方面，搜救目标自身位置和状态，随时会自主或被动的发生变化，这种变化
带来的位置不确定性也将影响承载救援任务的航空飞行器进行有效施救。因此，提供基于
多系统多源定位数据融合的海上目标定位方法具有很强的迫切性。

[0010] 海上数据广播系统（NAVDAT）是一种新型的岸基海上数字广播系统，它采用最新数字传输技术，在500kHz上播发海上安全信息和其他服务信息。海上数据广播系统（NAVDAT）
主要包括海上中频数字发射设备和海上中频数字接收设备，为了保证航行安全，需要及时
有效地由岸上向航行的船舶提供有关海上航行的安全信息，海上安全信息包括航行警告、
气象警告、气象预报和其他海上紧急信息。目前的发射设备只能发射模拟调制（F1B）的信
息，传输数据率低（仅仅50 bps），播发占用时间长，文件类型单一等（文本），不能够发射其
它类型的文件等，不能满足现代海上数据传输的要求。海上数据广播系统（NAVDAT）数字系
统的500KHz工作频段为数据广播信号提供了良好的覆盖，可以为从岸基到船舶的信息广播
实现高速的数据传输以提高操作效率和航海安全。但是由于电离层介质受太阳辐射、季节
变化、昼夜变化等各种因素的影响，因此天波信道存在着多径、衰落、多普勒频移、噪声干扰
等特性。由上可见，对于海上数据广播系统（NAVDAT）同样迫切需要多系统多源定位数据融
合技术，以便对船舶更好地进行自动识别。

[0011] 随着传感器技术的飞速发展和成本的降低，通过融合多组传感器，有望显著提高全球导航卫星系统(GNSS)的定位性能。因此，有必要提出一种基于多系统多源定位数据融
合算法的船舶自动识别系统（AIS），对不同组传感器获取的定位数据与全球导航卫星系统
（GNSS）的定位数据进行融合，提升船舶自动识别的可靠性和准确性。因此，适用于海陆空天
一体化海事监管和海事保障的各种应用场景。

发明内容

[0012] 本发明所要解决的技术问题是提供一种基于多系统多源定位数据融合的海上目标定位方法，能够极大程度提升航行船舶、海事工程、海洋工程定位数据的连续性、可用性、
稳健性和可靠性。

[0013] 本发明为解决上述技术问题而采用的技术方案是提供一种基于多系统多源定位数据融合的海上目标定位方法，包括如下步骤：S1、获取全球导航卫星系统的定位数据；S2、
获取惯性导航系统的位置，速度和姿态；S3、获取时钟数据和气压高度计的高度；S4、对步骤
S1‑S3获取的数据采用扩展卡尔曼滤波进行融合计算，计算出当前时刻的位置，速度和高
度；S5、在船舶自动识别系统中采用步骤S4中的输出数据对海上目标进行定位识别。

[0014] 进一步地，所述步骤S1获取多个全球导航卫星系统的定位数据，包括北斗导航卫星系统、全球定位系统、格洛纳斯卫星导航系统和伽利略卫星导航系统，然后通过一阶泰勒
公式展开将多个全球导航卫星系统观测模型线性化，并采用地心地固坐标系给出测量矢量
ZGNSS；所述步骤S2通过一阶泰勒公式展开将惯性导航系统观测模型线性化，并采用速度给
出测量向量ZODO；所述步骤S3通过一阶泰勒公式展开将大气高度计观测模型线性化，并采用
大气压和高度给出测量向量ZBARO；所述步骤S4将惯性导航系统和大气高度计的测量数据添
加到过滤器中，并建立如下动态状态空间线性模型：

[0015]

[0016] 其中符号 表示滤波器状态， 表示过程噪声， 表示系统转换矩阵，Z表示KF测量， H表示测量矩阵，e表示测量噪声；滤波器状态 包括系统状态和传感器的误差，系
统状态表示为高度，速度和位置；KF测量Z包括测量矢量ZGNSS、测量向量ZODO和测量向量ZBARO，
为滤波器状态方程的变化率。

[0017] 进一步地，所述滤波器状态 表示如下：

[0018] ；

[0019] 其中， 是局部定位数据的高度误差向量， 是局部定位数据的速度误差向量，  是ECEF坐标系中局部定位数据的位置误差向量， 是与由惯性导航
系统在接收机框架中测得的角速率， 是与由惯性导航系统在接收机框架中测得的比
例相关的误差矢量， 是接收机的时钟偏差，单位为米， 是接收器的时钟漂移，单位为
米/秒，  是与惯性导航系统（INS）比例因子有关的误差， 是估计的参考大气压。

[0020] 进一步地，所述步骤S4包括：S41：当全球导航卫星系统的可通信卫星数量大于等于第一预设阈值时，卡尔曼滤波直接利用全球导航卫星系统的数据进行定位，同时对气压
高度计测量值和惯性导航系统的测量值进行更新，并计算出气压高度计的传感器测量误差
和惯性导航系统的传感器测量误差；S42：当全球导航卫星系统信号的可通信卫星数量大于
等于第二预设阈值，且小于第一预设阈值时，以全球导航卫星系统的数据为主进行定位，同
时采用惯性导航系统和高度气压计对定位数据进行补充，所述第二预设阈值小于第一预设
阈值；S43：在卫星失效环境下，卡尔曼滤波将气压高度计视为地心卫星，用以与其它卫星和
时钟模型进行测量与更新，惯性导航系统用于减小水平位置误差的离散，气压高度计用于
减小高度位置误差的离散。

[0021] 进一步地，所述惯性导航系统采用随机噪声补偿块来补偿加速度计和陀螺仪的偏置，卡尔曼滤波根据全球导航卫星系统和惯性导航系统之间的局部定位数据的速度误差向
量对定位数据进行补充。

[0022] 进一步地，所述第一预设阈值为4，所述第二预设阈值为1。

[0023] 进一步地，当全球导航卫星系统的可通信卫星数量大于1时，导航卫星和接收器之间距离采用如下的等效GNSS观测值 进行计算：

[0024]   ；

[0025] x，y和z是地心地固坐标系上的三维坐标， 是接收器时钟偏移， 是三维的地心地固坐标系中第i个卫星位置的坐标。

[0026] 进一步地，所述船舶自动识别系统包括AIS‑SART、数字选择性呼叫装置、AIS‑MOB、AIS鱼类信标和甚高频数据传输系统。

[0027] 进一步地，所述船舶自动识别系统与海上数据广播系统进行交互，并将处理后的融合数据发送给航行船舶的海上数据广播系统接收机和岸基的海上数据广播系统接收机。

[0028] 进一步地，所述船舶自动识别系统和电子海图与显示系统进行交互，对航行船舶、海事工程、海洋工程的建筑物和构筑物进行可视化的远程监控。

[0029] 本发明对比现有技术有如下的有益效果：本发明提供的基于多系统多源定位数据融合的海上目标定位方法，将全球导航卫星系统(GNSS)、惯性导航系统（INS），气压高度计、
温度计与全球导航卫星系统(GNSS)技术相结合的多传感器紧密数据融合（MTF）方法，提升
船舶自动识别系统（AIS）的连续性、可用性、稳健性和可靠性和精确性。因此，适用于海陆空
天一体化海事监管和保障的各种应用场景。

附图说明

[0030] 图1为本发明基于多系统多源定位数据融合的船舶自动识别流程示意图；

[0031] 图2为本发明基于多系统多源定位数据融合的船舶自动识别系统架构示意图；

[0032] 图3为本发明基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压高度计、时钟的船舶自动识别系统（AIS）多源传感器紧密融合（MTF）方法的流程图；

[0033] 图4为本发明基于采用多系统多源定位数据融合后的三维数据图。

具体实施方式

[0034] 下面结合附图和实施例对本发明作进一步的描述。

[0035] 图1为本发明基于多系统多源定位数据融合的船舶自动识别流程示意图；图2为本发明基于多系统多源定位数据融合的船舶自动识别系统架构示意图。

[0036] 请参见图1和图2，本发明提供的基于多系统多源定位数据融合的海上目标定位方法，具体步骤如下：

[0037] 步骤S1：获取诸如北斗导航卫星系统（BDS）、全球定位系统（GPS）、格洛纳斯卫星导航系统（GLONASS）、伽利略卫星导航系统（Galileo satellite navigation system）等卫星
导航系统的经度、纬度和时间的定位数据；

[0038] 步骤S2：获取惯性导航系统（INS）的经度、纬度和时间定位数据；

[0039] 步骤S3：借助气象传感器获取气压高度计和时钟数值；

[0040] 步骤S4：采用多传感器紧密数据融合算法（Modulation transfer function, MTF）构建融合全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压高度计和时钟模型的海
上多系统多源定位数据融合方法。

[0041] 步骤S5：采用海上多系统多源定位融合数据注入海上船舶自动识别系统(AIS)。

[0042] 上述基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压高度计、时钟数值的船舶自动识别系统（AIS）的多系统多源定位数据融合方法，其中全球导航卫星系统
(GNSS)是全球定位系统（GPS）、格洛纳斯卫星导航系统（GLONASS）、北斗卫星导航系统
(BDS)、伽利略导航卫星等进行基于同时全球导航卫星系统(GNSS)的定位数据融合，接着是
对惯性导航系统（INS）的定位数据拟合，紧接着是将气压高度计和时钟数值进行拟合。最
后，将融合的定位数据注入到船舶自动识别系统（AIS）。

[0043] 一、基于全球导航卫星系统(GNSS) / 惯性导航系统（INS）/ 气压高度计 / 时钟的船舶自动识别系统（AIS）联合观测方法

[0044] 船舶自动识别系统（AIS）中采用全球导航卫星系统(GNSS)进行观测，基于全球导航卫星系统(GNSS)的伪距测量联合定位、惯性导航系统（INS）、气压高度计的观测模型概述
如下：

[0045] 全球导航卫星系统(GNSS)伪距测量 ，卫星和接收器之间距离表示如下：

[0046] （1）

[0047] 接收机三维坐标为X,Y,Z，现在全球导航卫星系统（GNSS）为GPS、GLONASS、BDS、伽利略四套卫星系统的联合定位系统。

[0048] 其中x，y和z是用户位置在以地球为中心的地球固定点上的三维坐标（地心地固坐标系，Earth‑Centered, Earth‑Fixed，简称ECEF）坐标系，而 是接收器时钟偏移。 
是三维的ECEF坐标系中第i个卫星位置的坐标，并且有四个或更多卫星需要估
算用户的位置。 伪距速率  给出计算模型如下：

[0049] （2）

[0050]  符号  为 ECEF 坐标中用户速度的三维坐标系统，用于时钟漂移的和  的第i个卫星的三维地心地固坐标（ECEF） 坐标系中的速度。视线矢量：

[0051] 。 观察惯性导航系统(INS) 是位置，速度和姿态，以及来自惯性导航系统（INS）测量。惯性导
航系统（INS）的测量值是接收机的速度 ，观测方程如下：

[0052]    （3）

[0053] 的向前速度是由惯性导航系统（INS）测量的，而横向和向上速度是考虑到非完整约束 （NHC），假定  为0。 是加速度， 是从局部框架到身体框架的旋转矩
阵， 是比例因子。

[0054] 气压高度计的测量值是局部压力设置为P，使用美国标准大气的等温大气模型描述作为局部压力P的函数的高度H的微分方程如下：

[0055] （4）

[0056]  当 等于零时， 为标准大气压。标准大气压在不同地区有所不同，并且会随着时间不断变化。在等式（4）中，R是特定的气体常数等于   ， 是等于
的理想气体常数 ， 为平均值分子量等于 ， 
是等于 的标准重力值， 是摄氏温度的当地温度。

[0057] 如果将气压高度计作为地心卫星，则观测方程可以是写成如下公式：

[0058] （5）

[0059] 其中  是气压测量值，由公式（4）计算。 时钟模型测量值是预测的时钟误差 ，观测方程为：

[0060]   （6）

[0061] 用符号 表示地球的半长轴，用   表示半短轴。

[0062] 二、基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压高度计、时钟的定位数据融合方法

[0063] 本发明提出一种基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压高度计、时钟数值的紧密数据融合（MTF）和扩展卡尔曼滤波（EKF）的定位数据融合方法（图3）。它
使用顺序扩展卡尔曼滤波器（EKF）。基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气
压高度计、时钟的紧密数据融合（MTF）方法根据基于全球导航卫星系统(GNSS)的船舶自动
识别系统（AIS）联合观测模型进行设计。在KF中，每个传感器的测量顺序更新。基于传统的
全球导航卫星系统(GNSS) / 惯性导航系统紧密耦合的集成，紧密数据融合（MTF）方法将惯
性导航系统（INS）和气压高度计传感器添加到过滤器中。紧密数据融合（MTF）方法针对不同
的环境（例如：当接收机处于海洋的暴露环境时，当接收机可见卫星数量不足或卫星停止运
行时）设计了不同的策略。

[0064] 在海洋暴露环境中，比如可通信卫星数目大于等于4，KF通过断开开关3和4来进行高度计和惯性导航系统（INS）的测量更新（图3）。由于全球导航卫星系统(GNSS)的精度很
高。因此，可以正确估计传感器联合定位的误差，当全球导航卫星系统(GNSS)信号受损时，
比如可通信卫星数目大于等于1，小于4，可用于补偿测量并改善联合定位位置数据的连续
性、可用性、稳健性和可靠性。

[0065] 复杂情况，如缺少卫星数量时，或卫星信号接收数量少，导致不足时。如，当缺少GPS和GLNOASS时，即船舶自动识别系统（AIS）很可能就失去定位、导航作用；据此，本发明的
该多系统多源定位数据融合方法可以起到补充的效果。

[0066] 在卫星数量不足的环境，KF断开开关1和2，并闭合开关3和4。气压高度计被视为地心卫星，用于其余卫星和时钟模型的测量更新。

[0067] 当GNSS全部消失时，可采用INS和气压高度计联合观测，可为接收机进行联合定位观测。

[0068] 时钟模型用于预测时钟误差。在卫星停电的情况下，KF断开开关3和4，并闭合开关1和2。惯性导航系统（INS）和气压高度计分别用于减小水平和高度位置误差的离散。

[0069] 当惯性导航系统（INS）和气压高度计进行联合观测时，可计算三维位置、速度和高度。

[0070] 图3中第一部分，对于惯性导航系统（INS），使用标记为惯性导航系统（INS） 噪声补偿的块来补偿加速度计和陀螺仪的偏置。惯性导航系统（INS）算法处理惯性导航解决方
案，该解决方案可以计算位置，速度和高度。

[0071] 对于全球导航卫星系统(GNSS)，标记为“全球导航卫星系统(GNSS)的单点联合定位的伪距数据等效全球导航卫星系统(GNSS)观测值”，使用卫星的位置，卫星速度和惯性导
航系统(INS)计算等效伪距和伪距率。

[0072] 全球导航卫星系统(GNSS)和惯性导航系统(INS)之间的伪距和伪距速率差是KF测量值。

[0073] 对于惯性导航系统（INS），采用比例因子补偿正向速度测量。

[0074] 全球导航卫星系统(GNSS)和惯性导航系统(INS)之间的速度差是KF测量值。

[0075] 对于气压高度计，“计算高度”通过局部压力与参考压力（通常是标准大气）之间的关系来计算局部高度。标准大气是平均海平面大气压力，高度为零。在紧密数据融合（MTF）
方法中，参考压力由KF估算。大气高度之间的高度差惯性导航系统(INS)是KF量度。此外，大
气压力高度还可以用于计算地心卫星测量值，地心卫星测量值可用于卫星数量不足时。

[0076] 三、基于全球导航卫星系统(GNSS)/惯性导航系统（INS）/气压高度计/时钟的定位数据融合的滤波设计方法

[0077] 当采用全球导航卫星系统（GNSS）+惯性导航系统（INS）+气压高度计的空间三维计算模型如下：

[0078] 动态状态空间线性模型，表示如下：

[0079] （7）

[0080]  （8）

[0081] 其中符号 表示状态， 表示过程噪声， 表示系统转换矩阵，Z表示KF测量，H表示测量矩阵，e表示测量噪声。 滤波器状态 包括系统状态和传感器的误差。系统状态表
示为高度，速度和位置；KF测量Z包括测量矢量ZGNSS、测量向量ZODO和测量向量ZBARO，  为
滤波器状态方程的变化率。

[0082] （9）

[0083] 其中， 是局部定位数据的高度误差向量， 是局部定位数据的速度误差向量，  是局部定位数据的位置（均为ECEF坐标系中的矢量）误差向量， 是
与由惯性导航系统（INS）在接收机框架中测得的角速率（INS系统内部结构不同，有电子，有
陀螺仪等，在此不再一一赘述） 是与由惯性导航系统（INS） 在接收机框架中测得的
比例相关的误差矢量，  是接收机的时钟偏差，单位为米， 是接收器的时钟漂移，单
位为米/秒， 是与惯性导航系统（INS）比例因子有关的误差， 是估计的参考大气
压。

[0084]（10）

[0085] 其中符号 和 分别代表与加速度计和陀螺仪有关的高斯‑马尔可夫噪声的时间常数矢量。M个矩阵显示的方程式表示如下：

[0086]

[0087]

[0088]

[0089]

[0090]

[0091]

[0092]

[0093]

[0094]

[0095]

[0096] 其中， 是沿子午线的曲率半径； 是沿子午线圆的曲率半径； 是经度；是高度；  是接收机帧结构的速度； 是地球自转角速度； 是传感器加速度的比率。

[0097] 通过一阶泰勒公式展开将多个全球导航卫星系统(GNSS) 观测模型线性，然后将测量矢量和测量矩阵表示为：

[0098]    （11）

[0099] （12）

[0100] 使用符号 n 表示卫星数。 通过一阶泰勒公式展开将惯性导航系统（INS）观测模型线性化，然后可以将测量向量和测量矩阵表示如下：

[0101] （13）

[0102] （14）

[0103] 大气高度计观测模型通过一阶泰勒公式展开线性，然后将测量和测量矩阵表示为：

[0104]  （15）

[0105] （16）

[0106] 四、基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压高度计、时钟的多系统多源定位数据融合的快速收敛算法

[0107] 以上方法可获提升船舶、海事工程、海洋工程构筑物和建筑物的定位数据的可用性、精确性、可靠性、连续性和稳健性。较现今的船舶自动识别系统（AIS）仅仅依托全球定位
系统（GPS）和格洛纳斯卫星导航系统（GLONASS）两套定位系统，增加了北斗卫星导航系统和
欧洲伽利略卫星导航系统等多套卫星导航系统。如图4所示，本发明同时采用BDS/GPS后上
下方向（U‑D）、南北方向(N‑S)、东西方向（E‑W）的连续测量数据值，明显优于GPS的单一数据
精度，且BDS/GPS的收敛速度更快。同时，增加了惯性导航系统（INS）、气压高度计和时钟的
数据融合。据此，由公式（21）表示基于全球导航卫星系统(GNSS)、惯性导航系统（INS）、气压
高度计、时钟数值的定位融合算法，计算结果可快速收敛，在缺少全球导航卫星系统(GNSS)
和惯性导航系统（INS）时，依旧可以进行联合定位。

[0108] 将融合算法的模型通过一阶泰勒公式展开将全球导航卫星系统(GNSS) /惯性导航系统（INS）/气压高度计/时钟观测模型线性化，然后将测量和测量矩阵表示如下：

[0109] 当采用全球导航卫星系统（GNSS）+惯性导航系统（INS）+气压高度计的测量矩阵进行滤波融合计算，公式如下：

[0110]  （17）

[0111]  （18）

[0112]  （19）

[0113]  （20）

[0114]  （21）

[0115] 是全球导航卫星系统(GNSS)测量值，这个就是GNSS+INS+气压高度计的融合结果值； 为卫星系统的空间测量值，含4颗卫星以上进行X，Y，Z三维的空间定位。 
是预测的时钟误差，T是从本地帧到  帧的旋转矩阵。

[0116]   通过一阶泰勒展开将GNSS /气压高度计/时钟观测模型线性化，然后将测量和测量矩阵表示为公示（17）。

[0117] 五、基于全球导航卫星系统(GNSS)/惯性导航系统（INS）/气压高度计/时钟的多系统多源的定位数据融合注入船舶自动识别系统（AIS）

[0118] 当采用全球导航卫星系统（GNSS）+惯性导航系统（INS）+气压高度计的空间三维定位数据终值，注入到船舶自动识别系统（AIS）作为AIS数据。

[0119] 船舶自动识别系统（AIS）是一种应用于船和岸、船和船、船和星之间进行海事通信的工程系统。由全球定位系统（GPS）定位仪和与船载显示器、传感器等相连接的控制器组
成，能显示船位、航速、航向、船名、呼号等数据。据此，可将基于全球定位系统（GPS）的定位
数据系统提升为基于全球导航卫星系统(GNSS)/惯性导航系统（INS）/气压高度计/时钟的
多系统多源定位数据进行融合，提升船舶自动识别系统（AIS）的连续性、可用性、稳健性和
可靠性，从而极大程度降低海事风险和海洋污染。

[0120] 虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范
围当以权利要求书所界定的为准。