Performance Enhancement MEMS Based INS/GPS Integrated System Implemented on a FPGA for Terrestrial Applications

Abstract

Hoy en día con el desarrollo de sensores inerciales basados en Sistemas Micro\-electromecánicos (MEMS), podemos encontrar acelerómetros y giróscopos embebidos en diferentes dispositivos y plataformas, teniéndolos en relojes, teléfonos inteligentes, consolas de video juego hasta sistemas de navegación terrestre y vehículos aéreos no tripulados (UAVs), {\em etc}. A pesar del amplio rango de aplicaciones donde están siendo utilizados, los sensores inerciales de bajo costo (grado MEMs) son afectados por errores aleatorios y determinísticos que degradan el rendimiento de los sistemas, en especial, los sistemas de navegación, un ejemplo de ello es la integración del Sistema de Posicionamiento Global (GPS) y el Sistema de Navegación Inercial (INS). Aunque diferentes investigaciones se han realizado para minimizar y modelar el error estocástico de los sensores inerciales MEMS, la estimación de los parámetros de este error y su eliminación sigue siendo una tarea poco fácil de realizar. Por este motivo, en esta tesis planteamos soluciones para facilitar la estimación de los parámetros y la compensación del error estocástico, específicamente, para el bias-drift, con el propósito de mejorar el rendimiento del sistema integrado GPS/INS basado en MEMS. Adicionalmente, el sistema de navegación es implementado en un Arreglo de Compuertas Programables en Campo (FPGA), donde se exploran las posibilidades que este tipo de plataformas puede ofrecer y como recursos hardware dedicados podrían ser utilizados para acelerar el filtro de navegación que es donde se presenta el mayor costo computacional. Finalmente, con el fin de evaluar la compensación del error estocástico, el Filtro de Kalman Extendido (EKF) de la estrategia de integración loosely-coupled GPS/INS es aumentado con diferentes modelos del error. Los resultados muestran el rendimiento del sistema de navegación cuando se realiza la compensación del bias-drift bajo bloqueos de la señal del GPS, utilizando datos reales recolectados en un vehículo terrestre en varias campañas.

Nowadays with the development of inertial sensors based on Micro-Electrome\-chanical Systems (MEMS), embedded accelerometers and gyroscopes can be found in several devices and platforms ranging from watches, smart phones, video game consoles up to terrestrial navigation systems and unmanned aerial vehicles (UAVs), {\em etc}. Despite the wide range of applications where such sensors are being used, low cost inertial sensors (MEMS grade) are affected by random and deterministic errors that degrade the systems performance, especially, in navigation systems like the Global Positioning System (GPS)/Inertial Navigation System (INS) integration. Albeit different researches have been conducted to minimize and model the stochastic error of MEMS inertial sensors, the estimation of the random noise parameters and its attenuation is still a non-trivial task. Therefore, in this thesis we propose solutions to facilitate the estimation of the parameters or the stochastic error and its compensation, specifically, for the bias-drift, with the aim of enhancing the performance of MEMS based INS/GPS integrated systems. Additionally, we implement the navigation system on a Field Programmable Gate Array (FPGA), where we explore the possibilities that this sort of platforms could offer and how dedicated hardware resources could be used to accelerate the navigation filter, that presents the highest computational burned. Eventually, in order to assess the compensation of the stochastic error, the Extended Kalman Filter (EKF) of the loosely-coupled GPS/INS integration strategy is augmented with different error models. Results show the performance of the navigation system during the compensation of the bias-drift under GPS signal blockages using real data collected in a land vehicle during several campaigns.