Как сообщает ТГ-канал ГЛОНАСС и VZе, VZе, VZе остальные, в интегрированных навигационных системах ГНСС/IMU такие факторы, как перекрытие спутников и отсутствие прямой видимости, неизбежно ухудшают точность позиционирования. Чтобы решить эту проблему и эффективно использовать историческую информацию о псевдодальности, семеро китайских исследователей из Гуаньчжоу, Чжэньцзяна и Ухани предложили модель ГНСС/IMU на основе оптимизации графа с виртуальными ограничениями.

Эти виртуальные ограничения в модели графа выводятся из положения спутника с предыдущего временного шага, скорости изменения псевдодальности и данных эфемерид. Данное виртуальное ограничение служит альтернативным решением для отдельных спутников в случаях аномалий сигнала, тем самым обеспечивая целостность и непрерывность модели оптимизации графа.

Кроме того, учёные проводят анализ модели оптимизации графа на основе этих виртуальных ограничений, сравнивая её с традиционными моделями графа ГНСС/IMU и SLAM.

Далее анализируется маргинализация модели графа, включающая виртуальные ограничения. Эксперимент проводился на наборе реальных данных, и результаты предлагаемого метода сравнивались с тесно связанной фильтрацией Калмана и исходным методом оптимизации графа. При мгновенном тестировании производительности метод сохраняет ошибку RMSE в пределах 5% по сравнению с реальным измерением псевдодальности, в то время как при непрерывном тестировании производительности без доступного сигнала ГНСС метод показывает приблизительно 30-процентное улучшение горизонтальной точности RMSE по сравнению с традиционным методом оптимизации графика в течение 10-секундного периода. Это демонстрирует потенциал метода для практического применения.

Метод оптимизации графа ограничений виртуальной псевдодальности может эффективно повысить точность позиционирования, когда точность измерения псевдодальности ГНСС ухудшается из-за многолучевости или условий NLOS или когда количество спутников меньше четырёх. Этот метод разработан на основе интегрированной навигационной системы ГНСС/IMU.