El "camino aleatorio" se refiere a un tipo de modelo de error que se observa comúnmente en los sistemas de navegación inercial (SNI) , donde la posición, la velocidad u otros estados acumulan errores aleatorios con el tiempo, lo que genera un aumento gradual de la incertidumbre . Este fenómeno suele asociarse con el ruido del sensor , en particular en los acelerómetros y giroscopios utilizados en los SNI. Se manifiesta como una deriva aleatoria en las mediciones del sistema, lo que dificulta la predicción precisa de su estado durante períodos prolongados.
¿Cómo afecta el paseo aleatorio al INS?
Deriva de posición : el recorrido aleatorio conduce a un aumento gradual del error de posición , a medida que pequeños errores aleatorios se acumulan con el tiempo.
Deriva de velocidad : de manera similar, los errores aleatorios en las mediciones de aceleración provocan una deriva en las estimaciones de velocidad que, cuando se integra a lo largo del tiempo, da como resultado un error de posición.
Mayor incertidumbre : el error crece con la raíz cuadrada del tiempo , lo que significa que durante un período más largo, la incertidumbre en la posición o la velocidad aumentará significativamente .
¿Cómo modelar y mitigar el paseo aleatorio en INS?
Modelado del recorrido aleatorio : En INS, el recorrido aleatorio suele modelarse como un proceso aleatorio características de ruido específicas, como la inestabilidad de sesgo y el ruido blanco . Generalmente se representa mediante el filtro de Kalman o el filtro bayesiano para la corrección de errores.
Calibración del sensor : la calibración regular de los sensores ayuda a reducir la deriva aleatoria al garantizar mediciones iniciales precisas.
Fusión de sensores : la combinación de datos de otros sensores (por ejemplo, GNSS, LiDAR ) con datos INS permite una mejor corrección de errores y compensa la deriva causada por un desplazamiento aleatorio .
Técnicas de filtrado avanzado se utilizan técnicas como el filtro Kalman y el filtro Kalman extendido (EKF)
Aplicaciones del paseo aleatorio en INS
✔ Navegación de larga duración : los errores de caminata aleatoria se vuelven más significativos en sistemas que operan durante largos períodos sin correcciones externas (por ejemplo, submarinos, naves espaciales ).
✔ Vehículos autónomos : los INS en sistemas autónomos pueden experimentar errores de caminata aleatorios, especialmente en entornos sin GNSS , donde se necesitan actualizaciones periódicas para corregir estos errores.
✔ Topografía aérea : en la navegación con drones , la caminata aleatoria puede afectar el posicionamiento de largo alcance si no se corrige regularmente.
Ventajas de mitigar el paseo aleatorio en INS
✔ Precisión mejorada : la reducción de errores de caminata aleatorios genera estimaciones de posición y velocidad más precisas a lo largo del tiempo.
✔ Estabilidad en la navegación : la fusión de sensores y de filtrado avanzadas garantizan que el sistema permanezca estable y confiable incluso durante largos períodos de funcionamiento.
✔ Mejor rendimiento en entornos sin GNSS : la fusión de sensores permite que el INS continúe brindando una navegación precisa sin depender únicamente de las señales GNSS.
