Thesis (Ph.D)-Cairo University, 2024.

Bibliography: pages 124-127.

The integration of Micro-Electro-Mechanical-System (MEMS) inertial sensors into Inertial Navigation Systems (INS) for consumer applications is driven by their affordability, compact size, and low power consumption. Despite these advantages, MEMS inertial sensors exhibit bias drift, a stochastic phenomenon that significantly impacts long-term positioning accuracy. This drift leads to long-term position inaccuracies due to the mathematical integration of sensor biases, reducing positioning accuracy over time. In contrast, Global Positioning Systems (GPS) consistently offer accurate position, velocity, and timing information, overcoming challenges like signal outage in specific conditions. During GPS outages, INS becomes valuable by providing reliable short-term navigation information and supplying data on the platform's attitude and heading angles. To enhance navigation information robustness and reliability, the integration of INS and GPS data is commonly achieved through techniques like Kalman filters. The Extended Kalman Filter (EKF) is a widely used estimation algorithm for nonlinear systems like navigation systems. However, EKF's performance in INS/GPS fusion is compromised by linearization errors and GPS inaccuracies. Addressing these challenges, a novel algorithm, the Adaptive Loosely Coupled Unscented Kalman Filter (ALCUKF), is introduced. ALCUKF employs the Unscented Kalman Filter (UKF) to mitigate linearization challenges and selectively ignores GPS readings with significant errors. The effectiveness of the integrated INS/GPS system relies on error covariance matrices R, Q, and P, governing errors related to aiding sensors, process noise, and the system state, respectively. Tuning these matrices is intricate and significantly influences overall system performance. The thesis introduces a novel methodology for tuning these matrices in INS/GPS systems. ALCUKF-based INS/GPS systems, incorporating the new tuning methodology, are demonstrated using two datasets. The first dataset is collected from a high-end tactical-grade SPAN unit featuring the Novatel HG1700 IMU module, while the second dataset is obtained from a MEMS-based SCC1300-D04 IMU unit from VTI. Results of the new method are compared against reference ground truth trajectories and quantitatively assessed using Root Mean Square Error (RMSE), revealing a substantial improvement in navigation system performance compared to EKF for both datasets. The novel methodology is also validated against an alternative navigation approach: The 3D Reduced Inertial Sensor System with GPS integration for land-based vehicles. The system validation involves comparing it against two trajectories captured by the SCC1300-D04 IMU unit from VTI and further assessing it against reference ground truth trajectories.

يتم تسهيل دمج أجهزة الاستشعار للنظام الكهروميكانيكي الصغير في أنظمة الملاحة بالقصور الذاتي من خلال سماتها المتمثلة في القدرة على تحمل التكاليف والحجم الصغير والاستهلاك المنخفض للطاقة. في السابق، واجهت أنظمة الملاحة بالقصور الذاتي قيودًا من حيث التكلفة والحجم. ومع ذلك، فإن أجهزة الاستشعار بالقصور الذاتي تكون عرضة للاخطاء فى القياس، وهي ظاهرة عشوائية تؤثر بشكل كبير على دقة تحديد المواقع على المدى الطويل. يؤدي الاستخدام المستمر لهذه المستشعرات إلى انحراف الموقع على المدى الطويل بسبب التكامل الرياضي للمستشعر، مما يتسبب في انخفاض كبير في دقة تحديد المواقع خلال فترة قصيرة. في المقابل، توفر أنظمة تحديد المواقع العالمية معلومات دقيقة عن الموقع والسرعة والتوقيت، على الرغم من التحديات مثل انقطاع الإشارة في بعض الاماكن او تداخل الاشارات. أثناء انقطاع نظام تحديد المواقع العالمي، يصبح نظام أنظمة الملاحة بالقصور الذاتي مؤثر فى توفير معلومات ملاحية موثوقة على المدى القصير وتوفير البيانات حول الموقع و الاتجاهات. وبالتالي، فإن تكامل بيانات أنظمة الملاحة بالقصور الذاتي و أنظمة تحديد المواقع العالمية ، والذي يتم تحقيقه غالبًا من خلال تقنيات مثل نظام كالمان، يعزز من قوة وموثوقية معلومات الملاحة بشكل عام. يعمل مرشح كالمان الممتد بمثابة طريقه تقدير مستخدمة على نطاق واسع للأنظمة غير الخطية مثل أنظمة الملاحة، حيث يدمج المعلومات من النظامين ومع ذلك، فإن أداء دمج النظامين باستخدام كالمان يتعرض للانحراف بسبب أخطاء الخطية وعدم دقة نظام تحديد المواقع العالمي. ولمعالجة هذه المشكلات، تم تقديم طريقه جديدة، وهي مرشح كالمان التكيفي. تستخدم هذه الطريقه مرشح كالمان الغير خطى ، بالاضافه الى تجاهل قراءات أنظمة تحديد المواقع العالمية التي تحتوي على أخطاء كبيرة بشكل انتقائي. تتوقف فعالية كالمان على مصفوفات تباين الأخطاء، التي تعبر عن الأخطاء المتعلقة بتحديد المواقع العالمية ، اخطاء اجهزة الاستشعار، وحالة النظام. يعد ضبط هذه المصفوفات أمرًا معقدًا ويؤثر بشكل كبير على الأداء العام للنظام. تقدم الرسالة طريقة جديدة لضبط هذه المصفوفات في أنظمة كالمان

Issues also as CD.

Text in English and abstract in Arabic & English.