Source : Applied Sciences 2023, 13(8), 4819 · DOI 10.3390/app13084819 · Almaty Institute of Technology, Al-Farabi Kazakh National University, Institute of Space Technique and Technology (Almaty, Kazakhstan) · accès OPEN (CC BY)
· PDF Boguspayev2023-GNSSINSReview.pdf, sha256 0a22a0e710e5ff3f…, 25 pages
Lu le : 2026-11-02. LECTURE COMPLÈTE : texte intégral, les 5 tableaux et les pages de tableaux relus sur le PDF (p. 8, 10, 15-18, 20) ; liste de références lue, sans remonter aux travaux cités.
Statut summarized.
Thème : fusion GNSS/INS · revue des architectures de couplage et des problèmes de robustesse
Métadonnées vérifiées dans le PDF : titre, année (publié le 12 avril 2023) et DOI conformes. Prénoms imprimés : Nurlan Boguspayev, Daulet Akhmedov, Almat Raskaliyev, Alexandr Kim, Anna Sukhenko. Le PDF est identique (même sha256) à celui de l’entrée doublon Liu2023-GNSSINSReview, dont le nom d’auteur est erroné (le seul « Liu » du PDF est un co-auteur de références citées).
Contexte et question
Les systèmes satellitaires (GNSS/SNS) et inertiels (INS) ont des propriétés complémentaires : le GNSS est sensible aux obstacles et aux brouillages, l’INS est autonome mais sa précision décroît avec le temps (§1, p. 1-2). La revue passe en revue les schémas d’intégration lâche, serré et profond, les outils fondés sur le filtre de Kalman et sur des méthodes dites intelligentes, la mécanisation de l’INS et son modèle d’erreur, puis trois problèmes récurrents : indisponibilité du GNSS, mesures aberrantes ou intégrité violée, erreurs des capteurs inertiels (§1, p. 5 ; §4, p. 13-14). Le champ est limité aux véhicules terrestres et aériens et aux récepteurs GNSS à antenne unique (p. 4-5).
Méthode
Revue de littérature, sans expérience propre : « no datasets were generated or analyzed » (p. 22). Contenu rapporté :
- Schémas (§2, p. 5-6). Lâche : la différence des positions et vitesses GNSS et INS alimente le filtre, qui estime l’erreur INS ; l’intégration retombe en INS pur sans quatre satellites. Serré : la différence porte sur pseudodistances, phase porteuse ou Doppler, et le filtre est mis à jour même avec un seul satellite (§1, p. 3). Profond : fusion au niveau des échantillons RF et des boucles de poursuite, qui demande l’accès au code source du récepteur ; les auteurs ne l’étudient pas en détail (p. 6).
- Filtre de Kalman (Éq. 1-7, p. 6-7) : l’outil d’intégration le plus utilisé de la revue. Le vecteur d’état d’erreur contient position, vitesse, attitude, biais d’accéléromètre et de gyromètre ; certains travaux ajoutent des biais dynamiques (p. 7-8).
- Modèles d’état de l’objet (p. 11) : modèle P (immobile), PV (vitesse en marche aléatoire), PVA (accélérations en processus de Markov). PV suffit dans la plupart des cas, PVA est jugé le plus adapté à l’aérien.
- Mécanisation INS (§3, Éq. 8-11, p. 11-12) en repères ECI, ECEF et NED ; erreurs d’attitude et de vitesse (Éq. 12-14) ; biais constant (Éq. 15) et erreurs dynamiques en processus de Gauss-Markov (Éq. 16, p. 13).
- Simplification : séparer attitude et position avec un AHRS (capteur magnétique) et deux filtres, par exemple un filtre complémentaire non linéaire pour attitude et biais gyro, un EKF pour position, vitesse et biais d’accéléromètre (p. 10-11, p. 21).
- Contraintes véhicule terrestre (p. 4) : vitesse transversale nulle, effet de bras de levier entre antenne GNSS et INS, estimé dans le filtre ou par mesures « virtuelles ».
- Optimisation par graphe de facteurs (FGO) (p. 16) : traite l’ensemble des mesures, résolution itérative par Gauss-Newton, mesures retardées admises.
Résultats chiffrés
La revue compile des résultats de travaux cités, sous des conditions hétérogènes (capteurs, trajectoires, durées, références différents). Les valeurs ne se comparent pas entre lignes. Sauf mention, RMSE de position.
| Cas | Valeur | Source |
|---|---|---|
| GNSS seul, 4 satellites, sans correction différentielle | précision « up to 20 m » | §1, p. 1 |
| Couplage lâche, 15 états, lissage en post-traitement [11], coupure 60 s | N 0,010 m, E 0,020 m, D 0,011 m | Tab. 3, p. 15 |
| Couplage lâche, réseau de neurones, coupure 1200 s [38] | N 8,33 m, E 2,94 m | Tab. 3, p. 16 |
| Couplage lâche, réseau de neurones, coupure 90 s [37] | N 18,23 m, E 80,64 m | Tab. 3, p. 15 |
| Couplage serré, filtre séquentiel robuste, coupure 60 s [42] | 3,966 m (3D) | Tab. 2, p. 10 ; Tab. 3, p. 16 |
| FGO serré + ultra-large bande, UAV en intérieur [53] | N 0,21 m, E 0,21 m, D 0,09 m | Tab. 2, p. 10 ; Tab. 4, p. 17 |
| FGO serré, Xsens + récepteur Ublox M8T, GPS et Beidou [73,75] | erreur moyenne « up to 4 m » ; 3,64 m (Tab. 4) | p. 16 ; Tab. 4, p. 18 |
| Classification par apprentissage des erreurs GNSS [56] | 3,9 m (3D) | Tab. 4, p. 17 ; p. 16 |
| Détection multitrajet par K-means, couplage serré [76] | Lat 0,53 m, Lon 0,25 m, Alt 1,66 m | Tab. 4, p. 18 |
| Filtre robuste à matrice de poids [6] | N 2,2 m | Tab. 4, p. 17 |
| Modèle d’erreur INS autorégressif [29] / Allan [30] | 1,16 m / 4,08 m (moyenne, 3D) | Tab. 5, p. 20 |
| Modèle Allan, coupure 60 s [78] | 2,71 m (moyenne, 3D) | Tab. 5, p. 21 ; p. 19 |
| Mesures de bras de levier virtuelles [48] | N 0,6 m, E 0,6 m, D 0,5 m | Tab. 5, p. 20 |
Constats de la revue :
- Les expériences recensées couvrent « up to four available navigation satellites » et des coupures jusqu’à 1200 s (p. 14).
- Les réseaux de neurones donnent des résultats « relatively good », mais coûtent plus de calcul qu’un EKF standard (p. 14, p. 21).
- Pour les mesures aberrantes, un EKF à matrice de pondération « can solve the problem with outliers just as well » que l’apprentissage (p. 22).
- Autorégressif et variance d’Allan donnent « almost the same accuracy » (p. 20).
Incohérences internes du PDF, à ne pas reprendre sans précaution :
- La phrase « Positioning accuracy of these systems reaches 4 m » (p. 14), attachée aux réseaux de neurones, ne correspond pas à la Tab. 3 (8,33 m, 18,23 m, 80,64 m). Le 4 m vient plutôt du couplage serré robuste [42] (3,966 m).
- [24] : Lat 4,7 m, Lon 6,8 m, Alt 3,6 m (Tab. 1, p. 8) contre Lat 19 m, Lon 24 m, Alt 16 m (Tab. 3, p. 15), et « up to 25 m » dans le texte (p. 14).
- [5] : N 5,9 m, E 6,0 m, D 22,3 m (Tab. 1, p. 8) contre N 3,9 m, E 5,4 m, D 6,3 m (Tab. 4, p. 17), avec 15 puis 21 états.
- [39] : E 10,297 m (Tab. 1) contre 10,279 m (Tab. 3 et 5).
- Dimension du filtre : « can reach 21 elements » (p. 21) alors que les tableaux donnent 24 états (Tab. 5, [30]) et 27 états (Tab. 2, [50]).
Limites déclarées par les auteurs
- Le couplage profond est écarté du périmètre : il exige l’accès au code du récepteur, réservé aux fabricants (p. 6).
- Les filtres de Kalman et leurs variantes sont « complex and cumbersome » : état de 15 termes au minimum, modèles d’erreur de capteurs à introduire (p. 10).
- L’apprentissage et le FGO ont un coût de calcul élevé ; le FGO accumule les mesures sur toute la période, avec un temps de réponse possiblement accru (« response of the system », p. 17).
- Une longue absence de GNSS dégrade la précision « even when using the most accurate models of INS errors » (p. 20).
- Le bras de levier est difficile à mesurer en pratique (p. 19) ; il vaut d’être modélisé surtout pour une trajectoire complexe (p. 20, p. 22).
- Le suivi de véhicules autonomes (SLAM) n’est pas couvert (p. 21).
Ce que ça change pour Teleforge (interprétation, hors de l’article)
- Référence de vocabulaire et de cadrage (lâche, serré, profond ; équations 1-7) pour décrire proprement ce que fait une fusion GNSS/inertiel.
- Les tableaux sont un répertoire de pistes citables, pas un banc de comparaison : les chiffres viennent d’autres papiers, d’autres capteurs, sans protocole commun, avec des incohérences internes (ci-dessus). Remonter à la source avant tout chiffre repris.
- Les boîtiers de série livrent des positions et vitesses GNSS déjà calculées : seul le couplage lâche leur est accessible, le serré et le profond demandent des mesures brutes ou le code du récepteur.
- Utile pour la section biais et bruit des capteurs inertiels : modèle de biais constant plus Gauss-Markov, variance d’Allan comme outil de caractérisation.
- Revue d’ingénierie sans méthode de sélection des articles déclarée : à citer comme panorama, pas comme preuve de supériorité d’une méthode.