Navigation solution with enhanced data validation

To sustain long-term estimation, navigation solutions rely on the precision of received GNSS measurements. Signal corruption and deflections can lead to sudden and abrupt changes in the solution itself, leading to problems such as outages or multipath conditions. This thesis proposes a new methodology of data validation, performed on a fully functioning loosely coupled position, velocity and attitude estimating extended Kalman filter (EKF). The proposed solution is to adopt a parallel secondary linear Kalman filter (KF2) that only receives position and velocity data from GNSS and feeds the information of the filter to an innovative detection parameter called: probability distance. It is an evaluation of the probability associated to the distance between the measured position and the estimated one. Through the progression, probability distance monitors the expected behaviour of received GNSS measurements and detects faulty situations excluding data from the main EFK. The performance analysis and modelling are carried out in a MATLAB\textsuperscript{\textregistered} environment with real experimental data taken ad hoc from a car moving in urban canyon environments and from a helicopter during a test flight. Due to environmental disturbances, both outages and multipath are present in the recorded data sets, but this lack of a clear reference is mitigated by validating of a forward-backward post-processing method. The main goal of this thesis is to compare in the most challenging situations the original navigation solution with the proposed additional KF2. With a final threshold optimization, it possible to reach good results in comparison with the navigation solution without the KF2.

I sistemi di navigazione, per poter sostenere una stima a lungo periodo, si basano sull'affidabilità e la precisione delle misurazioni ricevute dal sistema satelliare globale di navigazione (GNSS). A causa di problematiche relative alla corruzione del segnale ed a problemi di riflessione, la soluzione può essere modificata in maniera inattesa e improvvisa causando assenze di segnale o situazioni di "multipath". Questa tesi propone una nuova metodologia di validazione dei dati applicata a un sistema di navigazione composto da un filtro di Kalman esteso (EKF) che stima posizione, velocità e assetto. La soluzione proposta è di adottare un secondo filtro di Kalman lineare in parallelo che funzioni solo con posizione e velocità dal sistema satellitare e fornisca informazioni per calcolare un nuovo parametro di controllo chiamato: distanza di probabilità o PD. Una valutazione della probabilità associata alla distanza tra misura della posizione e la stima di essa. La distanza di probabilità monitora, durante tutto il processo, il comportamento dei dati in arrivo e individua le situazioni più problematiche escludendi i dati in arrivo al (EKF. L'analisi delle prestazioni e l'intera implementazione è stata svolta nell'ambiente MATLAB® con veri dati sperimentali presi da un'auto in una situazione di canyon urbano e da un elicottero durante un test di volo. A causa dei disturbi ambientali entrambe le problematiche di multipath e interruzione del segnale si possono riscontrare nei dati sperimentali registrati e la mancanza di un riferimento corretto è mitigato validando un metodo di filtraggio a posteriori avanti-indietro. L'obiettivo principale di questa tesi è confrontare nei punti più critici la soluzione di navigazione del EKF con e senza il KF2 in parallelo. Con una ottimizzazione finale dei valori soglia della distanza di probabilità è possibile raggiungere degli ottimi risultati con l'aggiunta del filtro secondario in parallelo.