Simultaneous Aircraft Localization and Mapping using Signals of Opportunity and Inverse Depth Parametrization

In modern combat aircraft, the most common localization method integrates a Global Navigation Satellite System (GNSS) with an Inertial Navigation System (INS). Although GNSS is the optimal choice for navigation, there are situations when the GNSS satellite signal is unavailable. This can happen due to various reasons such as jamming, physical obstacles, or technical failures. An alternative method to GNSS is utilizing Signals of Opportunity (SOP), which leverages signals not intended for navigation, such as those from cellular towers. These signals are transmitted from non-controllable sources, and challenges may arise due to the lack of guarantee regarding their quality and availability. Therefore, it is crucial that any estimation method utilizing SOP is robust to ensure accurate aircraft localization. This thesis investigates three different localization approaches to address this challenge. This study explores SOP sources with both known and unknown positions. For known signal source positions, an Extended Kalman Filter (EKF) based solution is utilized as a baseline to evaluate how well unknown signal sources can be used to estimate the aircraft's location. To address the challenge of unknown signal source positions, an EKF combined with a Simultaneous Localization and Mapping (SLAM) method, referred to as EKF SLAM, is used. In this case, the sources are introduced through two different approaches. The first approach, undelayed initialization, introduces the signal source directly when observed. The second approach, delayed initialization, involves inverse depth parameterization (IDP) and preprocessing of the signal source position before fully introducing it into the aircraft system. While both approaches outperform an unassisted INS approach, they do not achieve the same level of performance as when the source positions are known. Moreover, various factors, including the aircraft's trajectory, measurement noise, measurement frequency, and the initial covarianc
I moderna stridsflygplan är den vanligaste lokaliseringsmetoden att integrera ett Global Navigation Satellite System (GNSS) med ett Inertial Navigation System (INS). Även om GNSS är det optimala valet för navigation finns det situationer när GNSS-satellitsignalen inte är tillgänglig. Detta kan inträffa på grund av olika orsaker som störningar, fysiska hinder eller tekniska fel. En alternativ metod till GNSS är att använda Signals of Opportunity (SOP), som utnyttjar signaler som inte är avsedda för navigation, till exempel de från mobilmaster. Dessa signaler kommer från okontrollerbara källor, vilket kan medföra utmaningar på grund av att deras kvalitet och tillgänglighet inte kan garanteras. Därför är det viktigt att varje lokaliseringsmetod som använder SOP är robust för att säkerställa en bra och korrekt flygplans positionering. Detta examensarbete undersöker tre olika lokaliseringsmetoder för att hantera denna utmaning. Denna studie utforskar SOP-källor med både kända och okända positioner. För kända positioner används en lösning baserad på ett Extended Kalman Filter (EKF) som en baslinje för att utvärdera hur väl okända signalkällor kan användas för att uppskatta flygplanets position. För att hantera utmaningen med okända signalkällors positioner används ett EKF kombinerad med en metod vid namn Simultaneous Localization and Mapping (SLAM), även kallad EKF SLAM. I detta fall introduceras källorna genom två olika tillvägagångssätt. Det första tillvägagångssättet, ofördröjd initialisering, introducerar signalkällan direkt när den observeras. Det andra tillvägagångssättet, fördröjd initialisering, involverar inverse depth parameterization (IDP) och förbearbetning av signalkällans position innan den introduceras i flygplanets lokaliseringssystem. Även om båda tillvägagångssätten presterar bättre än en oassisterad INS-metod uppnår de inte samma prestandanivå som när källornas position är kända. Dessutom påverkar olika faktorer prestandan hos EKF SLAM-metoderna, vilka