�����ز���λƽ��α�༼����GPS/INS��ϵ���

??????????????λ???α??????GPS/INS??????????????????????????????????????????????????????????GPS????????????????????????????λ???α??????GPS/INS????????????α??????????н??????????????????????????     

�������������������GNSS/INS��ϵ����е�Ӧ��

???С????????????????????????С???任????AR???????GNSS/INS??????????С????????????????????????????AR??????????????е???????????????????????????÷??????????????????????????????????????Ч??GNSS/INS???????????     

���ڿ���EKF��INS/GNSS������㷨Ӧ���о�

???INS/GNSS????????GNSS????????????????о?????????EKF???????????????????INS?????????????μ???????INS/GNSS?????????????????????????????С?????????????????С????в??????????????Э???????????????????????????????????????????????????????????????GNSS?????д???????????????EKF??????????????????????????????????????????????????     

�ں�BDS/GPS/GLONASS����ȫ�����������о�

???BDS/GPS/GLONASS????,?????????λ???α?????????г????????????????????????????????????????顣???????????????????????IGS???????????????????????????4 TECu?????????0.675 TECu????JP2???????GNSS???TEC?????????????5 TECu????????????????????????????????????????????????????,GPS????????GLONASS????BDS??????     

��ѹ��GPS�����ɽ�ˮ�������Ӱ�����

????????????λ?ο??????????????GPS?????????????????????????ZTD???????????????ZHD???????????????????????GPS/MET????????У?ZTD??GPS?????????????????????????????????????????????????Щ?????????????GPT????????????????????????????????????й????????????t??????????????????????????????GPS???λ?ò???μ????Σ??????????????λ?ù???????????????????????????GPS???????????????????     

������С����Ƶ�׷�����GPS/GLONASS�����Ӳ������о�

????IGS??????????????????????Allan???????????????????????????????????????????????????????????????????????????????о????????????1??GPS???????????GLONASS???????????4??????????????????????????????1??1/2??1/3??1/4???2???????????????GPS????????Allan????????????仯????GLONASS????????Allan????????????????仯??????GPS????????д???????????GLONASS???????????????????????????????仯??????С??3????????ε?????????????????仯???     

������������������JPL DE�����ļ򻯼�Ӧ���о�

????JPL DE?????????洢??????????????????????????????????DE??????????????????????????20???DE406?????????????369 kb????????1/6????GPS??????????ü???DE????????????????????飬?????????60?????????????????????3 m???ü??????????????????????????????????????????????С?????????洢??????????????????????Ч???     

����ӦUKF��GNSS/INS����ϵ����е�Ӧ���о�

????IAE???????????????????????????ζ????????????????????GNSS/INS??????????????21??????????????????????????????????????в?????????????AUKF???????????????????????????????????????????????????????????????????????????????????????????Ч???δ????????????????????λ?????????49.38%??     

��GPS�����������۲���Ƶر��α�ļ����Ա仯

???????GPS??GRACE?????????????α???????????????????GRACE???λ???GPS?????????????о?????(RMS)??С?????????????仯????λ???????????????н???????????GPS?????????????仯?????????????????????????????Щ???????????????????????????С?????????????????????????????????????п??????????????????????ó???GRACE?????α????????С????????????????????????????????????????????????GPS??????????????????д??μ??????????????????GPS???????????????о???     

GPS���߲㽨����̨���غ��µĶ�̬��Ӧ����

?о?????GPS??????????λ??????????????????????????????????????????????????????????GPS????α?????????????????????????GPS???λ????????????????????????????￡???????GPS???λ??????????????????????????????????????????????????????????     

���������繹���GPS/INS����Ӧ��ϵ����㷨

????????????????￡??????????????????????????????????????????GPS/INS????????????????????????????????????????????????????????????????????????????Ч????????????????????????????????????????????????????     

一种改进的UKF滤波算法在BDS/SINS组合导航系统中的应用研究

将自适应估计原理引入UKF（unscented Kalman filter）算法中,该改进算法可以自适应地调节系统模型信息在导航解中的比重,从而减少滤波器初值偏差和系统模型异常扰动对导航解的影响。将改进的UKF算法应用于BDS/SINS（北斗/捷联惯导）组合导航系统中,仿真结果验证了其有效性,且该算法可提高组合导航系统的精度。     

里程计辅助车载GNSS/INS组合导航性能分析

车载GNSS/INS组合导航中,GNSS信号易受外界干扰而失锁,导致INS独立导航误差迅速累积。为提高车载松组合导航系统的精度和完整性,使用里程计观测信息结合非完整性约束辅助车载组合导航。考虑里程计刻度系数误差和IMU安装角影响,推导出里程计的输出模型,给出基于卡尔曼滤波的里程计辅助GNSS/INS松组合的数学模型。设计GNSS信号中断的数据实验,结果表明,里程计能有效抑制组合导航系统误差发散,在GNSS中断60 s或10 min的情况下,位置精度提高超过90%。     

基于移动对象轨迹的室内导航网络构建方法

室内导航网络是行人导航、信息推荐和商业分析的基础。传统人工测绘或半自动提取的室内三维导航网络无法满足复杂室内空间结构高频变化需求。随着室内定位技术的不断发展,室内移动对象轨迹数据爆发式增长,为室内导航网络快速构建与变化监测更新提供了可能。本文提出一种基于移动对象轨迹的室内导航网络构建方法,在基于ST-DBSCAN的轨迹简化预处理基础上,提出了室内轨迹自适应栅格化算法,减弱栅格图像分辨率对导航网络提取的影响,有效避免廊道轨迹密度差异造成的导航网络拓扑连通失效,并通过CFSFDP自适应聚类算法自动识别楼层之间连通点,实现室内导航网络的快速构建。实验数据来源于上海图聚智能科技股份有限公司提供的某商城真实的室内移动对象轨迹数据,实验结果表明,与普适栅格化方法相比,本文提出的方法将导航网络构建准确率平均提高2.43%,拓扑正确度提高12.8%。     

顾及时变非高斯噪声的高斯和滤波及其导航应用

高斯和滤波可利用高斯混合模型精化非高斯噪声随机模型来提高估计精度,但导航测量环境的动态性和复杂性使非高斯噪声具有时变性特征,若GMM不随之调整会导致滤波解算失真。针对该问题,本文提出一种基于位移参数自适应估计的高斯和滤波算法。首先分析GMM位移参数对非高斯噪声拟合精度的影响,然后利用位移参数自适应技术修正GMM,进而改善高斯和滤波性能。实验结果表明,当GNSS/SINS量测模型存在时变非高斯噪声时,本文算法的滤波结果较传统高斯和滤波算法的波动小,抗干扰能力强,在实际应用中可进一步改善估计精度和稳定性。     

�÷�����������Ӧ���ƽ�ȷ������ת������

???????Ч??????????????任????????????????????????????????????÷??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????У????????????????????????????????????????     

CNS/SINS组合导航系统的UKF算法研究

天文/捷联惯性（CNS/SINS）组合导航系统采用姿态组合,可使姿态角处于收敛状态,并有效抑制位置及速度的发散。为提高组合导航系统的精度,本文设计了CNS/SINS组合导航系统的UKF算法,在建立CNS/SINS组合导航系统非线性状态方程及线性量测方程的基础上,首先对UKF的量测更新过程进行简化,降低其计算量;然后,基于平台误差角提出系统状态协方差矩阵中姿态角协方差矩阵的计算方法,并推导了UKF算法中姿态量测值一步预测误差对应的平台角误差向量表达式,进而建立CNS/SINS组合导航系统的UKF算法;最后进行仿真实验。结果表明,相对于线性卡尔曼滤波算法及EKF算法,本文算法可明显提高组合导航系统的各导航参数精度,并且本文算法对滤波器初始姿态角误差变化具有较高的鲁棒性。     

基于软件接收机的BDS/MEMS IMU深组合导航性能分析

针对BDS/MEMS IMU深组合导航全物理实验难度较大的问题,提出一种基于软件接收机的BDS/MEMS深组合导航系统仿真分析方法。给出BDS软件接收机结构,介绍深组合导航系统结构设计及滤波算法,最后基于仿真数据进行验证。结果表明,在高动态条件下,就BDS/MEMS IMU导航系统而言,其深组合的导航精度较紧组合有较大提高,位置误差小于1 m,速度误差小于0.01 m/s。     

一种SINS/CNS/GNSS组合导航滤波算法

捷联惯性导航系统/天文导航系统/全球导航卫星系统（SINS/CNS/GNSS）构成的组合导航系统可有效提高飞行器的定位精度,而导弹等飞行器常用发射时刻的发射点惯性坐标系作为测量载体飞行的基准。为此,首先在发射惯性坐标系下推导并建立一种简洁的SINS/CNS/GNSS组合导航数学模型,该模型将SINS积分预报姿态四元数误差作为待估量,可避免姿态误差角与数学平台失准角之间的转换;然后分析定位误差导致的引力误差量级并合理简化,推导符合实际的精确测量噪声模型;最后利用扩展卡尔曼滤波器（EKF）实现SINS/CNS/GNSS三种信息的有效融合。算法仿真结果表明该方法的有效性,有利于工程实现。     

基于中轴变换算法的室内外一体化导航路网自动生成方法

室内外一体化导航路网的快速生成与更新对面向行人的跨场景导航具有重要意义。当前研究主要关注单一场景下的导航路网构建,对于跨室内外场景的导航路网自动生成研究较少。本文基于对偶图思想与二维平面多边形中轴变换（Medial Axis Transform）算法,提出一种室内外一体化导航路网自动生成方法,并以某建筑CAD平面图及周边路网环境为基础数据进行了实例研究。结果表明：该方法能够根据原始数据的几何、拓扑、语义信息自动构建导航路网,并支持室内外跨场景的最短路径查询,在最短路径查询效率上较传统分场景寻路模型整体提升10.18%;相较单一场景下的导航路网,一体化导航路网可结合语义信息将室内及室外导航路网有机统一起来,解决跨场景寻求最优路径的问题,为最优路径规划的相关研究提供了新的思路。