无陀螺捷联惯性导航系统算法研究的综述报告.docx

无陀螺捷联惯性导航系统算法研究的综述报告
无陀螺捷联惯性导航系统（InertialNavigationSystem,INS）是一种基于惯性测量单元（InertialMeasurementUnit,IMU）进行定位和导航的技术。INS系统由加速度计和陀螺仪组成，通过对加速度和角速度的测量来计算位置、速度和方向。然而，陀螺仪有长时间漂移的问题，因此无陀螺捷联INS系统是为了克服陀螺仪漂移而发展起来的一种技术。
无陀螺捷联INS系统主要分为两类：一是基于ExtendedKalmanfilter（EKF）的算法，二是基于无迹卡尔曼滤波(UnscentedKalmanFilter,UKF)的算法。EKF算法是INS最常用的滤波算法之一，其将INS系统的动态模型与GPS等传感器的位置和速度信息进行融合，能够显著提高INS系统的精度。但是，EKF算法对于非线性系统的状态估计有局限性，当输入噪声方差比较大时，其估计准确性受到了很大的限制。
UKF算法则是在EKF算法的基础上发展起来的，在非线性系统的状态估计上表现更为优秀。UKF算法利用样本点来逼近非线性函数，并进行高精度的滤波处理，因此其精度要优于EKF算法。此外，由于UKF算法不需要求导数，因而计算复杂度较低。
除了EKF和UKF滤波算法，还有其他的无陀螺捷联INS算法，如无迹粒子滤波（UnscentedParticleFilter,UPF）算法、多模式融合算法（MultimodalFusionAlgorithm,MFA）等等。UPF算法是一种非参数滤波算法，能够更好的处理非线性和非高斯问题。UPF算法通过粒子的重采样来确定后验概率密度函数，以提升估计的准确度。MFA算法是一种将多种模式信息（如GPS、IMU、地图等）进行融合的算法，能够提高INS系统的精度。
综上所述，无陀螺捷联INS技术是一种克服陀螺仪漂移的技术，其通过对加速度和角速度的测量来计算位置、速度和方向。目前，主要的INS算法包括EKF算法、UKF算法、UPF算法和MFA算法等等。这些算法在处理INS系统的定位和导航问题上各有优缺点，研发人员应该根据实际情况选择合适的算法，以提高INS系统的精度和可靠性。