SINSGPS组合导航的捷联算法研究的中期报告.docx

SINSGPS组合导航的捷联算法研究的中期报告
本文是关于SINSGPS组合导航的捷联算法研究的中期报告。报告主要围绕SINS（strapdowninertialnavigationsystem）和GPS（globalpositioningsystem）的组合导航捷联算法展开研究，介绍了目前已有的研究成果。
一、研究背景
随着现代科技的快速发展，无人驾驶技术得到了广泛的应用。在无人驾驶领域，组合导航捷联算法是实现高精度定位和导航的重要技术手段。SINS和GPS是目前最主要的两种无人驾驶导航技术，但各自存在一定的局限性。SINS具有高精度、独立性好等优点，但长时间的误差累积会导致定位偏差增加。而GPS由于受到信号遮挡、多径效应等因素的影响，会导致定位误差较大。因此，将SINS和GPS两种技术相结合，实现精度更为可靠的组合导航是目前的研究热点。
二、研究内容
本次研究主要关注SINSGPS组合导航的捷联算法，根据已有的研究成果展开综述。
1.SINS系统
SINS是一种惯性导航系统，通过测量加速度计和陀螺仪等传感器输出的运动状态信号，推算出导航状态参数。但由于传感器存在漂移误差等因素，长时间使用后会累积误差。因此，需要引入GPS等其他技术进行误差补偿。
2.GPS系统
GPS是一种卫星导航系统，能够通过接收卫星发射的信号，计算出接收机在空间的位置。但由于信号遮挡、多径效应等因素的影响，会导致GPS定位误差较大。因此，需要引入SINS等其他技术进行定位修正。
3.SINSGPS组合导航
SINSGPS组合导航是将SINS和GPS两种技术相结合，实现更为精确的导航和定位。其基本原理是将SINS的高精度与GPS的全球性进行结合，通过SINS来实现导航的惯性信息，再通过GPS的定位信息来进行位置误差的校正。最终实现精度更高的定位和导航效果。
4.捷联算法
运用捷联算法实现SINSGPS组合导航是一种主流的方法，其思路是将SINS和GPS的信息进行融合，通过卡尔曼滤波等方法进行误差传递和补偿。在这个过程中，需要对SINS和GPS的误差模型进行建立和传递，以及对卡尔曼滤波算法进行优化和改进。
三、研究成果
目前，关于SINSGPS组合导航的捷联算法研究已经有了一些成果。
1.张涛等人提出了一种基于SINS/GPSERP组合导航的误差分析方法。该方法利用局部卡尔曼滤波算法对SINS和GPS的误差进行补偿，并结合等效旋转向量算法来进行姿态推算。该方法不仅具有良好的定位性能，而且能够减小SINS和GPS之间的耦合。
2.张国强等人研究了一种改进的SINS/GPS捷联导航算法。该方法采用基于样条曲线的多项式插值算法来预测GPS数据，从而减少对SINS数据的依赖性。同时，在滤波过程中采用自适应评价因子作为卡尔曼滤波器的权值，以进一步提高系统性能和精度。
3.卢晓东等人提出了一种新的SINSGPS组合导航噪声补偿方法。该方法采用随机游走模型对SINS和GPS的诸多微小误差进行预测和传递，并通过RBF神经网络对误差进行补偿和消除。经过实验验证，该方法能够有效地提高SINSGPS组合导航的精度。
综上所述，SINSGPS组合导航的捷联算法研究在无人驾驶技术中具有重要的应用意义。未来的研究中，可以结合多种其他技术，如LIDAR、多源数据融合等方法，进一步提高组合导航系统的稳定性、精确性和鲁棒性。