王 伟， 张金艺， 张洪辉， 蔡春艳， 李建宇

1．上海大学特种光纤与光接入网省部共建教育部重点实验室，上海200072 2．上海大学微电子研究与开发中心，上海200072 3．上海大学教育部新型显示与系统应用重点实验室，上海200072

惯性导航系统(inertial navigation system,INS)是一种自主导航系统[1-3]，不依赖于任何外部信息.该系统具有数据更新率高、短期精度高和稳定性好等优点，在导航领域越来越受欢迎，因此大量学者投入到惯性导航的研究领域中，提出了很多关于惯性导航系统的研究方法.常见的惯性系统按照(micro-electro-mechanical system,MEMS)惯性传感器在载体上的安装方式可分为平台式惯性导航系统和捷联式惯性导航系统.不论是平台式还是捷联式，如果在传统的惯性导航系统中只有单多轴MEMS惯性传感器进行导航定位，那么获得的数据单一，可靠性不高，一旦受到干扰测试结果可能偏离甚远.此外，传统的惯性导航系统的融合算法以标准差作为传感器方差，根据估计方差求解融合权值，以致没有捕获完整的误差特性，纠错和容错性能不佳[4].因此，一种容错性高，可靠性高和模糊度低的非单多轴MEMS惯性传感器数据融合方法脱颖而出[5-6]，成为这几年的研究热点，其中最常用的数据融合方式是利用卡尔曼滤波器[7-8].该方法是建立在状态空间时域公式基础上的最优递推滤波算法，是一种最优估计技术，即递推线性最小方差估计.

随着分布式系统的问世，非单多轴MEMS惯性传感器信息融合技术也得到了广泛的……