来奇峰，袁 洪，魏东岩, 李 涛

(1.中国科学院空天信息创新研究院，北京 100094； 2.中国科学院大学，北京 100864; 3. 空军装备部驻北京地区第二军事代表室，北京 100074)

0 引言

目前，全球卫星导航系统(Global Navigation Satellite System, GNSS)作为主流的室外定位解决方案，在车辆定位中发挥了重要的作用。然而，GNSS具有天然的脆弱性，在城市环境中其定位信号容易受到楼宇、高架桥及树木等的遮挡造成定位性能下降；而在隧道等室内环境下，由于几乎无法收到卫星信号，从而导致定位中断。因此，单纯依赖GNSS无法保证对车辆的连续、可靠定位服务[1-2]。惯性导航系统(Inertial Navigation System, INS)通过感知载体的加速度和角速度进行位置推算，在GNSS短时失效的情况下，可辅助GNSS提供持续的位置信息，从而提高了车辆定位系统的连续性和可靠性。

国内外学者在改进GNSS/INS车辆组合定位方法方面做了大量的研究工作。主要的研究方向有：1)加强GNSS/INS组合深度，由最初的基于位置量的松组合到基于观测量的紧组合[3]，再到后来由INS辅助接收机载波环路跟踪的超紧组合(深耦合)[4]；2)改进滤波方法，由传统的线性Kalman滤波器(Kalman Filter, KF)[5]，到擅长处理非线性问题的粒子滤波(Particle Filter, PF)、无迹Kalman 滤波(Unscented Kalman Filter, UKF)[7]，再到用于提高模型准确度的交互式多模型(Interacting Multiple Model, IMM)滤波器[8]等；3)动态调节滤波器参数，主要是通过调节系统方差和量测方差，降低观测量异常对组合滤波器的影响。其中第三类方法对于各种不同的组合模式和滤波方法具有普适性。文献[9]提出了一种自适应实时调整滤波器参数的方法，通过监测滤波器中新息参数的变化来捕获GNSS异常，进而调整预测信息与量测信息在组合结果中的权重，降低GNSS异常对系统的影响，提高了组合系统性能。……