(武汉大学卫星导航定位技术研究中心，武汉 430079)

0 引言

在嵌入式组合导航系统中，传感器短时间的故障对系统稳定性有很大影响.自适应卡尔曼滤波可在全球卫星导航系统(GNSS)定位精度突变的情况下保证定位的精度[1].而该算法是在假定只有GNSS 粗差的情况下使用的.GNSS/惯性导航系统(INS)组合导航中，传统的χ2检验可以判断出系统是否存在故障，不过其不能区分出故障所在的传感器[2].基于神经网络的χ2检验方法和利用粒子滤波的故障检测方法可辨别出故障传感器[3-4].由于其计算开销较大，并不适用于嵌入式导航系统.

在所有故障中，GNSS 故障对组合导航的性能影响最为显著，且该故障可分为软故障和硬故障[5-6].当GNSS 整体的可观测性较差时，检测灵敏度较低的残差卡方检验将在GNSS 软故障下偏离真实值[7].任旭阳[8]提出基于贯序概率比检验法(SPRT)的故障检测算法对软故障的检出具有较好的效果，但该算法并不能对故障进行及时地隔离及纠正处理.张浩等[9]提出的双状态卡方故障检测系统对具有高精度惯性测量单元(IMU)系统的GNSS 软故障具有较好的效果，该方法并不适用于低成本IMU 组合导航系统，并且双状态同时面临着INS、里程计(ODO)等故障污染的风险.

隧道、林荫道等复杂环境下，实时动态(RTK)定位结果无法长时间保持在固定解，因此本文针对这一问题实现了基于多GNSS 状态的INS/GNSS/ODO抗差组合导航算法，提高了系统对GNSS 状态的容错性.同时，在此基础上提出了一种两级故障……