吴坤 刘海颖 谢阳光 罗曼

摘要：精确的导航定位系统是飞机导航、汽车自主驾驶等领域的重要组成部分，但由于全球导航卫星系统（GNSS）在复杂环境中会受到多种因素的影响（如信号遮挡、多路径效应等）而导致可用性降低，传统的导航定位算法（如卡尔曼滤波）有可能使性能难以达到预期效果。本文将同步定位与地图构建（SLAM）中的因子图优化算法应用于GNSS中，可提高导航定位精度，并采用最大混合（max-mixture，MM）算法提高导航的鲁棒性。通过对实测试验数据的评估验证并与传统方法进行对比分析，结果表明本文所采用的最大混合图优化算法相比传统算法，在GNSS导航中的精度更高、鲁棒性更强。

关键词：全球导航卫星系统；导航定位算法；因子图优化；最大混合；鲁棒导航

中图分类号：TN967.1文献标识码：ADOI：10.19452/j.issn1007-5453.2021.04.011

全球导航卫星系统（GNSS）在航空航天、自动驾驶以及机器人等领域中发挥着重要作用。但是在森林峡谷、高楼林立等复杂环境中会受到各种因素的影响（如信号遮挡、多路径效应等），导致GNSS观测数据的质量下降、导航系统的观测能力受到限制，进而影响GNSS精确导航定位的能力。而且在飞行安全中，导航系统的性能优劣不仅影响着飞机的定位精度、控制性能，而且直接关系到飞机的安全性[1]。因此，将GNSS的观测值安全准确地纳入现有的推理算法中非常必要，特别是在面临有可能降低GNSS可观测性的环境之中[2]。

为了解决这个问题，参考文献[2]利用了机器人研究领域中同步定位与地图构建（SLAM）所取得的进展来高效可靠地处理GNSS数据，其中一个较新的研究方向即因子图的概率推理。……