秦闪闪，陈夏兰，徐 颖，马满帅，王 莹，梁任腾，杨子佳

(1.中国科学院空天信息创新研究院导航系统部，北京 100094；2.中国科学院大学电子电气与通讯工程学院，北京 100049；3.北京信息科技大学信息与通信工程学院，北京 100192)

0 引言

全球导航卫星系统(Global Navigation Satellite System，GNSS)/惯性导航系统(Inertial Navigation System，INS)组合导航的核心是如何有效地将GNSS观测量与惯性测量单元(Inertial Measurement Unit，IMU)测量结果结合得到载体导航结果的最优估计，在目前的组合导航技术中，包括松耦合、紧耦合和超紧耦合[1]。其中松耦合在软件层面组合，将GNSS接收机导航定位结果和INS测量结果进行滤波融合[2-3]，当前常用的融合算法是卡尔曼滤波(Kalman Filter，KF)[4-5]。KF利用GNSS观测量和IMU测量结果解算得到IMU误差的估计值，再将估计值反馈给IMU，IMU测量结果经过估计值校正后作为导航解输出。GNSS/INS组合导航系统长时间运行的精度更多地依赖于GNSS，然而实际中存在各种随机的或复杂的误差源，如可见卫星数目、多径效应和仪器内部的量测噪声等，都会使得卫星导航系统的量测噪声随时发生变化，标准KF难以对上述变化进行检测和调整，导致其使用的噪声统计特征与事实发生偏差，无法得到最优滤波结果，甚至会出现滤波发散现象[6]。为了克服标准KF在组合导航中应用的缺点，研究者们开始针对其设计与应用场景相适应的滤波算法。

针对全球定位系统(Global Positioning System，GPS)测量值发生较大变化时如何提高KF的滤波精度和鲁棒性的问题，卞鸿巍利用对实际新息的测量计算直接修正卡尔曼滤波器增益，但需要采用GPS测量系统为INS提供外部修正信息[7]。……