针对SINS/GPS组合导航系统中, GPS提供的量测信号存在容易受到干扰而导致滤波精度下降的问题, 提出一种基于EM算法的组合导航系统容错方法。该方法对各个分量的量测噪声建立二维高斯混合模型, 并引入一个指示变量表示量测值从异常分布中采样的概率。根据系统状态方程、上一时刻状态估计值以及当前时刻测量值, 利用EM算法求解当前时刻量测真值的极大似然估计, 并结合序贯滤波算法对每一个分量的量测值进行精细检测与修正。车载实验表明, 该方法能够有效提高SINS/GPS组合导航系统在GPS信号异常情况下的融合精度与可靠性。

传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声，而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法，利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题，该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声，再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明，该方法能够有效提高IMU误差参数辨识的准确性，1 h的动态导航位置误差相对减少约10%。

重力矢量测量包含重力方向信息(即垂线偏差),对确定大地水准面具有重要意义。为了获得海洋重力扰动矢量的水平分量，该文提出了一种基于捷联惯导系统/全球导航卫星系统(SINS/GNSS)组合系统确定海洋重力扰动矢量水平分量的两步法。首先，利用捷联惯导算法和卡尔曼滤波用于加速度计偏差和姿态误差角的估计和补偿。然后，基于精确估计的加速度计偏差和姿态角误差，给出了重力扰动矢量水平分量的计算方程。将重力扰动矢量水平分量的模型用二阶马尔可夫随机过程描述，将其与加速度计的偏差分离，用正向-平滑卡尔曼滤波精确估计重力扰动的水平分量。船载试验数据离线计算表明,海洋重力扰动矢量水平分量的内符合精度优于2 mGal(1 Gal=1 cm/s2)。

舰载**捷联惯导系统(SINS)初始对准的精度以及时间决定着**系统打击的准确性以及快速性。由于舰船航行环境复杂多变，舰载**捷联惯导系统利用舰船主惯导(MINS)提供的高精度导航信息进行牵引对准可以提高其对准的精度和速度，保证作战任务的顺利完成。对舰载**捷联惯导系统利用主惯导提供的导航信息进行牵引对准，并对其性能进行半物理仿真，然后利用牵引对准后捷联惯导系统的姿态跟踪主惯导姿态的精度来评价对准的性能。仿真结果表明，静态条件下，牵引传递稳定后，牵引传递造成的航向基准传递误差小于1.8′(0.03°)，姿态基准传递误差小于10.8″(0.003°); 动态条件下，牵引传递稳定后，牵引传递造成的航向基准传递误差小于2.4′(0.04°)，姿态基准传递误差小于10.8″(0.003°)。为后续各个作战平台牵引对准模型的建立提供一定的参考。

针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。

针对无人机在动平台起降时对导航系统提出的导航精度高, 解算无人机与动平台降落点的相对定位精度高, 体积小及质量小等要求, 该文基于捷联惯性导航(SINS)、北斗动动载波相位差分(RTK)技术及采用卡尔曼滤波多源导航信息融合技术, 研制了动平台起降无人机导航系统。试验结果表明, 系统地理系导航精度: 航向≤0.2°(1σ(σ为方差)), 姿态≤0.15°(1σ), 水平定位≤0.4 m(1σ), 高度≤0.8 m(1σ); 动态下导航系统与移动基准站相对精度: 水平定位≤0.05 m(1σ), 高度≤0.1 m(1σ)。飞行试验表明, 导航系统满足无人机在动平台起降对导航精度的要求。

针对激光陀螺单轴旋转惯导系统初始对准问题, 分析了影响初始对准精度的惯性器件误差参数, 理论推导了陀螺安装误差对对准精度及加速度计零位估计的影响, 并进行了仿真分析。仿真结果表明, 陀螺安装误差直接带入失准角估计误差, 并会引起等效加速度计零位估计误差, 可通过标定陀螺安装误差提高对准精度。

为了满足水下运载体长航时、高精度、低成本的导航需要, 提出由激光陀螺单轴旋转捷联惯性导航系统、计程仪、深度计、光纤陀螺捷联式重力仪和数字重力异常图组成的捷联式重力无源导航系统。运载体的位置由激光陀螺单轴旋转捷联惯性导航系统给出; 光纤陀螺捷联式重力仪、计程仪和深度计组成水下捷联式重力测量系统, 以激光陀螺单轴旋转捷联惯性导航系统提供的位置信息、计程仪提供的速度信息和深度计提供的水深信息作为观测量, 应用扩展卡尔曼滤波计算出东、北、天坐标系下加速度计比力值, 使用低通滤波实时获得重力值和重力异常值。根据存贮在计算机中的数字重力异常图, 运用相关极值法, 计算得到运载体位置。2019年底, 捷联式重力无源导航系统进行了长时间船载试验, 对该系统试验数据进行了离线处理。试验结果表明, 在匹配海域内, 运载体位置误差小于1个重力异常图格网大小。

针对不同的捷联惯性基组合导航滤波算法在性能上存在较大差异,开展了捷联惯性基组合导航滤波算法的比较分析研究,通过分析不同滤波框架下,基于四元数姿态表达的两种典型组合导航滤波算法,阐述算法理论中的关键异同点。通过车载实测实验比较了基于欧拉角的间接法组合导航滤波和基于四元数的两种非线性组合导航滤波在估计精度、计算量等方面的优劣性,结果表明,基于欧拉角的间接法组合导航滤波精度较差但计算量小,而基于四元数的非线性组合滤波计算量较大、精度较高,该结果可为组合导航滤波的选取提供有益的参考。

目前国内出现了一种新型云轨, 云轨有着造价低、能耗小以及施工周期较短等优点。然而云轨的各项指标要求很高, 其中轨道定位尤为重要。为了实现了云轨检测的精确定位, 本文设计了一种新型轨道检测车, 并开发了基于双层双向长短期记忆模型(LSTM)的云轨SIN-GPS定位算法。首先, 介绍了轨道检测车的机械结构和各项传感器参数。接着, 分析了传统的SIN-GPS定位算法及其缺点, 在GPS信号消失后会出现误差积累。然后, 引出双层双向长短期记忆模型, 说明了该模型对GPS信号消失时的误差动态学习和补偿。最后, 通过3组实验分析算法在云轨检测车的不同运动状态下的准确率。证明了长短期记忆模型均优于传统算法模型和其他智能算法模型。实验结果表明: 在运动状态下LSTM算法比SINS误差小79.8%, 静止状态下SINS误差最小。设定速度阈值为0.2 m/s, 大于此阈值采用LSTM算法, 小于此阈值直接用SINS的数据, 可以得到最准确的位置预测结果。