1.初始对准得到载体的姿态角后，由欧拉角得到四元数初始值：
其中q=a+bi+cj+dk，[a,b,c,d]也即[q0,q1,q2,q3]。
2.由四元数初始值构造姿态转移矩阵n
c——载体坐标系b系到导航
b
坐标系（也即地理坐标系）n系的转移矩阵
其中，俯仰角θ，滚转角φ，航向角ψ
3.由n b C求出e b C
n b e n e b C C C =
其中：
其中，ϕ和λ分别为纬度和经度。
4. 由e
b C 反求e 系下四元数的初始值
[a,b,c,d]也即[q0,q1,q2,q3]。 5. 由四元数按时间传递的特性：
也即：
⎥⎥
⎥⎥⎦
⎤
⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢
⎢
⎣⎡------=⎥
⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡32103210000021q q q q q q q q x
y
z
x z
y
y z
x z y
x ωωωωωωωωωωωω （2-24） 利用毕卡逼近法求解可得：
()()()*1
2
0M dt q t e q t ω⎰
= （2-25）
令：
[]()*0000x y z x
z y y z x z
y
x
M dt θθθθ
θθθωθθθθθθ-∆-∆-∆⎡⎤
⎢⎥∆∆-∆⎢
⎥∆==⎢⎥
∆-∆∆⎢⎥∆∆-∆⎢⎥⎣⎦
⎰ （2-26） （2-25）可简写为：
()[]()1
2
0q t e q θ∆= （2-27）
将[]1
2
e
θ∆展开可得：
()[][][][]()23
1111022!23!2!2n
q t I q n θθθθ⎡⎤
⎛⎫⎛⎫⎛⎫
∆∆∆⎢⎥=+∆+++
++ ⎪ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎝⎭
⎣⎦
（2-28） 由于：
[][][]
[]2
24
2
222
03
04
0x y z I I
I
θθθθθθθθθθ⎡⎤∆==-∆+∆+∆=-∆⎣⎦∆=-∆∆∆=-∆ （2-29） 将式（2-29）代入式（2-28）整理可得：
[]000sin 2()cos (0)2q t I q θθθθ∆⎧⎫⎪⎪∆=+∆⎨⎬∆⎪⎪⎩⎭
（2-30） 在实际解算中，把0cos 2θ∆和0sin 2
θ
∆展为级数形式并取有限项，得四元
数的各阶近似算法。 一阶算法：
[]1
(1)()2
q n I q n θ⎧⎫
+=+∆⎨⎬⎩
⎭
（2-31）
二阶算法：
()[]2
01(1)1()82q n I q n θθ⎧⎫⎛⎫∆⎪⎪
+=-+∆ ⎪⎨⎬ ⎪⎪⎪⎝⎭⎩⎭
（2-32）
若取一阶算法则有：
其中，角增量△θ：
其中的b e R 即b e C ，b e C =T e b
C )(
2．卡尔曼滤波
连续系统：
Z(t)=HX(t)+V(t) 离散系统：
w~N(0,Q) , v~N(0,R)
惯性导航实验 一、 实验目的 1、了解惯性导航设备; 2、掌握惯性导航设备的物理连接； 3、掌握惯性导航信息的处理方法； 4、掌握惯性导航方法并学会用编程实现惯性导航算法。 二、 实验器材 YH-5000AHRS ；工业控制计算机；数据采集软件； 稳压电源；串口连接线； 三、 实验原理 （1） 姿态解算 基于四元数法解算姿态矩阵。 p j p i p l Q +++=21 （1） ????? ?????=????????????????? ?? ?--++----+++---+=??????????b b b p b b b b p p p z y x C z y x p p p l lp p p lp p p lp p p p p p l lp p p lp p p lp p p p p p l z y x 22212321322311322321222321231321232 2212)(2)(2)(2)(2)(2)(2 （2） b pb Qw Q 2 1 = （3） 上述微分方程表示成矩阵形式： ????? ? ????????????????????------=?? ??? ?? ???????321321000021 p p p l w w w w w w w w w w w w p p p l b pbx b pby b pbz b pbx b pbz b pby b pby b pbz b pbx b pbz b pby b pbx （4）
初始四元数的确定计算如下： ? ?? ??? ?? ? ? ????? ???? ?--++=????????????2cos 2cos 2sin 2sin 2sin 2cos 2cos 2sin 2sin 2sin 2cos 2cos 2sin 2cos 2sin 2cos 2sin 2cos 2sin 2 sin 2 sin 2 cos 2 cos 2 cos )0(3)0(2)0()0(000000 000000000000 00 01γθ?γθ? γθ?γθ?γθ?γθ?γθ?γθ?G G G G G G G G p p p l （5） 用四阶龙格库塔法解（4）的微分方程；
惯性导航作业
一、数据说明： 1：惯导系统为指北方位的捷连系统。初始经度为116.344695283度、纬度为39.975172度,高度h为30米。初速度 v0=[-9.993908270;0.000000000;0.348994967]。 2：jlfw中为600秒的数据，陀螺仪和加速度计采样周期分别为为1/100秒和1/100秒。 3：初始姿态角为[2 1 90]（俯仰，横滚，航向,单位为度）,jlfw.mat中保存的为比力信息f_INSc(单位m/s^2)、陀螺仪角速率信息wib_INSc(单位rad/s)，排列顺序为一~三行分别为X、Y、Z向信息. 4: 航向角以逆时针为正。 5:地球椭球长半径re=6378245;地球自转角速度wie=7.292115147e-5;重力加速度g=g0*(1+gk1*c33^2)*(1-2*h/re)/sqrt(1-gk2*c33^2)； g0=9.7803267714;gk1=0.00193185138639;gk2=0.00669437999013;c33=sin(lat纬度); 二、作业要求： 1：可使用MATLAB语言编程，用MATLAB编程时可使用如下形式的语句读取数据：load D:\...文件路径...\jlfw,便可得到比力信息和陀螺仪角速率信息。用角增量法。 2：(1) 以系统经度为横轴，纬度为纵轴（单位均要转换为：度）做出系统位置曲线图； (2) 做出系统东向速度和北向速度随时间变化曲线图（速度单位：m/s，时间单位：s）； (3) 分别做出系统姿态角随时间变化曲线图（俯仰，横滚，航向,单位转换为：度，时间单位：s）； 以上结果均要附在作业报告中。 3：在作业报告中要写出“程序流程图、现阶段学习小结”，写明联系方式。
惯性导航技术综合实验 实验五惯性基组合导航及应用技术实验
惯性/卫星组合导航系统车载实验 一、实验目的 ①掌握捷联惯导/GPS组合导航系统的构成和基本工作原理； ②掌握采用卡尔曼滤波方法进行捷联惯导/GPS组合的基本原理； ③掌握捷联惯导 /GPS组合导航系统静态性能； ④掌握动态情况下捷联惯导 /GPS组合导航系统的性能。 二、实验内容 ①复习卡尔曼滤波的基本原理（参考《卡尔曼滤波与组合导航原理》第二、五章）； ②复习捷联惯导/GPS组合导航系统的基本工作原理（参考以光衢编著的《惯性导航原理》第七章）； 三、实验系统组成 ①捷联惯导/GPS组合导航实验系统一套； ②监控计算机一台。 ③差分 GPS接收机一套； ④实验车一辆； ⑤车载大理石平台； ⑥车载电源系统。 四、实验内容 1）实验准备 ①将IMU紧固在车载大理石减振平台上，确认IMU的安装基准面紧靠实验平台； ②将IMU与导航计算机、导航计算机与车载电源、导航计算机与监控计算
机、GPS 接收机与导航计算机、GPS 天线与GPS 接收机、GPS 接收机与GPS 电池之间的连接线正确连接； ③ 打开GPS 接收机电源，确认可以接收到4颗以上卫星； ④ 打开电源，启动实验系统。 2） 捷联惯导/GPS 组合导航实验 ① 进入捷联惯导初始对准状态，记录IMU 的原始输出，注意5分钟内严禁移动实验车和IMU ； ② 实验系统经过5分钟初始对准之后，进入导航状态； ③ 移动实验车，按设计实验路线行驶； ④ 利用监控计算机中的导航软件进行导航解算，并显示导航结果。 五、 实验结果及分析 (一) 理论推导捷联惯导短时段（1分钟）位置误差，并用1分钟惯导实验数据验证。 1、一分钟惯导位置误差理论推导： 短时段内（t<5min ），忽略地球自转0ie ω=，运动轨迹近似为平面1/0R =，此时的位置误差分析可简化为： （1） 加速度计零偏?引起的位置误差：2 10.88022t x δ?==m （2） 失准角0φ引起的误差：2 02 0.92182g t x φδ==m （3） 陀螺漂移ε引起的误差：3 30.01376 g t x εδ==m 可得1min 后的位置误差值123 1.8157m x x x x δδδδ=++= 2、一分钟惯导实验数据验证结果： （1）纯惯导解算1min 的位置及位置误差图：
北航惯性导航综合实验三实验报告 惯性导航技术综合实验实验三惯性导航综合实验实验3.1 初始对准实验一、实验目的结合已经采集并标定好的惯性传感器数据进行粗对准，了解实现对准的过程； 通过比较不同传感器数据的对准结果，进一步认识惯性传感器性能在导航系统中的重要地位。为在实际工程设计中针对不同应用需求下采取相应的导航系统方案提供依据。 二、实验内容利用加速度计输出计算得到系统的初始姿态，利用陀螺输出信号计算航向角。对比利用不同的惯性传感器数据计算所得的不同结果。 三、实验系统组成MEMS IMU（或其他类型IMU）、稳压电源、数据采集系统与分析系统。 四、实验原理惯导系统在开始进行导航解算之前需要进行初始对准，水平对准的本质是将重力加速度作为对准基准，其对准精度主要取决于两个水平加速度计的精度，加速度计的零位输出将会造成水平对准误差； 方位对准最常用的方位是罗经对准，其本质是以地球自转角速度作为对准基准，影响对准精度的主要因素是等效东向陀螺漂移。 (1) 其中，分别为当前时刻的俯仰角和横滚角计算值。 1/ 15
水平对准误差和方位对准误差如下所示： ，(2) 五、实验步骤及结果1、实验步骤： 采集静止状态下水平加速度计输出，按下式计算其平均值。 (3) 其中，为前n个加计输出均值； 为前n-1个加计输出均值； 为当前时刻加计输出值。 利用加计平均值来计算系统初始俯仰角和横滚角(4) 其中，分别为当前时刻的俯仰角和横滚角计算值。 2、实验结果与分析： 2.1、用MIMS IMU的加速度计信息计算（1）俯仰角和横滚角图： （2）失准角： 2.2、实验结果分析以上计算是基于MIMS IMU静止时data2进行的初始对准，与data2给定的初始姿态角相差不大。 六、源程序clear clc g = 9.***-*****14; a=load(＇E:＼郭凤玲＼chushiduizhun＼data2.txt＇); ax=a(:,4)＇; ay=a(:,5)＇; az=a(:,6)＇; %初始值ax0(1)=ax(1)/1000*g; %%%%转化单位，由mg转化为m/s^2 ay0(1)=ay(1)/1000*g; az0(1)=az(1)/1000*g; theta(1)=asin(ay(1)/az(1)); gama(1)=-asin(ax(1)/az(1)); for i=2:120XX年7 ax0(i)=ax0(i-1)+(ax(i)-ax0(i-1))/i; ay0(i)=ay0(i- 1)+(ay(i)-ay0(i-1))/i; az0(i)=az0(i-1)+(az(i)-az0(i-1))/i; 2/ 15
1.初始对准得到载体的姿态角后，由欧拉角得到四元数初始值： 其中q=a+bi+cj+dk，[a,b,c,d]也即[q0,q1,q2,q3]。 2.由四元数初始值构造姿态转移矩阵n c——载体坐标系b系到导航 b 坐标系（也即地理坐标系）n系的转移矩阵 其中，俯仰角θ，滚转角φ，航向角ψ 3.由n b C求出e b C
n b e n e b C C C = 其中： 其中，ϕ和λ分别为纬度和经度。 4. 由e b C 反求e 系下四元数的初始值 [a,b,c,d]也即[q0,q1,q2,q3]。 5. 由四元数按时间传递的特性： 也即：
⎥⎥ ⎥⎥⎦ ⎤ ⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢ ⎢ ⎣⎡------=⎥ ⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡32103210000021q q q q q q q q x y z x z y y z x z y x ωωωωωωωωωωωω （2-24） 利用毕卡逼近法求解可得： ()()()*1 2 0M dt q t e q t ω⎰ = （2-25） 令： []()*0000x y z x z y y z x z y x M dt θθθθ θθθωθθθθθθ-∆-∆-∆⎡⎤ ⎢⎥∆∆-∆⎢ ⎥∆==⎢⎥ ∆-∆∆⎢⎥∆∆-∆⎢⎥⎣⎦ ⎰ （2-26） （2-25）可简写为： ()[]()1 2 0q t e q θ∆= （2-27） 将[]1 2 e θ∆展开可得： ()[][][][]()23 1111022!23!2!2n q t I q n θθθθ⎡⎤ ⎛⎫⎛⎫⎛⎫ ∆∆∆⎢⎥=+∆+++ ++ ⎪ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎝⎭ ⎣⎦ （2-28） 由于： [][][] []2 24 2 222 03 04 0x y z I I I θθθθθθθθθθ⎡⎤∆==-∆+∆+∆=-∆⎣⎦∆=-∆∆∆=-∆ （2-29） 将式（2-29）代入式（2-28）整理可得： []000sin 2()cos (0)2q t I q θθθθ∆⎧⎫⎪⎪∆=+∆⎨⎬∆⎪⎪⎩⎭ （2-30） 在实际解算中，把0cos 2θ∆和0sin 2 θ ∆展为级数形式并取有限项，得四元 数的各阶近似算法。 一阶算法：
车载捷联惯导系统基本原理 一、捷联惯导系统基本原理 捷联惯导系统基本原理如图2-1所示： 图中陀螺和加速度计直接与载体系b固联，用来测量载体的角运动信息和线运动信息。导航解算的本质是根据初值进行积分的过程，通过求解姿态微分方程完成对姿态和航向角的积分，通过求解比力微分方程完成对速度的积分，通过求解位置微分方程实现对位置的积分。捷联惯导的姿态矩阵C n 相当于“数学平台”，取代了平台惯导中的实体平台，而ω?相当于对数学平台“施矩”的指令角速率。
二、捷联惯导微分方程 （一）姿态微分方程 在捷联惯导系统中，导航坐标系n 和载体坐标系b 之间的角位置关系通常用姿态矩阵、四元数和欧拉角表示，相应也存在姿态矩阵微分方程、四元数微分方程和欧拉角微分方程三种形式。 姿态矩阵微分方程的表达式为：
在欧拉角微分方程式(2.2-7)中，当俯仰角θ趋于90o时，cosθ趋于0，tanθ趋于无穷，方程存在奇异性，所以这种方法不能在全姿态范围内正常工作；姿态矩阵微分方程式(2.2-1)可全姿态工作，但姿态矩阵更新相当于求解包含9个未知量的线性微分方程组，计算量大；四元数微分方程式(2.2-6)同样可以全姿态工作，且更新算法只需求解4个未知量的线性微分方程组，计算量小，算法简单，是较实用的工程算法。 （二）速度微分方程 速度微分方程即比力方程，是惯性导航解算的基本关系式： 三、捷联惯性导航算法 捷联惯导解算的目的是根据惯性器件输出求解载体姿
态、速度和位置等导航信息，实际上就是求解三个微分方程的过程，相应存在姿态更新算法、速度更新算法和位置更新算法。 （一）姿态更新算法 求解微分方程式(2.2-6)可得四元数姿态更新算法为：
%====本程序为捷联惯导的解算程序(由惯性器件的输出解算出飞行器的位置、速度、姿态信息)====== clear all; close all; clc; deg_rad=pi/180; %由度转化成弧度 rad_deg=180/pi; %由弧度转化成度 %-------------------------------从源文件中读入数据 ---------------------------------- fid_read=fopen('IMUout.txt','r'); %path1_Den.dat 是由轨迹发生器产生的数据 [AllData NumofAllData]=fscanf(fid_read,'%g %g %g %g %g %g %g %g %g %g %g %g %g %g %g %g',[17 inf]); AllData=AllData'; NumofEachData=round(NumofAllData/17); Time=AllData(:,1); longitude=AllData(:,2); %经度单位：弧度 latitude=AllData(:,3); %纬度单位：弧度 High=AllData(:,4); %高度单位：米 Ve=-AllData(:,6); % 东向、北向、天向速度单位：米/妙 Vn=AllData(:,5); Vu=AllData(:,7); fb_x=AllData(:,9); %比力（fx，fy，fz） fb_y=AllData(:,8); %指向右机翼方向为x正方向，指向机头方向为y正向，z轴与x轴和y轴构成右手坐标系单位：米/秒2 fb_z=-AllData(:,10); %右前上 pitch=AllData(:,11); %俯仰角（向上为正）单位:弧度 head=-AllData(:,13); %偏航角（偏西为正） roll=AllData(:,12); %滚转角（向右为正） omigax=AllData(:,15); %陀螺输出（单位：弧度/秒，坐标轴的定义与比力的相同） omigay=AllData(:,14); omigaz=-AllData(:,16); %-------------------------------程序初始化 -------------------------------------- latitude0=latitude(1); longitude0=longitude(1); %初始位置
捷联惯性导航系统的解算方法 捷联惯性导航系统（Inertial Navigation System，简称INS）是一 种利用陀螺仪和加速度计等惯性测量单元测量物体的加速度和角速度，然 后通过对这些测量值的积分计算出物体的速度和位置的导航系统。INS广 泛应用于航空航天、无人驾驶车辆和船舶等领域，具有高精度和自主性等 特点。 INS的解算方法一般分为初始对准、运动状态估计和航位推算三个主 要过程。 初始对准是指在启动导航系统时，通过利用外部辅助传感器（如GPS）或静态校准等方法将惯性传感器的输出与真实姿态和位置进行初次校准。 在初始对准过程中，需要获取传感器的初始偏差和初始姿态，一般采用标 定或矩阵运算等方法进行。 运动状态估计是指根据惯性传感器的测量值，使用滤波算法对物体的 加速度和角速度进行实时估计。常用的滤波算法包括卡尔曼滤波、扩展卡 尔曼滤波和粒子滤波等。其中，卡尔曼滤波是一种最优估计算法，通过对 观测值和状态进行线性组合，得到对真实状态的最佳估计。扩展卡尔曼滤 波则是基于卡尔曼滤波的非线性扩展，可以应用于非线性INS系统。粒子 滤波是一种利用蒙特卡洛采样技术进行状态估计的方法，适用于非高斯分 布的状态估计问题。 航位推算是指根据运动状态估计的结果，对物体的速度和位置进行推算。INS最基本的航位推算方法是利用加速度值对速度进行积分，然后再 对速度进行积分得到位置。但是，在实际应用中，由于传感器本身存在噪 声和漂移等误差，导致航位推算过程会出现积分漂移现象。为了解决这个
问题，通常采用辅助传感器（如GPS）和地图等数据对INS的输出进行校正和修正。 当前，还有一些先进的INS解算方法被提出，如基于深度学习的INS 解算方法。这些方法利用神经网络等深度学习模型，结合原始传感器数据进行端到端的学习和预测，以实现更高精度的位置和姿态估计。 综上所述，捷联惯性导航系统的解算方法主要包括初始对准、运动状态估计和航位推算三个过程。其中，运动状态估计过程利用滤波算法对传感器的测量值进行处理，得到物体的加速度和角速度的估计。航位推算过程则是根据估计的运动状态，对速度和位置进行推算。随着深度学习等先进技术的应用，INS解算方法不断进步，为导航系统的性能提供了更好的保障。
纯惯导数据(imu)位置解算 纯惯导数据（IMU）位置解算是一种常见的定位技术，它通过利用惯性测量单元（Inertial Measurement Unit，简称IMU）获取的加速度和角速度信息，结合初始位置和姿态信息，实时计算出目标物体的位置。本文将介绍纯惯导数据位置解算的原理、应用场景以及一些相关的技术挑战。 一、纯惯导数据位置解算原理 纯惯导数据位置解算是基于惯性测量原理实现的一种定位方法。IMU 是一种集成了加速度计和陀螺仪的传感器，通过测量目标物体在三个方向上的加速度和角速度，可以推导出目标物体的位置和姿态信息。 在纯惯导数据位置解算中，首先需要获取目标物体的初始位置和姿态信息。这可以通过引入其他传感器（如GPS、罗盘等）或者人工标定来实现。初始位置和姿态信息在解算过程中起着重要的作用，它们提供了一个起点，使得通过IMU测量的加速度和角速度数据可以转化为目标物体的实际位移和姿态变化。 然后，根据IMU测量的加速度和角速度数据，结合初始位置和姿态信息，可以使用数值积分或者滤波算法来实时计算目标物体的位置。数值积分法通过对加速度和角速度数据进行离散化和积分操作，得到目标物体的速度和位移。滤波算法则利用卡尔曼滤波或者扩展卡尔曼滤波等方法，对IMU测量的数据进行滤波处理，得到目标物体
的位置和姿态估计。 二、纯惯导数据位置解算应用场景 纯惯导数据位置解算在许多领域都有广泛的应用。其中，室内导航是纯惯导数据位置解算的典型应用场景之一。在室内环境中，GPS 信号通常无法到达，而纯惯导数据位置解算可以利用IMU测量的数据，实现对目标物体在室内的准确定位。这在无人驾驶、室内导航机器人等领域具有重要意义。 纯惯导数据位置解算还可以用于航空航天领域。在飞行器中，由于GPS信号在高海拔或者远离地面时可能会受到干扰，纯惯导数据位置解算可以作为一种备用的定位手段。它可以通过IMU测量的数据，实时计算出飞行器的位置和姿态，提供给飞行控制系统进行姿态稳定和飞行路径规划。 三、纯惯导数据位置解算的挑战 纯惯导数据位置解算在实际应用中还面临着一些挑战。首先，IMU 传感器本身存在误差和噪声，这会对定位精度造成影响。为了提高解算精度，需要对IMU传感器进行校准和误差补偿，采用合适的滤波算法来减小误差。 纯惯导数据位置解算在长时间运动中容易出现累积误差。由于积分操作的特性，即使IMU传感器的测量精度很高，长时间的积分也会导致定位误差的累积。为了解决这个问题，可以通过引入其他定位
rtk惯导数据处理方法 RTK（Real-Time Kinematic）是一种高精度的全球定位系统（GPS） 技术，可以在厘米级别提供实时位置和导航信息。常见的RTK系统使用惯 性测量单元（IMU）来提供附加的导航信息，以进一步提高定位和导航的 精度。 在实际应用中，RTK惯导数据处理通常包括以下几个步骤： 1.数据采集：在测量场地上安装RTK接收器和IMU设备，开始收集卫 星信号和陀螺仪、加速度计等传感器数据。通常情况下，需要长时间的数 据采集来获得较高的精度。 2.数据预处理：在数据采集期间，可能会遇到多种干扰，例如多路径 效应、信号遮挡、大气干扰等。在数据预处理阶段，可以使用滤波器、插值、时序校正等方法来去除这些干扰，以提高测量精度。 3.数据对齐：RTK接收器和IMU设备通常具有不同的坐标系和参考框架。在数据处理中，需要将它们的数据对齐，以确保测量结果的一致性。 通常采用刚体变换和转换矩阵等方法来完成数据对齐。 4.数据融合：在对齐后，需要将RTK测量和IMU测量进行融合，以获 得更准确的位置和导航信息。常用的方法包括扩展卡尔曼滤波（EKF）和 无迹卡尔曼滤波（UKF）。这些滤波方法可以综合考虑测量数据的噪声特 性和系统动力学模型，以提高估计精度。 5.误差校正：RTK惯导系统中存在多种误差，例如钟差、电离层延迟、大气衰减等。在数据处理中，需要针对不同的误差源进行校正，以提高定 位和导航的精度。可以利用外部参考站数据、差分修正等方法进行误差校正。
6.数据分析与评估：完成数据处理后，需要对结果进行分析和评估。 可以使用统计学方法、误差分析、残差分析等来评估定位和导航的准确度。可以对不同的影响因素进行敏感性分析，以进一步改善系统性能。 7.应用领域：RTK惯导数据处理广泛应用于航空航天、地理测绘、自 动驾驶等领域。在航空航天领域，RTK惯导数据处理可以用于飞行器的导 航和姿态控制；在地理测绘领域，可以用于制图、地形测量等任务；在自 动驾驶领域，可以用于精确定位和轨迹跟踪。 总之，RTK惯导数据处理方法是一种综合使用GPS、IMU和滤波等技 术的综合处理方法，可以提供高精度的实时定位和导航信息。对于实际应用，需要仔细选择合适的算法和参数，并进行数据预处理、对齐、融合、 误差校正等步骤，以提高系统性能和准确度。
GNSS+惯导技术的计程技术设计 随着现代技术的不断发展和应用，GNSS+惯导技术在导航和定位领域发挥着越来越重要的作用。本文将就GNSS+惯导技术在计程技术设计中的应用进行深入探讨，包括技术原理、算法设计和应用场景等方面 的内容。 一、技术原理 GNSS（Global Navigation Satellite System）即全球导航卫星系统，目前主要有美国的GPS、欧盟的Galileo、俄罗斯的GLONASS和我 国的北斗等系统。GNSS通过一组卫星系统来提供全球范围内的定位 和导航服务，具有全天候、全天时和全地区的特点。 惯性导航是利用惯性传感器（如加速度计和陀螺仪）测量运动物体的 加速度和角速度，通过积分得到物体的速度和位置信息。惯导系统具 有短时间内高精度的特点，但随着时间的推移，由于误差的积累，导 航精度会逐渐下降。 将GNSS与惯导技术相结合可以弥补彼此的缺陷，提高导航系统的精 度和可靠性。GNSS提供长时间精度较高的位置信息，而惯导系统则 提供短时间高精度的姿态和运动信息，二者相结合可以实现长时间、 高精度的导航。
二、算法设计 1. GNSS定位算法 GNSS定位算法主要包括信号接收、信号处理和定位求解三个步骤。 接收来自卫星的信号，并经过前端处理得到导航电文。进行信号处理，解调和解算出导航电文中的数据信息，包括卫星的位置、速度和时间等。利用这些数据通过定位求解算法得到接收端的位置信息。常用的 算法包括最小二乘法、卡尔曼滤波等。 2. 惯导姿态解算算法 惯导姿态解算算法主要用于将加速度计和陀螺仪输出的数据转换成物 体的姿态信息，包括滚转角、俯仰角和偏航角等。常用的算法包括四 元数算法、欧拉角算法等，根据实际需求选择合适的算法进行姿态解算。 3. GNSS+惯导融合算法 将GNSS定位算法和惯导姿态解算算法相结合需要采用融合算法，将 两者得到的位置和姿态信息进行融合，得到更加准确和稳定的导航信息。常用的融合算法包括卡尔曼滤波算法、粒子滤波算法等，在实际 应用中需要根据系统的要求进行选择和优化。 三、应用场景 1. 航空航天 在航空航天领域，航空器需要精准的定位和导航信息来保证飞行的安
1、前期数据文件准备 （1）、首先在激光扫描仪中把激光数据文件以及惯导数据文件下载下来，文件格式如下图： （2）把GPS静态数据HCN文件下载下来放在BASE文件里面； （3）把相片文件下载下来后拷贝在CCD文件夹中的1文件里面； （4）原始激光数据rxp放在las文件夹的Riegl文件夹里面； （5）把所用到的无人机标定参数文件以及相机标定参数文件拷贝放在PARA文件夹里；（6）把惯导文件下载出来后放在ROVER文件夹里。 2、静态数据格式转换 （1）运行CHCData软件，导入静态文件HCN； （2）在设置中点天线设置，把测量天线高输入，测量方法改成斜高，改正方法点√到相位中心。具体如下图所示： （3）最后在功能中进行RINEX转换，转换后会在BASE文件夹中生成Rinex文件夹。
3、IE后处理 IE 后处理步骤主要有：1）原始数据转换；2）GNSS 解算；3）GPS/INS 组合解算；4）平滑处理；5）输出结果。如下图所示： 主要分为两种处理模式，一种是差分处理，一种是精密单点定位（PPP）处理。差分处理模式主要是针对有基站数据或者RTK 同步观测数据的情况，PPP 处理模式主要是针对没有基站数据下载精密星历进行处理的情况。 IE 后处理主要分为三部分：1）原始数据格式转换；2）数据融合处理（差 分/PPP）；3）数据输出。 3.1 原始数据格式转换 原始的基站数据以及移动站数据都不能直接导入Waypoint Inertial Explorer 程序组，首先要将数据格式进行转换，转换为程序能识别的格式。 打开软件后，File|Convert|RawGNSStoGPB，选择需要转换的基准站或 者移动站原始数据，如下图所示：
捷联惯导算法与组合导航原理 讲义 严恭敏，翁浚编著 西北工业大学 2016-9
前言 近年来，惯性技术不论在军事上、工业上，还是在民用上，特别是消费电子产品领域,都获得了广泛的应用,大到潜艇、舰船、高铁、客机、导弹和人造卫星，小到医疗器械、电动独轮车、小型四旋翼无人机、空中鼠标和手机，都有惯性技术存在甚至大显身手的身影。相应地，惯性技术的研究和开发也获得前所未有的蓬勃发展，越来越多的高校学生、爱好者和工程技术人员加入到惯性技术的研发队伍中来。 惯性技术涉及面广，涵盖元器件技术、测试设备和测试方法、系统集成技术和应用开发技术等方面，囿于篇幅和作者知识面限制，本书主要讨论捷联惯导系统算法方面的有关问题，包括姿态算法基本理论、捷联惯导更新算法与误差分析、组合导航卡尔曼滤波原理、捷联惯导系统的初始对准技术、组合导航系统建模以及算法仿真等内容。希望读者参阅之后能够对捷联惯导算法有个系统而深入的理解，并能快速而有效地将基本算法应用于解决实际问题。 本书在编写和定稿过程中得到以下同行的热心支持，指出了不少错误之处或提出了许多宝贵的修改建议,深表谢意: 西北工业大学自动化学院：梅春波、赵彦明、刘洋、沈彦超、肖迅、牟夏、郑江涛、刘士明、金竹、冯理成、赵雪华；航天科工第九总体设计部：王亚军；辽宁工程技术大学：丁伟；北京腾盛科技有限公司：刘兴华；东南大学：童金武；中国农业大学:包建华；南京航空航天大学：赵宣懿；武汉大学：董翠军;网友：Zoro；山东科技大学:王云鹏。 书中缺点和错误在所难免，望读者不吝批评指正. 作者 2016年9月
目录 第1章概述 (6) 1.1捷联惯导算法简介 (6) 1.2 Kalman滤波与组合导航原理简介 (7) 第2章捷联惯导姿态解算基础 (10) 2。1反对称阵及其矩阵指数函数 (10) 2。1。1 反对称阵 (10) 2。1.2 反对称阵的矩阵指数函数 (12) 2。2方向余弦阵与等效旋转矢量 (13) 2.2.1 方向余弦阵 (13) 2。2.2 等效旋转矢量 (14) 2。3方向余弦阵微分方程及其求解 (17) 2.3.1 方向余弦阵微分方程 (17) 2。3.2 方向余弦阵微分方程的求解 (17) 2。4姿态更新的四元数表示 (20) 2.4.1 四元数的基本概念 (20) 2.4.2 四元数微分方程 (23) 2.4。3 四元数微分方程的求解 (25) 2。5等效旋转矢量微分方程及其泰勒级数解 (26) 2.5.1 等效旋转矢量微分方程 (26) 2.5.2 等效旋转矢量微分方程的泰勒级数解 (29) 2.6圆锥运动条件下的等效旋转矢量算法 (31) 2。6。1 圆锥运动的描述 (31) 2。6.2 圆锥误差补偿算法 (33) 第3章地球形状与重力场基础 (40) 3.1地球的形状描述 (40) 3.2地球的正常重力场 (46) 3.3地球重力场的球谐函数模型 (50) 3.3.1 球谐函数的基本概念 (50) 3.3。2 地球引力位函数 (58) 3.3。3 重力位及重力计算 (64) 第4章捷联惯导更新算法及误差分析 (69) 4。1捷联惯导数值更新算法 (69) 4.1。1 姿态更新算法 (69) 4.1.2 速度更新算法 (70) 4.1.3 位置更新算法 (76) 4。2捷联惯导误差方程 (76) 4.2。1惯性传感器测量误差 (76) 4。2.2姿态误差方程 (78) 4。2.3速度误差方程 (79) 4.2。4位置误差方程 (79) 4.2。5误差方程的整理 (80) 4.3静基座误差特性分析 (82) 4。3.1 静基座误差方程 (82) 4。3.2 高度通道 (83) 4.3。3 水平通道 (83) 4。3.4 水平通道的简化 (88) 4。3.5 水平通道误差方程的仿真 (90)