組合導航演算法
① 什麼是INS/GPS組合導航系統
組合導航是指綜合各種導航設備，由監視器和計算機進行控制的導航系統。INS/GPS組合導航系統是指基於GPS衛星導航系統和慣性導航系統的組合導航系統。
組合導航系統模塊充分利用GNSS衛星導航系統和慣性導航系統優點，基於最優估計算——卡爾曼濾波演算法融合兩種導航演算法，獲得最優的導航結果；尤其是當衛星導航系統無法工作時，利用慣性導航系統使得導航系統繼續工作，保證導航系統的正常工作，提高了系統的穩定性和可靠性。
組合導航模塊SKM-4DX採用GNSS(BDS/GPS系統聯合定位)/INS（慣性導航）組合導航定位技術，憑借高精度六軸慣性器件和成熟的慣性演算法，無需里程計或速度信號接入，且無嚴格安裝要求，即使在隧道、車庫等弱信號環境下也能為車輛提供高精度的定位模塊。
② 什麼是慣性導航技術，慣性導航是如何實現的
慣性導航是以牛頓力學定律為基礎，通過測量載體在慣性參考系的加速度，將它對時間進行積分，且把它變換到導航坐標中，就能夠得到在導航坐標中的速度、偏航角和位置等信息。但慣性導航系統由於陀螺儀零點漂移嚴重，車輛震動等因素，導致無法通過直接積分加速度獲得高精度的方位和速度等信息，即現有的慣性導航系統很難長時間獨立工作。
慣導模塊是指採用GNSS(BDS/GPS系統聯合定位)/INS組合導航定位技術，憑借高精度六軸慣性器件和成熟的慣性演算法，無需里程計或速度信號接入，且無嚴格安裝要求，即使在隧道、車庫等弱信號環境下也能為車輛提供高精度的定位模塊。
慣導模塊SKM-4DX工作原理：
在車載導航中接入基於GNSS/INS組合導航定位的高性能車載組合慣導模塊SKM-4DX，充分利用慣性導航系統和衛星導航系統優點，憑借高精度六軸慣性器件和成熟的慣性演算法，無需里程計或速度信號接入，獲得最優的導航結果；尤其是當衛星導航系統無法工作時，利用慣性導航系統使得導航系統繼續工作，保證導航系統的正常工作，提高車載導航系統的穩定性和可靠性。
③ 哪位大神有GPS與捷聯慣導組合導航的卡爾曼濾波演算法的matlab模擬程序
在下面的模擬的代碼中，理想的觀測量不是真實數據，而是自生成的正弦波數據，在真實的應用場景中，應該是一系列的參考數據。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 卡爾曼濾波器在INS-GPS組合導航中應用模擬
% Author : lylogn
% Email : [email protected]
% Company: BUAA-Dep3
% Time : 2013.01.06
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 參考文獻:
% [1]. 鄧正隆. 慣導技術, 哈爾濱工業大學出版社.2006.
clear all;
%% 慣性-GPS組合導航模型參數初始化
we = 360/24/60/60*pi/180; %地球自轉角速度，弧度/s
psi = 10*pi/180; %psi角度 / 弧度
Tge = 0.12;
Tgn = 0.10;
Tgz = 0.10; %這三個參數的含義詳見參考文獻
sigma_ge=1;
sigma_gn=1;
sigma_gz=1;
%% 連續空間系統狀態方程
% X_dot(t) = A(t)*X(t) + B(t)*W(t)
A=[0 we*sin(psi) -we*cos(psi) 1 0 0 1 0 0;
-we*sin(psi) 0 0 0 1 0 0 1 0;
we*cos(psi) 0 0 0 0 1 0 0 1;
0 0 0 -1/Tge 0 0 0 0 0;
0 0 0 0 -1/Tgn 0 0 0 0;
0 0 0 0 0 -1/Tgz 0 0 0;
0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0;
0 0 0 0 0 0 0 0 0;]; %狀態轉移矩陣
B=[0 0 0 sigma_ge*sqrt(2/Tge) 0 0 0 0 0;
0 0 0 0 sigma_gn*sqrt(2/Tgn) 0 0 0 0;
0 0 0 0 0 sigma_gz*sqrt(2/Tgz) 0 0 0;]';%輸入控制矩陣
%% 轉化為離散時間系統狀態方程
% X(k+1) = F*X(k) + G*W(k)
T = 0.1;
[F,G]=c2d(A,B,T);
H=[1 0 0 0 0 0 0 0 0;
0 -sec(psi) 0 0 0 0 0 0 0;];%觀測矩陣
%% 卡爾曼濾波器參數初始化
t=0:T:50-T;
length=size(t,2);
y=zeros(2,length);
Q=0.5^2*eye(3); %系統雜訊協方差
R=0.25^2*eye(2); %測量雜訊協方差
y(1,:)=2*sin(pi*t*0.5);
y(2,:)=2*cos(pi*t*0.5);
Z=y+sqrt(R)*randn(2,length); %生成的含有雜訊的假定觀測值，2維
X=zeros(9,length); %狀態估計值，9維
X(:,1)=[0,0,0,0,0,0,0,0,0]'; %狀態估計初始值設定
P=eye(9); %狀態估計協方差
%% 卡爾曼濾波演算法迭代過程
for n=2:length
X(:,n)=F*X(:,n-1);
P=F*P*F'+ G*Q*G';
Kg=P*H'/(H*P*H'+R);
X(:,n)=X(:,n)+Kg*(Z(:,n)-H*X(:,n));
P=(eye(9,9)-Kg*H)*P;
end
%% 繪圖代碼
figure(1)
plot(y(1,:))
hold on;
plot(y(2,:))
hold off;
title('理想的觀測量');
figure(2)
plot(Z(1,:))
hold on;
plot(Z(2,:))
hold off;
title('帶有雜訊的觀測量');
figure(3)
plot(X(1,:))
hold on;
plot(X(2,:))
hold off;
title('濾波後的觀測量');