精品文档---下载后可任意编辑GNSSMEMS-DR 超紧耦合组合导航算法讨论的开题报告开题报告一、讨论背景和意义全球导航卫星系统（GNSS）已经成为现代定位导航领域的重要技术。但是，由于 GNSS 信号的传输过程中会受到多路径效应、信号衰减、信号遮挡等干扰，导致 GNSS 定位精度无法满足实际应用需求。因此，需要采纳其他多模态传感器来进行辅助定位，进行超紧耦合的组合导航。当前 GNSS/惯性导航系统（INS）组合导航算法是通过卡尔曼滤波器实现的，其中 INS 的状态方程是由牛顿第二定律建立的，可以把 INS的角速度、线加速度和位置信息转化为姿态、速度和位置信息。INS 具有高频率的运动信息和较短时间内的位置解算，可以补偿 GNSS 的短期偏差和干扰。但是 INS 在长时间内会产生姿态漂移，导致 GNSS/INS 组合导航系统的定位误差逐渐增加。MEMS 惯性测量单元（IMU）具有小巧、轻便、低功耗和低成本等优点，在 GNSS/INS 组合导航系统中得到了广泛的应用。但 MEMS IMU的姿态漂移率比较高，导致 INS 的状态方程不再可靠。因此，需要采纳更加复杂的算法来抵消姿态漂移和其他误差。GNSSMEMS-DR 超紧耦合集成导航算法可以实现 GNSS/IMU 集成定位，同时结合车辆运动学模型和地图匹配实现 DR（Dead Reckoning）定位，从而提高定位精度。二、讨论内容和方法（1）GNSS 信号跟踪和解算通过对 GNSS 信号的伪距测量和载波相位测量进行解算，得到精确的位置、速度和时间信息。（2）MEMS IMU 状态估量通过 MEMS IMU 测量的角速度和线加速度，利用组合角速度相对姿态（CRP）算法对 IMU 状态进行估量，并实现姿态解算。（3）DR 定位和航向角估量通过车辆运动学模型和地图匹配实现 DR 定位，并利用加速度计和陀螺仪测量的信息估量车辆航向角。精品文档---下载后可任意编辑（4）超紧耦合状态估量将 GNSS/IMU/DR 三种信息进行超紧耦合，利用卡尔曼滤波器进行状态估量，得到高精度的定位结果。三、预期讨论结果本讨论将实现 GNSSMEMS-DR 超紧耦合集成导航算法，并利用实验数据进行仿真验证和定位实验。估计讨论结果将可以实现厘米级别的高精度定位，并进一步推动 GNSS/IMU/DR 组合导航在智能车辆、室内定位和 UAV 领域的应用。四、讨论计划和进度安排（1）前期调研：对 GNSS/INS 超紧耦合组合导航算法进行调研，了解 GNSS、IMU、DR 的原理和状态估量方法。（2）算法设计：设计 GNSSMEMS-DR 超紧耦合集成导航算法，实...
