文 献 综 述

导航技术是一门多学科交叉而成的学科，在军用领域（如微型卫星、战术导弹、制导炸弹、鱼雷及飞控系统等）和民用领域（如大地测量、海洋开发、汽车驾驶、汽车防滑、安全气袋、油井钻探、摄影 录放设备、生物医学器械、各类机器人的运动控制等）均有着广泛的应用前景。进入九十年代后，与之 相关的各学科的最新技术有力地促进了导航技术的发展。随着科学技术的不断进步，现代导航系统的种类越来越多，如惯性导航系统（INS）、全球定位系统（GPS）、多普勒测速系统（Doppler），奥米加导航系统（Omega）、罗兰系统（Loran）、塔康系统（Tacan），还有天文导航（CNS）、 地形辅助系统（MM：Mapping Match）等，这些导航系统各有优缺点，精度和成本也大不相同。 随着微结构机械制造技术、纳米技术、集成光学芯片技术的发展，微小型固态惯性传感器（MSIS）正在得到日益广泛的重视和发展，也极大地拓宽了惯性技术的应用领域。与传统的机电惯性传感器相比，MSIS突出的优点是体积小、重量轻、成本低、功耗低、固态化，具有更大的动态范围，便于采用冗余容错技术，具有更高的可靠性等。目前，发展中的先进精确制导武器正大量采用这种微型MSIS组件。但是目前由MSIS组成的微小型惯性测量组合(MIMU)其总体上精度不高，且定位误差随时间积累，因此难以完成精度较高的长时间导航任务。全球定位系统（GPS）是一种高精度的全球三维实时的卫星导航系统，定位误差不随时间积累，已 在军民领域获得了广泛应用。但是 GPS 的不足之处在于它的自主性差，容易受到干扰，数据更新频率低，单独使用时难以满足高速、实时导航的要求。要使导航系统性能得到提高，仅靠提高单一导航系统的精度，不仅在技术上难度很大，而且无法满 足高精度、低成本、体积小等多方面的要求。MSINS 与 GPS构成的组合导航系统可以克服两者单独工作的缺点，两者相互取长补短；GPS可以作为MSINS强有力的外部修正信息源，而MSINS可以提高GPS的跟踪和抗干扰能力，两者组合可完成较高精度的长期导航任务，并且它们都具有体积小和成本低 的优点，因此组合后的导航系统可以满足灵巧、廉价的战术导航要求。本课题以小型制导炸弹等领域为预研应用目标，首先设计基于 DSP 的小型化、低成本分布式 MSINS/GPS 组合导

航系统，然后以其为平台开展多传感器数据融合技术的应用研究。寻求快速有效、容错性好和估计精度高的信息融合算法，力求在工程应用中取得新的进展，并将其应用到基于 DSP 的 MSINS/GPS 组合导航计算机系统当中，以验证算法的有效性和可行性。

本次设计介绍了一种低成本微小型惯性测量组件（intertial measurement unit,IMU）和双天线GPS构成的组合定位定向系统。本课题以GPS接收机位置速度和惯性测量单元IMU测得的位置速度相减的差值输入到滤波器中，估计IMU的误差并进行校正，实现对移动机器人位置、速度和姿式估计的组合导航模式的输出，介绍了GPS/IMU组合系统的设计方案及系统的硬件和软件设计,并给出了实验结果。该组合系统将来安装于机器人小车后,不仅可以提高定位精度,而且在采样率、可靠性等方面比单独采用GPS定位的方法更有优势。单独的GPS或 DR均不能很好地提供车辆导航所需的精确、连续、 可靠的定位信息。但如果将上述两种系统构成组合导航系统,既可以很好地解决短时间内GPS卫星信号丢失的问题,又可以避免DR系统误差随时间积累的问题,从而有效地实现车辆的导航定位圈。文中采用惯性测量装置（IMU）来取代DR系统,即有IMU/GPS构成IMU/GPS组合导航定位系统。

组合导航技术应用领域涵盖很广，从简单的车载系统、制导弹药，到复杂的航空 电子设备、规模宏大的空间站对接，可谓包罗万象；硬件技术发展一日千里，系统不断向着体积更小、定位更准确、覆盖更广泛的方向发展，作为组合导航核心硬件的惯性系统，进步更是神速。导航级的惯性系统几乎完全步入捷联时代，机械转子型陀螺正在让位于固态陀螺（光学陀螺、微机械陀螺等），微型的加速度计被加工在小小的硅片上，惯性元件在不断提高精度的同时，也大大降低了体积和成本。卫星和无线电导航系统的发展也是如此，GPS的问世与普及，促使欧米伽、罗兰-C等逐步退出历史舞台，陆基塔康的地位也逐步下降。随着欧洲伽利略系统的实施，以及中国二代卫星导航系统的上马，全球导航 卫星系统（GNSS）的应用将获得进一步拓展。可以预见，卫星导航技术与宽带、高速的图像数据传输技术的结合与普及，将使未来导航服务变得像今日手表、传呼一样的低廉和普及。国外对多传感器信息融合技术的研究起步较早、发展较快，不仅在 C4I（指挥、控制、通信与情报、计算机）系统中采用多种传感器来收集信息，而且在工业控制、机器人、海洋监视和管理、目标识别等 领域也在朝着多传感器方向发展。在学术方面，从1987年起，美国三军每年召开一次信息融合学术会议，并通过SPIE传感器融合专集、IEEE 等发表有关论著，并于1998年成立了国际信息融合学会

（International Society of Information Fusion）。国内关于信息融合技术的研究则起步相对较晚，20 世纪90年代以后，这一领域在国内才逐渐形成高潮，一大批理论研究和应用成果相继出现。许多学者致力于机动目标跟踪、导航与定位、目标识别与决策、态势评估与威胁估计等领域的理论及应用研究，相继出现了一批有初步综合能力的多传感器信息融合系统。”信息融合”有时不加区分地称为”数据融合”，但数据融合往往侧重于底层传感器数据的融合。开发某种组合设备时，为达到精度等要求，必须设计和选择合适的融合算法；否则，昂贵的设备未必达到设计目的，就如高台筑于浮沙，造成物力的浪费。作为一种智能化数据综合处理技术，数据融合是许多传统学科和新技术的集成与应用。广义的信息融合涉及检测技术、信号处理、通信、模式识别、决策论、不确定性理论、估计理论、最优化理论、计算机科学、人工智能和神经网络等诸多学科。 随着信息融合 技术的发展，不少应用领域的研究人员根据各自的具体应用背景，已经提出了许多比较成熟的融合方法。在最近的 20 年里，组合导航的数据处理技术也随着硬件技术的发展而大幅度进步。组合导航系统数据融合从算法上可以分为线性方法和非线性方法两大类，从结构上则分为集中式处理和分散化处理两种。线性的集中处理技术主要指 Kalman 滤波，线性、分散化的处理技术的代表是分散化估计理论和并 行 Kalman 滤波技术。非线性滤波方法又可以分为两大类：信号的非线性滤波方法和基于模型状态的非 线性滤波方法；信号的非线性滤波方法主要是基于小波分析、神经网络、模糊控制等的非线性滤波方法。状态的非线性滤波方法主要包括基于卡尔曼滤波思想的非线性滤波方法和基于贝叶斯估计和概率传播的 非线性滤波方法以及H∞ 滤波方法等。