优化的SINS/GPS融合系统提升无人机定位精度

本文主要探讨了无人机SINS（ strap-down Inertial Navigation System，惯性导航系统）和GPS（全球定位系统）定位信息融合系统的设计。随着无人机在军事、测绘和物流等领域应用的日益广泛，传统的SINS由于其精度受陀螺仪漂移影响较大，而GPS则在室内或遮挡环境下定位性能受限，因此，提高导航定位精度是关键。 论文首先指出了问题背景，即无人机在实际应用中对高精度定位的需求，以及SINS和GPS各自存在的局限性。为解决这些问题，研究人员提出了一种新的融合方法，采用卡尔曼滤波（Kalman Filter）技术。在原始的观测量——位置和速度的基础上，增加了GPS的姿态信息，这是因为姿态信息对于误差估计具有重要作用，能够帮助系统更好地理解无人机的姿态状态。 为了优化融合算法，论文深入分析了姿态算法中的平台误差角与姿态误差角的区别，并对姿态算法进行了改进，旨在消除数学模型误差，提高定位精度。这种方法强调了姿态信息的准确性在导航中的重要性，因为姿态稳定对于精确的位置和速度估计至关重要。 为了验证理论分析，作者利用跑车实验获取实时数据，进行了两种不同模式的仿真：一是SINS与GPS位置、速度的组合，二是包含姿态信息的SINS、GPS位置、速度组合。仿真结果显示，采用基于姿态、位置、速度组合的SINS/GPS信息融合系统，能够显著提升无人机的导航定位精度，尤其是在复杂环境和多干扰条件下。 此外，论文还强调了这一融合系统的工程实现可行性，这意味着其不仅在理论上有效，而且在实际应用中也具有较高的实用价值。关键词包括无人机、SINS/GPS信息融合系统、GPS姿态测量系统和卡尔曼滤波，这些关键词反映了文章的核心技术和研究领域。 本文的工作为无人机导航系统提供了一个有效的解决方案，通过融合SINS和GPS的优势，提高了无人机的定位精度，对于无人机领域的技术发展具有积极的推动作用。