国内外微小型组合导航技术发展现状和水平在组合导航技术中，MEMS 陀螺仪和加速度计由于精度较低，不能单独长期提供稳定的 姿态与位置，近年来国内外的主要研究方向在微惯性系统和其他外部信息的结合上，常用的 有 GPS、磁强计、红外温度传感器等等。现在主要的基于 MEMS 的导航系统大都采用 MIMU、 磁强计和 GPS 组合方式。由于 GPS 可以输出载体的运动速率和位置，但无法得到载体的姿 态，而由 MEMS-IMU 构成的惯性导航系统正好可以给出姿态量，弥补了 GPS 的不足，并且 与 GPS  的组合可以对 MSINS 的输出姿态进行校正。这种组合方式中 MSINS 和 GPS 之间互相弥补，能够给出载体精确的导航信息。

美国等西方发达国家，在 MEMS 导航系统技术方面是处于一个世界领先的地位。美国在 由国防部以及其他政府部门的资金和政策的扶持下，许多著名的研究机构和公司，分别设计 生产出该公司具有代表性意义的产品。美国 Analog Devices 公司的 ADIS16400/16405 型组合 导航系统选用 MIMU/磁强计组合导航方案，美国 J.F.Lehman&Company 公司的 SiNAV 型组 合导航系统则选用 MIMU/GPS 紧耦合方案，这两种系统的定位误差都小于 10m。美国克尔斯 博科技公司（Crossbow Technology）发布的 NAV440 型组合导航系统选用 MIMU/GPS/磁强 计组合导航方案，用复杂环境密封形式装配了高稳定性的硅微机械陀螺仪，美国角斗士技术 公司（Gladiator Technologies）陆标系列组合导航系统选用 MIMU/GPS 组合导航方案。这两 种系列定位误差小于 2.5 m，水平速度误差和垂直速度误差也都相对比较小，可以应用于陆地 车辆导航、无人飞机控制、平台稳定控制等领域。Texas 公司和 Honeywell 公司于 1991 年共 同研发了更精密的 GPS/INS 组合导航设备[10]，其中，Texas 公司生产的 GPS 接收机具有精确 定位服务加密模块，Honeywell 公司提供惯性组件。这套组合导航系统性能好，定位精度小于 20m[11]。美国云帽技术公司（Cloud Cap Technology）生产的短笛系列（Piccolo Family）自动 驾驶仪支持磁强计、激光高度计等辅助导航设备的即插即用功能，选用 MIMU/GPS 松组合 方案和碳纤维材料封装，重量体积相比早期产品优势会更大。69396

近些年来，我国在组合导航技术方面的研究有所突破，逐步取得进展，有一定的成果， 但较发达国家起步较晚，还需要进一步的研究加强。近些年来，进行研究工作的有清华大学、 哈尔滨工业大学、北京航天时代光电科技有限公司、电子科技集团 26 所、13 所等科研单位， 为将来的进一步研究奠定了基础。北京航天时代光电科技有限公司研制的低成本硅微 MEMS IMU，能够实现无人机在 GPS 信号欠佳或者暂时丢失情况下的导航定位功能。哈工大研制的 微机械惯性/GPS/磁强计微型组合导航系统原理样机，见图 1.1，在地面跑车试验中验证采用 温度补偿能有效地抑制与补偿零漂误差，提高导航精度[12]。

清华大学选用低成本的微机械惯性/磁强计/GPS 组合导航方案，进行算法研究，实现了 原理样机的研制,样机如图 1.2[13]。

当然，我们学校也在弹道、制导炮弹等领域在组合导航的研究也在进行。目前，中国在组合 导航技术上，尤其是在微小型组合导航系统方面，任重而道远。

2 国内外卡尔曼滤波理论及算法的发展现状和水平

在维纳滤波器设计遇到瓶颈时，人们寻求突破，寻找能在时域内直接设计最优滤波器的 方法。1960 年，卡尔曼发表论文《A New Approach to Linear Filtering and Prediction Problems》， 提出卡尔曼滤波算法，且卡尔曼滤波器也就此诞生。卡尔曼滤波理论一开始并不对所有系统 通用，只适用于线性系统，并且要求测量也必须是线性的。所以在这之后，许多人努力拓宽 卡尔曼滤波理论在非线性情况的使用范围，即 Bucy，Sunahara 等人提出了扩展卡尔曼滤波 (Extended Kalman Filter，简称 EKF)的概念。其基本思想是将非线性系统线性化[14]，是一种次 优滤波，对非线性系统的适用性也是有限的。在这之后，新型的滤波估计算法——无迹卡尔 曼滤波（Unscented Kalman Filter）被提出，它摒弃传统方法，论文网以 UT 变换为基础，对一步预 测方程直接使用非线性模型来处理均值和协方差，其计算精度相对前面的方法更高。20 世纪 末，美国学者提出联邦卡尔曼滤波理论（Federated Filtering）,采用分块估计、两步级联的分 散化滤波方法，可进行信息分配，降低一些导航精度却提高了容错能力[15]。近年来有学者提 出的自适应滤波(adaptive filtering)建立在传统线性滤波的基础上，具有较强的适应性和更优的 滤波性能,通常可以去除噪音，近些年逐渐发展成为一种在信息处理中的最佳滤波方法。然而 扰动和噪声的统计特性常常是未知的。自适应滤波还要解决如何综合有效地处理信息过程等 问题