复杂城市环境下SINS/GNSS/OD车载组合导航算法研究
摘要
车辆高精度组合导航系统是自动驾驶汽车的关键技术之一，当车辆行驶在复杂的城
市环境中由于卫星信号受建筑物遮挡产生多径效应、非视距等影响，会造成导航系统定
位精度下降。为了保证全球导航卫星系统（GlobalNavigationSatelliteSystem，GNSS）
失效时组合导航系统的性能，需要添加合适的辅助导航系统。车辆里程计（Odometer，
OD）由于成本低、抗干扰能力强等特点已经成为车辆导航系统必备的传感器，而基于
OD辅助的捷联惯性导航系统（StrapdownInertialNavigationSystem，SINS）和GNSS组
合导航系统也成为导航技术领域研究的重点。因此，如何有效的将多种传感器组合以提
高车载组合导航系统定位精度和鲁棒性是本文的主要研究内容。具体研究内容如下：
（1）本文针对行车过程中车载GNSS受遮挡产生多径效应、可见星数量少等影响，
造成的定位精度差的问题，提出了一种基于期望最大化（ExpectationMaximization，EM）
的交互式多模型车载组合导航算法。本文采用了高斯混合模型描述GNSS多径效应误差
分布，建立了SINS/GNSS组合导航模型，提出了基于EM的SINS/GNSS子系统组合导
航信息融合方法，实现多径效应偏置误差的估计。建立了基于零速约束的SINS/OD组
合导航模型，同时利用交互式多模型（Interactivemulti-model，IMM）算法实现了在GNSS
信号丢失情况下的导航模型交互融合，提高了车载组合导航系统精度。最后通过仿真和
跑车实验验证了在GNSS多径效应及信号丢失情况下算法的有效性，可以有效提高导航
系统的精度。
（2）本文针对行车过程中强机动引起GNSS量测噪声存在野值表现出厚尾非高斯
特性导致常规状态估计精度下降的问题，提出了一种基于变分贝叶斯（Variational
Bayesian，VB）的SINS/GNSS组合导航信息融合方法。采用Student’st分布对量测异常
情况下噪声建模，分析了野值噪声产生的原因以及对滤波过程的影响，并用VB的方法
对系统状态和隐变量进行求解，实现对模型参数的后验估计。利用IMM算法实现了
GNSS量测野值情况下的SINS/GNSS和SINS/OD组合导航模型的动态交互融合。最后
通过仿真和跑车实验证明了提出的算法可以有效抑制野值噪声的影响，提高了车载组合
导航系统鲁棒性和精度。
关键词：车载组合导航；交互式多模型；期望最大化；变分贝叶斯
复杂城市环境下SINS/GNSS/OD车载组合导航算法研究
Abstract
Vehiclehigh-precisionintegratednavigationsystemisoneofthekeytechnologiesfor
autonomousvehicles.Whenthevehicleisdriveninacomplexurbanenvironmentduetothe
multipatheffectandnon-line-of-sightcausedbythesatellitesignalblockedbybuildings,the
positioningaccuracyofthenavigationsystemwillbedegraded.Inordertoensurethe
performanceoftheintegratednavigationsystemwhentheGNSSfails,andthevehicleodometer
hasbecomeanessentialsensorforvehiclenavigationsystemsduetoitslowcostandstrong
anti-interferenceability,andtheODas