.png){kind=icon}
返回
Attitude-constrained interactive multi-model factor graph fusion for integrated navigation
.png){kind=icon}
OA
AI
DOI：10.1016/j.cja.2025.103963.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
长航时飞行器在无全球导航卫星系统（GNSS）环境下的连续且高精度导航仍然是一个重大挑战。尽管基于多传感器的集成导航被用于提升导航性能，但现有方法在传感器异构条件下容易产生模型失配和误差累积。本文提出了一种紧耦合交互多模型因子图优化（TIMMFGO）导航方法以解决该问题。所开发的集成导航框架由惯性导航系统（INS）、天文导航系统（CNS）、无线电导航系统（RNS）和气压高度计（BA）组成。我们提出了一种CNS/INS紧耦合图架构，将星向量观测与INS预积分相结合，能够动态补偿陀螺仪偏差，同时修正INS的姿态更新精度。随后，采用交互多模型（IMM）自适应加权策略将垂直RNS因子与BA因子结合用于定位，可有效减少由RNS的空间配置约束所引起的海拔高度偏差。仿真结果表明，与基于Huber M估计的FGO（HMFGO）、基于窗口异常检测的FGO（WADFGO）和IMM无味卡尔曼滤波（IMMUKF）方法相比，TIMMFGO方法分别提升了46.49%、25.68%和20.67%的姿态精度，同时相应地降低了29.29%、10.79%和6.96%的位置精度。
Keyword:
Attitude-constrained position
Interactive multiple models
Factor graph optimization
Multi-sensor integrated navigation
IMU pre-integration
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.7
论文数:
4.8K
被引数:
1.4W
机构
引用论文
暂无论文信息