Page 57 - 《武汉大学学报（信息科学版）》2025年第10期

1992 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 10 月

cantly improves the efficiency of outlier detection and enhances the reliability of GNSS/INS integrated navi‑
gation positioning.
Key words： GNSS； INS； integrated navigation and positioning； outlier detection； fuzzy logic； adaptive

全 球 导 航 卫 星 系 统（global navigation satel‑ 定位异常探测的自适应方法。该方法设计了基
lite system，GNSS）和惯性导航系统（inertial navi‑ 于异常值特性的模糊逻辑隶属函数，通过对隶属
gation system，INS）是目前广泛应用的两种导航 度加权和指数加权平均的方法重构检验量，在此
技术，两者结合可以实现优势互补，提升复杂环 基础上建立了合理的异常探测准则。
境中的导航定位精度 ［1-2］ ，在车载导航定位领域发
挥重要作用。然而，复杂环境下的组合导航定位 1 GNSS/INS 组合定位模型
仍面临较大的挑战。GNSS 信号易受遮挡和多路
GNSS/INS 松 组 合 定 位 模 型 通 过 INS 的 误
径效应等因素的影响 ［3-4］ ，导致定位结果异常而污
差模型建立，采用 15 维的状态参数建立系统状态
染整个组合导航定位精度和降低系统整体性能。
方程，其状态向量 X 表示为：
因此，组合导航过程中对 GNSS 异常值的及时精 T
b
［5］
确探测与处理对提高系统定位性能至关重要 。 X =[ φ δv n δp n ε b ∇ ∇ ] （1）
n
n
早期的异常探测和诊断方法主要基于硬件 式中， φ 为姿态误差； δv 为速度误差； δp 为位置
b
b
冗 余 法 ，利 用 多 个 同 类 传 感 器 测 量 同 一 系 统 参 误差； ε 陀螺常值漂移； ∇∇ 为加速度计常值零偏。
数，以多数表决原则识别异常，具有不依赖系统 选取 GNSS 与 INS 输出的速度和位置之差构造
的数学模型、检测速度快等优点，但会增加导航 系统观测方程，可得 GNSS/INS 组合定位的离散
［6］
设备的体积、功耗和成本 。随着计算机运算能 化系统状态空间模型 ［23-25］ ：
力的不断提升，分析冗余方法在硬件冗余方法的 ì X k = ϕ k|k - 1 X k - 1 + Γ k - 1W k - 1
í （2）
基础上被提出。分析冗余方法基于系统的数学 î Z k = H k X k + V k
模型，提供诊断系统的输入和输出之间的解析关 式中， X k 和 X k - 1 分别为 k 和 k - 1 时刻的系统状
系，在不增加传感器数量和改变导航设备结构的 态向量； Z k 为系统量测向量； ϕ k|k - 1 为系统状态一
情况下实现对导航传感器的监测，是目前传感器 步转移矩阵； Γ k - 1 为系统噪声驱动矩阵； H k 为量
异常检测的主要研究手段 。χ 检验作为经典的 测系数矩阵； W k 为系统动力学模型误差向量； V k
［7］
2
分析冗余类方法 ［8-10］ ，根据所构造的随机检测量 为量测噪声向量 ［25-26］ 。
不同分为状态检验法和残差检验法 ［11-13］ 。其中， 上述组合定位中所采用的卡尔曼（Kalman）
残差 χ 检验计算量和报警延迟量较小，且对量测 滤波一般均基于白噪声假设，即 W k 和 V k 都是零
2
异常比较敏感，因此在组合导航系统的异常检测 均值的高斯白噪声序列且互不相关，满足：
问题中广泛应用 ［14-15］ 。文献［16-18］利用残差检 ìE (W k )= 0
ï ï
ï
验法对 GNSS/INS 组合导航定位中的量测异常 ï T
ï E (W kW j )= Q k δ kj
ï
ï ï
值进行检验，可以有效地对突变异常进行检测和 í E (V k )= 0 （3）
ï ï
重构，极大地提高了滤波器的稳定性和精度。文 ï T
ï E (V kV j )= R k δ kj
ï
献［19］利用滤波过程中的观测残差检验量与滤 ï T
î
ï ï E (W kV j )= 0
波器阈值构建观测因子，结合变分贝叶斯估计理 式中， E ( )表示随机变量的期望； δ kj 为 Kronecker‑δ
论与抗野值滤波方法，设计了改进的组合导航系 函数； Q k 为动力学模型误差的非负定方差矩阵；
统自适应滤波算法。常规的残差 χ 检验方法都 R k 为观测噪声的正定协方差矩阵。只有在随机
2
是通过一个由上分位点决定的阈值来判断系统 动态系统的结构参数和噪声统计特性参数都准
是否异常，而上分位点选取过高或过低都会产生 确已知的条件下，Kalman 滤波才能获得状态的最
误判。文献［20-22］对常规的残差 χ 检验量进行 优估计 ［27-28］ 。然而，复杂环境下 GNSS 信号易受
2
优化，优化后的算法可以提升异常检测成功率， 干扰，定位结果容易产生异常，观测噪声的分布
但由于滑动窗口平滑自身的特点，导致存在检测 密度函数表现出明显的拖尾现象，而这和上述假
延迟现象，误报率增加。 设中的高斯分布存在明显偏差，导致 Kalman 滤波
针对上述问题，本文提出了一种 GNSS/INS 性能下降 ［29］ 。