文章基于利用卡尔曼滤波对SINS/GPS组合导航系统的解算算法进行误差补偿。在建立误差模型的基础上采用间接式卡尔曼滤波技术对捷联惯导信号以及GPS信号进行算法融合计算，得到组合导航系统的最优估计输出。使得组合导航系统既利用了GPS的长期稳定性与适中精度，来弥补SINS的误差随时间传播或增大的缺点，又利用SINS短期高精度来弥补GPS在受干扰时误差增大或遮挡时丢失信号的缺点。经过仿真实验分析结果表明该组合导航系统可以获得较理想的导航精度，验证了该组合系统的正确性以及在可靠性方面优于子系统，具有很好的应用价值。

给出了IMU在地固坐标系中的误差方程，介绍并分析了自适应滤波和渐消Kalman滤波算法原理，然后将渐消因子引入到自适应滤波算法中，并将其应用到IMU/GPS松组合导航系统中，最后利用一个实际算例证明了该组合导航系统的有效性。

CSDN博客:《非线性滤波——基于EKF的INS/GPS松组合算法的研究（直接法|EKF|欧拉角）》附件资源 博文地址：https://blog.csdn.net/tsuibeyond/article/details/103835894 摘要：由于大多数的INS/GPS组合导航算法模型都是基于非线性模型，如何有效的融合INS与GPS的测量信息来对当前载体的位置、速度、姿态等信息进行估计成为一个被长期研究的课题。本篇博客试图记录一下使用直接法EKF算法实现INS/GPS松组合的过程，姿态角以欧拉角表示。

针对传统容积卡尔曼滤波(CKF)在面对系统模型失配和状态突变滤波精度下降的问题,将强跟踪滤波器(STF)和高阶容积卡尔曼滤波(HCKF)相结合,提出一种简化高阶强跟踪容积卡尔曼滤波(RHSTCKF)算法.该算法具有比传统CKF更高的滤波精度,并且利用滤波模型的特点,简化HCKF的计算步骤,同时在HCKF中引入多重渐消因子增强算法的自适应性和应对状态突变的能力.将所提算法应用到SINS/GPS组合导航系统中进行仿真实验,结果表明,RHSTCKF可以准确估计出突变状态的真实值,能够抑制滤波器状态异常的干扰,滤波性能明显优于HCKF,能够提高组合导航系统的自适应性和定位精度.

GPS和INS联合导航matlab程序,ins,gps组合导航系统,matlab源码.zip

介绍了组合导航系统的优点；根据联邦卡尔曼滤波原理，设计了组合导航系统的滤波算法；对该组合系统的联邦卡尔曼滤波算法进行了仿真；仿真结果表明，在组合导航系统中采用联邦卡尔曼滤波，不仅提高了定位精度，而且保证了滤波的快速性。

GPS和INS联合导航matlab程序,ins,gps组合导航系统,matlab源码.zip

卡尔曼滤波组合导航程序，捷联惯导解算，GPS组合导航，松组合

SINS_GPS组合导航系统的研究.pdf

通过学习 GPS/INS 组合导航数据处理的滤波理论方法， 研究 Kalman 滤波 及其变化形式 CKF 等滤波性能，并进行分析比较。