3. INS基础

惯性导航系统（INS）是一种完全自主的导航方式，它不依赖任何外部信号，仅通过测量载体自身的加速度和角速度，经过积分运算即可连续输出位置、速度和姿态信息。理解INS的基础原理是掌握GNSS与INS紧耦合的关键前提——紧耦合的本质，就是在导航解算层面将GNSS的原始观测值与INS的机械编排结果进行深度融合。本章将系统梳理惯性导航的核心物理概念、传感器工作机制、数学更新方程以及误差传播规律，为后续章节的松耦合与紧耦合对比打下坚实的理论基础。

上图展示了INS从传感器测量到导航输出的完整链路，以及误差模型在其中的作用位置。下面我们将从惯性导航的基本原理出发，逐步深入每个技术细节。

3.1 惯性导航核心原理：牛顿力学与参考坐标系

惯性导航的物理基础是牛顿第二定律（F=ma）。在载体内部，加速度计测量的是比力（specific force），即载体所受的非引力加速度之和。陀螺仪则测量载体相对于惯性空间的角速度。要获得载体在导航坐标系（如当地水平坐标系）中的速度和位置，必须经过坐标变换和积分运算。

在工程实现中，通常涉及三个主要坐标系：

• 惯性坐标系（i系）：以地心为原点，不随地球旋转，是牛顿定律成立的参考系。
• 地球坐标系（e系）：固连于地球，随地球自转，原点在地心。
• 导航坐标系（n系）：通常取当地水平坐标系（北-东-地，NED），是导航解算的输出参考。

此外还有载体坐标系（b系），即IMU的三个敏感轴构成的直角坐标系。INS机械编排的核心任务，就是将b系下的测量值转换到n系下进行积分。

3.2 加速度计与陀螺仪工作原理

加速度计和陀螺仪是INS的敏感元件，其测量精度直接决定了导航解算的最终精度。理解它们的工作原理有助于正确建模误差。

3.2.1 加速度计：测量比力

加速度计的输出是比力f，其数学定义为：f = a - g，其中a是载体在惯性空间中的加速度，g是重力加速度。注意，加速度计无法区分重力加速度和运动加速度，这正是惯性导航中需要精确补偿重力的原因。

以典型的MEMS电容式加速度计为例，其内部有一个质量块，当载体加速时，质量块因惯性发生位移，导致差分电容变化，通过检测电容变化即可反推加速度。高精度导航级加速度计（如石英挠性加速度计）则采用力平衡闭环方式，精度可达μg量级。

类型	工作原理	精度等级	典型应用
MEMS电容式	质量块位移→电容变化	mg~μg	消费电子、汽车
石英挠性	力平衡闭环	μg~ng	战术级、导航级
激光陀螺	Sagnac效应	0.01°/h以下	航空、航海
光纤陀螺	Sagnac效应	0.01~1°/h	中高精度导航

3.2.2 陀螺仪：测量角速度

陀螺仪测量载体相对于惯性空间的角速度。MEMS陀螺仪基于科里奥利效应：一个质量块在驱动方向振动，当载体旋转时，会产生与振动方向垂直的科里奥利力，通过检测该力引起的位移即可得到角速度。激光陀螺和光纤陀螺则基于Sagnac效应，通过测量顺逆时针光程差来感知旋转。

3.3 姿态、速度、位置更新方程

INS机械编排是惯性导航的核心算法，它将IMU输出的角增量和速度增量转换为导航参数。以下以常用的n系（NED）下的捷联惯导更新方程为例。

3.3.1 姿态更新方程

姿态通常用四元数或方向余弦矩阵（DCM）表示。四元数更新方程如下：

q(k+1) = q(k) ⊗ exp(0.5 * Δθ * T)

其中Δθ为陀螺输出的角增量，T为采样周期，⊗表示四元数乘法。在实际计算中，需要补偿地球自转和载体运动引起的n系旋转，即：

ω_nb_b = ω_ib_b - C_n_b * (ω_ie_n + ω_en_n)

式中，ω_ie_n为地球自转角速度在n系的分量，ω_en_n为载体运动引起的n系相对e系的旋转。

3.3.2 速度更新方程

速度更新的核心是比力方程：

v_n_dot = C_b_n * f_b - (2ω_ie_n + ω_en_n) × v_n + g_n

其中，C_b_n为姿态矩阵，f_b为加速度计测量的比力，2ω_ie_n×v_n为哥里奥利加速度，ω_en_n×v_n为向心加速度，g_n为重力矢量。速度更新需要精确补偿这些有害加速度，否则会产生显著误差。

3.3.3 位置更新方程

位置更新相对简单，将速度积分即可：

L_dot = v_N / (R_M + h)
λ_dot = v_E / ((R_N + h) * cos(L))
h_dot = -v_D

其中L为纬度，λ为经度，h为高度，R_M和R_N分别为子午圈和卯酉圈曲率半径。

3.4 IMU误差模型与标定

IMU误差模型是INS/GNSS融合滤波器中状态方程的基础。准确建模IMU误差，是卡尔曼滤波器能够有效估计和补偿这些误差的前提。

3.4.1 确定性误差与随机误差

IMU误差可分为确定性误差和随机误差两类。确定性误差包括常值零偏、比例因子误差、交轴耦合误差等，可通过实验室标定消除。随机误差则包括零偏不稳定性、角度随机游走（ARW）、速度随机游走（VRW）等，需要用随机模型描述。

误差类型	数学描述	影响	补偿方法
常值零偏	ε = const	姿态/位置漂移	上电标定、滤波器估计
比例因子	ε = S * ω	大角速度下误差增大	温度标定、线性补偿
随机游走	σ ∝ √t	长期漂移	Allan方差分析、状态扩充
温度漂移	ε = f(T)	环境变化时误差	温度补偿模型

3.4.2 随机误差的Allan方差分析

Allan方差是分析IMU随机误差的经典工具。通过对静态数据进行分析，可以识别出量化噪声、角度随机游走、零偏不稳定性、速率随机游走和速率斜坡等误差项。在紧耦合系统设计中，这些参数将直接作为卡尔曼滤波器的过程噪声协方差矩阵Q的输入。

# Allan方差分析步骤（简化）
1. 采集静态IMU数据（至少2小时，建议4小时以上）
2. 计算不同簇时间τ下的Allan方差
3. 绘制log-log曲线
4. 识别各误差项对应的斜率区域
5. 提取ARW（斜率-1/2）、零偏不稳定性（斜率0）、RRW（斜率+1/2）等参数

3.4.3 案例拆解：MEMS IMU误差对紧耦合系统的影响

某车载组合导航系统采用消费级MEMS IMU（陀螺零偏稳定性10°/h，加速度计零偏稳定性1mg），与双频GNSS接收机进行紧耦合。在开阔环境下，GNSS信号良好，组合导航精度可达厘米级；但当车辆进入隧道或高架桥下时，GNSS信号中断，系统切换至纯惯性模式。

关键数据：在GNSS中断60秒后，纯惯性导航的位置误差约为：

• 水平位置误差：约15~20米（主要受加速度计零偏和初始姿态误差影响）
• 航向误差：约0.5~1°（主要受陀螺零偏影响）

分析过程：位置误差随时间呈二次曲线增长，这是因为加速度计零偏经过两次积分后产生位置误差。航向误差则随时间线性增长，陀螺零偏直接积分得到角度误差。通过Allan方差分析，该IMU的角度随机游走为0.3°/√h，零偏不稳定性为10°/h，这些参数被用于设置卡尔曼滤波器的Q矩阵。

优化措施：在紧耦合架构中，即使在GNSS信号中断期间，滤波器仍然利用最后有效的GNSS观测值约束IMU误差的估计。同时，通过引入车辆运动学约束（如非完整性约束，即假设车辆不侧滑、不跳跃），可以显著抑制位置误差的发散速度。实测结果表明，加入运动学约束后，60秒中断的位置误差从20米降低至8米。

3.5 常见误区与总结

在INS基础学习中，工程师常陷入以下误区：

1. 混淆比力与加速度：加速度计输出的是比力，包含重力分量，直接积分会得到错误的速度。
2. 忽略有害加速度补偿：哥里奥利加速度和向心加速度在高动态或高纬度地区不可忽略。
3. 认为零偏是常数：实际上零偏具有温度依赖性和逐次上电变化性，需要在线估计。
4. 过度依赖纯惯性精度：所有INS都会随时间漂移，紧耦合的价值在于用GNSS持续修正。