1. 课程导入与导航系统仿真验证全景

飞行器导航系统是飞行器感知自身位置、速度、姿态与航向的核心子系统，其输出直接决定制导、控制与任务规划能否正确执行。导航一旦失准，轻则航迹偏离、任务效率下降，重则导致飞行器失控或任务失败。因此，在真实飞行之前，必须通过仿真手段对导航系统的功能、精度与鲁棒性进行系统化验证。本课程围绕“如何用仿真验证导航系统性能”这一主线展开，本章先建立全景认识：导航系统由什么组成、仿真在研发流程中处于什么位置、性能验证看哪些指标、工程中会遇到哪些典型问题。

一、飞行器导航系统的基本组成

从信息流角度看，导航系统可划分为四个层次：敏感器层、导航解算层、信息融合层与输出接口层。敏感器层包括惯性测量单元（IMU，含陀螺仪与加速度计）、卫星导航接收机（GNSS）、气压高度表、磁强计、星敏感器、视觉/激光雷达等，负责把物理运动转换为电信号或数字量。导航解算层完成惯性递推、卫星定位解算、姿态解算等基础运算。信息融合层通过卡尔曼滤波及其变体（EKF、UKF、误差状态KF）把多源信息组合，输出统一的位置、速度、姿态估计。输出接口层则按总线协议（如ARINC 429、MIL-STD-1553、CAN、以太网）把导航解提供给飞控计算机与任务计算机。

不同任务对导航配置差异很大。例如近程无人机常采用“IMU+GNSS+气压高度”组合，而长航时或高动态飞行器可能引入星敏感器、地磁与视觉辅助。理解这一组成，是后续搭建仿真模型、设置误差源与设计验证用例的基础。

二、仿真在研发流程中的位置

导航系统研发通常经历需求分析、方案设计、算法开发、软件实现、半实物测试、飞行试验等阶段。仿真并非只在最后“跑一遍”，而是贯穿全程：在方案阶段用数学仿真比较不同滤波结构；在算法阶段用蒙特卡洛仿真评估统计性能；在软件实现后用软件在环（SIL）验证代码与模型一致性；在硬件就绪后用硬件在环（HIL）接入真实IMU/GNSS接收机，验证时序、接口与故障响应；最后才进入飞行试验。仿真越靠前，发现问题代价越低。

下图给出导航系统仿真验证的整体信息流与验证层级关系，可作为本课程后续各章的“地图”。

三、性能验证的核心指标

导航性能验证不是“看曲线好不好看”，而是围绕一组可量化指标展开。最常用的是精度：水平位置常用圆概率误差（CEP）或95%分位误差，垂直位置用RMS或1σ，速度与姿态分别用m/s与度表示。精度必须在明确条件下给出，例如“GNSS正常、IMU零偏10°/h、飞行时长600s”下的位置误差。第二类是收敛性：滤波从初始大误差收敛到稳态所需时间，以及收敛过程中是否出现超调或振荡。第三类是鲁棒性：在GNSS失锁、信号遮挡、多径、电磁干扰、传感器故障等异常下，系统能否维持可接受的导航输出。第四类是实时性：解算周期是否满足飞控要求，端到端延迟是否在允许范围内。第五类是完好性：系统能否及时给出告警，漏检率与虚警率是否达标。

这些指标之间存在耦合。例如提高滤波增益可加快收敛，但会放大噪声、降低稳态精度；过度依赖GNSS可提高精度，却削弱GNSS失锁时的鲁棒性。仿真验证的价值，正是在可控、可重复的条件下量化这些折中。

四、典型工程问题

实际工程中，导航仿真验证常遇到以下问题。第一，模型与实物不一致：仿真中IMU噪声用白噪声近似，而实物存在零偏不稳定性、温度漂移与量化误差，导致SIL结果优于HIL结果。第二，坐标系与符号约定混乱：机体坐标系、导航坐标系、地球坐标系之间的转换若定义不清，位置误差会出现“正负颠倒”或“轴错位”。第三，时间同步问题：GNSS与IMU采样时刻不同步，若仿真中未建模时间戳偏差，融合结果会虚假变好。第四，故障注入不充分：只测正常工况，未覆盖GNSS跳变、IMU饱和、总线丢包等场景。第五，蒙特卡洛样本不足：用几十次运行就下结论，统计置信度不够。

五、本课程的学习路径

后续章节将按“建模—仿真—验证—分析”的顺序展开：先建立飞行器运动学与导航敏感器误差模型，再搭建数学仿真与蒙特卡洛框架，然后进入SIL/HIL测试，最后学习如何设计验证用例、判读结果并定位问题。学习时建议始终带着三个问题：输入是什么、中间发生了什么、结果如何判定。只有把这三者串起来，仿真才不是“跑数据”，而是真正支撑导航系统设计决策的工具。