CN103917850B - 一种惯性导航***的运动对准方法 - Google Patents

Abstract

本发明涉及惯性导航***技术领域，尤其涉及一种惯性导航***的运动对准方法，该惯性导航***安装于运动载体上，包括：惯性导航***测量自身的转动信息和线加速度信息；惯性导航***同步接收外部辅助信息源提供的其在参考坐标系中的参考速度和位置信息；以及惯性导航***对转动信息和线加速度信息以及参考速度和位置信息进行数据处理，得到自身在当前时刻的体坐标系相对于参考坐标系的姿态。利用本发明，有效地解决了参考坐标系速度／位置辅助下的惯性导航***运动对准问题，在没有任何姿态先验初值的情况下实现了快速姿态对准。

Description

一种惯性导航***的运动对准方法

技术领域

本发明涉及惯性导航***技术领域，尤其涉及一种惯性导航***的运动对准方法，即如何在运动情况下借助速度／位置信息实现惯性导航***的姿态对准。

背景技术

在正式开始导航工作之前，惯性导航***(InertialNavigationSystem，INS)需要知道一些初始条件，例如初始姿态、初始速度和初始位置。确定初始条件的过程通常称作“对准”。初始速度和初始位置易于获得，因此对准一般特指确定INS的体坐标系相对于参考坐标系的姿态关系的过程。

常用参考坐标系包括当地水平坐标系、地球坐标系等。姿态对准的作用至关重要，对准的好坏直接决定了INS在后续导航阶段的精度水平。在舰载机、制导弹药、水下无人潜航器和地面机动车辆等应用中，要求INS能够在运动过程中进行对准。

INS运动对准需要在外部信息源的协助下完成。全球卫星定位***(GlobalPositioningSystem，GPS)是常见的外部信息源，它可以提供载体在当地水平坐标系或地球坐标系下的速度和位置信息。

目前运动对准的主流方法借鉴了静态或准静态情况下的实现思路，即通常包括粗对准和精对准两个阶段。粗对准用于得到粗略的初始姿态，为精对准提供初始值。精对准通常采用基于泰勒(Taylor)级数展开的非线性滤波方法，如一阶线性近似的扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)等。采用EKF等非线性滤波方法进行精对准，需要知道较准确的惯性器件，例如陀螺和加速度计，以及外部速度／位置信息的噪声特性，而且要求粗对准提供的初始姿态误差不能过大，否则滤波器将不能在规定的时间内收敛到理想的精对准结果，有时甚至发散。可惜的是，在各种各样的载体运动情形中，粗对准得到的初始姿态的误差通常很大，特别是方位角误差。

因此，当前运动对准的研究重点主要集中在如何设计非线性大失准角误差模型或选用更复杂的滤波器，以应对不可避免的大初始方位角误差，但效果均不尽理想。

发明内容

有鉴于此，本发明的主要目的在于提供一种惯性导航***的运动对准方法，以解决参考坐标系速度／位置辅助下惯性导航***的运动对准问题，在没有任何姿态先验初值的情况下实现惯性导航***的快速姿态对准。

为达到上述目的，本发明提供了一种惯性导航***的运动对准方法，该惯性导航***安装于运动载体上，该方法包括：惯性导航***测量自身的转动信息和线加速度信息；惯性导航***同步接收由外部辅助信息源提供的(经由必要的杆臂补偿后)自身在参考坐标系中的参考速度和位置信息；以及惯性导航***对转动信息和线加速度信息以及参考速度和位置信息进行数据处理，得到自身在当前时刻的体坐标系相对于参考坐标系的姿态。

从上述技术方案可以看出，本发明具有以下有益效果：

1、本发明提供的惯性导航***的运动对准方法，基于特殊的速度和位置积分公式，分别设计实现了迭代形式的速度积分运动对准算法和位置积分运动对准算法，能够根据辅助的速度／位置信息，实时计算出惯性导航***的当前姿态，有效地解决了参考坐标系速度／位置辅助下惯性导航***的运动对准问题，在没有任何姿态先验初值的情况下实现了惯性导航***的快速姿态对准。

2、本发明提供的惯性导航***的运动对准方法，无需知道惯性器件及外部速度／位置信息的噪声特性，无需任何姿态初值，具有绝对的计算稳定性，不存在发散的情况，只要速度／位置辅助信息有效，能够在任意运动情况下实现姿态对准，大幅缩短载体导航前的准备时间。

3、本发明提供的惯性导航***的运动对准方法，在本发明实施例考虑的应用场合中，INS安装在运动载体上，INS在参考坐标系中的速度和位置信息由GPS或其他外部信息源(经由必要的杆臂补偿后)给出。

4、本发明提供的惯性导航***的运动对准方法，根据惯性器件误差是否在线补偿的要求，速度积分运动对准算法和位置积分运动对准算法的输出结果既可以直接用于惯性导航解算(精对准)，也可以作为非线性滤波方法的姿态初值(粗对准)对导航参数和惯性器件误差进行联合估计与标校。

附图说明

图1是依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法的输入输出关系示意图；

图2是依照本发明实施例的速度积分运动对准算法的方法流程图；

图3是依照本发明实施例利用速度积分运动对准算法和位置积分运动对准算法来计算姿态矩阵和的方法流程图；

图4是依照本发明实施例的速度积分运动对准算法中计算α_v(t_M)的方法流程图；

图5是依照本发明实施例的速度积分运动对准算法中计算β_v(t_M)的方法流程图；

图6是依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法中计算K(t_M)的方法流程图；

图7是依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法中计算的方法流程图。

图8是依照本发明实施例的位置积分运动对准算法的方法流程图；

图9是依照本发明实施例的位置积分运动对准算法中计算α_p(t_M)的方法流程图；

图10是依照本发明实施例的位置积分运动对准算法中计算β_p(t_M)的方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明提供的惯性导航***的运动对准方法，根据外部信息源(如GPS)经由必要的杆臂补偿后提供的INS在参考坐标系中的参考速度和位置信息，并基于特殊的速度和位置积分公式，分别设计实现了迭代形式的速度积分运动对准和位置积分运动对准，能够根据辅助的速度／位置信息，实时计算出INS在当前时刻的体坐标系相对于参考坐标系的姿态。

本发明实施例用到的坐标系至少有以下几个：惯性坐标系(I)，参考坐标系(N)，地球坐标系(E)和体坐标系(B)。

不失一般性，本发明实施例中的参考坐标系是选择北天东(North-Up-East)指向的当地水平坐标系。对于其他参考坐标系(如地球坐标系)，下面的描述将稍有变化，但这不影响对本发明主要思想的理解。

假定INS在[0，t]时间段内进行对准。本发明的运动对准方法基于如下积分公式设计实现

速度积分公式：

$\begin{array}{c}{C}_b^n\left(0\right){\mathrm{\α}}_v={\mathrm{\β}}_v\\ {\mathrm{\α}}_v\stackrel{\mathrm{\Δ}}{=}{\∫}_0^t{C}_{b\left(t\right)}^{b\left(0\right)}{f}^b\mathrm{dt}\\ {\mathrm{\β}}_v\stackrel{\mathrm{\Δ}}{=}{C}_{n\left(t\right)}^{n\left(0\right)}{v}^n-v^n\left(0\right)+{\∫}_0^t{C}_{n\left(t\right)}^{n\left(0\right)}{\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\mathrm{dt}-{\∫}_0^t{C}_{n\left(t\right)}^{n\left(0\right)}{g}^n\mathrm{dt}\end{array}$ 公式1

位置积分公式：

$\begin{array}{c}{C}_b^n\left(0\right){\mathrm{\α}}_p={\mathrm{\β}}_p\\ {\mathrm{\α}}_p\stackrel{\mathrm{\Δ}}{=}{\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{b\left(\mathrm{\σ}\right)}^{b\left(0\right)}{f}^b\mathrm{d\σd\τ}\\ {\mathrm{\β}}_p\stackrel{\mathrm{\Δ}}{=}{C}_{n\left(t\right)}^{n\left(0\right)}{r}^n-t{v}^n\left(0\right)-{\∫}_0^t{C}_{n\left(\mathrm{\τ}\right)}^{n\left(0\right)}{\mathrm{\ω}}_{\mathrm{in}}^n\×r^n\mathrm{d\τ}\\ +{\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{n\left(\mathrm{\σ}\right)}^{n\left(0\right)}{\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\mathrm{d\σd\τ}-{\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{n\left(\mathrm{\σ}\right)}^{n\left(0\right)}{g}^n\mathrm{d\σd\τ}\end{array}$ 公式2

其中为从体坐标系到参考坐标系的姿态矩阵(正交且行列式为1)，为姿态矩阵在初始时刻的取值，f^b为加速度计测量到的比力， $v^n={\left[\begin{array}{ccc}{v}_n& v_U& v_E\end{array}\right]}^T$ 为INS在参考坐标系中表示的对地速度，vⁿ(0)为对地速度在初始时刻的取值，是参考坐标系中表示的地球角速度，gⁿ是参考坐标系中表示的当地重力加速度，rⁿ定义为对地速度的积分，即 $r^n\left(t\right)={\∫}_0^t{v}^n\mathrm{dt}={\∫}_0^t{R}_{\mathrm{ic}}\stackrel{.}{p}\mathrm{dt},$ 其中 $R_{\mathrm{ic}}=\left[\begin{array}{ccc}0& R_N+h& 0\\ 0& 0& 1\\ (R_E+h)\cos L& 0& 0\end{array}\right],$ 以当地地理坐标表示的INS位置 $p\stackrel{\mathrm{\Δ}}{=}{\left[\begin{array}{ccc}\mathrm{\λ}& L& h\end{array}\right]}^T$ (经度，纬度，高度)。R_E和R_N分别是当地的卯酉圈曲率半径和子午圈曲率半径。若非特别说明，以上变量都是时间t的函数，为方便起见，时间t省略。

速度积分公式1或位置积分公式2均可以用来确定初始姿态矩阵分别称作“速度积分运动对准算法”和“位置积分运动对准算法”。我们需要设计数值算法近似计算公式1-公式2中的连续积分，积分近似计算的误差越小，的估计结果越好。注意：是一个常矩阵。初始姿态矩阵和当前时刻的姿态矩阵通过链式乘积规则相联系，即

$C_b^n\left(t\right)=C_{n\left(0\right)}^{n\left(t\right)}{C}_b^n\left(0\right)C_{b\left(t\right)}^{b\left(0\right)}$ 公式3

其中，是位置和速度的函数，是陀螺测量的转动角速度的函数。根据公式3，如果右边三项能够分别获得，自然就得到了任意时刻的姿态矩阵。

下面将依次阐述速度积分运动对准算法和位置积分运动对准算法的设计详情，两者共同的步骤将统一在速度积分运动对准算法中阐述。

图1给出了依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法的输入输出关系示意图。该方法的输入包括INS中陀螺测量到的角增量，加速度计测量到的速度增量，以及外部信息源提供的INS在参考坐标系中的速度和位置信息。本实施例中假定INS输出的是增量信息，对于输出信息为角速度和比力的INS，后面的计算会稍有不同。角增量和速度增量的通常以较高的频率输入(如200Hz)，而外部速度和位置通常以较低的频率输入(如1Hz)。为了减小积分近似计算的误差，外部速度和位置最好以尽量高的频率输入。该方法对输入信息进行实时处理，输出为当前时刻INS体坐标系相对于参考坐标系的方向余弦矩阵，也可以根据实际要求转换为其他姿态参数，如四元数或欧拉角。

图2给出了依照本发明实施例的速度积分运动对准算法的方法流程图。考虑到实际的离散***实现，假定当前时刻t是更新间隔T的整数倍，即t=M×T，其中T为更新间隔(如0.01s)，M为整数。更新的时间区间为[_tkt_k+1]，k=0，1，2，…，M一1，其中t_k=kT。该方法流程依次包括：初始化，时间更新M=M+1，姿态矩阵和更新，向量α_v(t_M)计算，向量β_v(t_M)计算，矩阵K(t_M)计算，初始姿态矩阵确定，最后根据链式乘积规则(即公式3)得到INS的当前姿态。该方法初始化包括设置当前时刻t=0以及对该方法中的相关向量清零，即M=0，α_v(0)=β′_v(0)=0_3×1,以及K(0)=0_4×4。

图3给出了依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法计算姿态矩阵和的方法流程图。和的计算是并列关系，没有时间先后顺序。注意当M=0时，和均为单位矩阵。是参考坐标系相对于惯性坐标系角速度的函数。由于选择了(北天东)当地水平坐标系为参考坐标系，与速度和位置的关系如下

${\mathrm{\ω}}_{\mathrm{in}}^n={\mathrm{\ω}}_{\mathrm{ie}}^n+{\mathrm{\ω}}_{\mathrm{en}}^n=\mathrm{\Ω}\left[\begin{array}{c}\cos L\\ \sin L\\ 0\end{array}\right]+\left[\begin{array}{c}{v}_E/(R_E+h)\\ v_E\tan L/(R_E+h)\\ -v_N/(R_N+h)\end{array}\right]$ 公式4

其中地球自转角速率Ω≈7.292115×10^-5rad／s。考虑为小量，在一个更新时间区间内，参考坐标系相对惯性坐标系的旋转向量根据方向余弦矩阵和旋转向量之间的转化关系，

公式5

再由姿态矩阵的链式乘积规则，即公式3，我们有

$C_{n\left(t_M\right)}^{n\left(0\right)}=C_{n\left(t_{M-1}\right)}^{n\left(0\right)}{C}_{n\left(t_M\right)}^{n\left(t_{M-1}\right)}.$

由于INS体坐标系相对于惯性坐标系的变化较快，对应的旋转向量通常需要进行圆锥补偿。假定在一个更新时间区间内，陀螺先后两次采样，记作Δθ₁，Δθ₂，加速度计先后两次采样，记作Δv₁，Δv₂。INS体坐标系相对于惯性坐标系的旋转向量可近似为根据方向余弦矩阵和旋转向量之间的转化关系，

公式6

同样由姿态矩阵的链式乘积规则，即公式3，我们有

$C_{b\left(t_M\right)}^{b\left(0\right)}=C_{b\left(t_{M-1}\right)}^{b\left(0\right)}{C}_{b\left(t_M\right)}^{b\left(t_{M-1}\right)}.$

可以看出，的计算用到了外部辅助的速度和位置信息。的计算则假定更新时间区间内有两次INS采样，对于其他子样数目的情形，只需在计算时作相应改动即可。

图4给出了依照本发明实施例的速度积分运动对准算法中计算α_v(t_M)的方法流程图。根据速度积分公式1中给出的定义，α_v(t_M)涉及到近似计算变换后的比力的积分利用一次更新时间区间T内的先后两次角增量和速度增量采样，并进行相应的划摇补偿，α_v(t_M)可以根据下式迭代计算

$u={\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2+\frac{1}{2}({\mathrm{\Δ\θ}}_1+{\mathrm{\Δ\θ}}_2)\×({\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2)+\frac{2}{3}({\mathrm{\Δ\θ}}_1\×{\mathrm{\Δ\θ}}_2+{\mathrm{\Δv}}_1\×{\mathrm{\Δ\θ}}_2)$ 公式7

${\mathrm{\α}}_v\left(t_M\right)={\mathrm{\α}}_v\left(t_{M-1}\right)+C_{b\left(t_{M-1}\right)}^{b\left(0\right)}u$

注意当M=0时，α_v(0)=0_3×1。对于其他子样数目的情形，划摇补偿u的计算将有所不同。

图5给出了依照本发明实施例的速度积分运动对准算法中计算β_v(t_M)的方法流程图。当地重力加速度gⁿ是位置的函数，可根据重力场模型计算得到，而β_v(t_M)的计算用到了外部速度和位置信息。根据速度积分公式1中给出的定义，β_v(t_M)涉及到近似计算两个积分：和假定更新区间内近似线性变化，gⁿ近似常值，β_v(t_M)可以根据下面的公式8迭代计算：

$u=(\frac{T}{2}I+\frac{T^2}{6}{\mathrm{\ω}}_{\mathrm{in}}^n\×){\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\left(t_{M-1}\right)+(\frac{T}{2}I+\frac{T^2}{3}{\mathrm{\ω}}_{\mathrm{in}}^n\×){\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\left(t_M\right)-(\mathrm{TI}+\frac{T^2}{2}{\mathrm{\ω}}_{\mathrm{in}}^n\×)g^n$

${\mathrm{\β}}_v^{\′}\left(t_M\right)={\mathrm{\β}}_v^{\′}\left(t_{M-1}\right)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}u$

${\mathrm{\β}}_v\left(t_M\right)=C_{n\left(t_M\right)}^{n\left(0\right)}{v}^n-v^n\left(0\right)+{\mathrm{\β}}_v^{\′}\left(t_M\right)$

注意当M=0时，β′_v(0)=0_3×1。

图6给出了依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法中计算K(t_M)的方法流程图。首先来看速度积分算法，定义如下4×4矩阵

$K\left(t\right)={\∫}_0^t{(\stackrel{+}{\left[{\mathrm{\β}}_v\right]}-\stackrel{-}{\left[{\mathrm{\α}}_v\right]})}^T(\stackrel{+}{\left[{\mathrm{\β}}_v\right]}-\stackrel{-}{\left[{\mathrm{\α}}_v\right]})\mathrm{dt}$ 公式9

其中使用了两个特殊的四元数乘法矩阵。对于三维向量r，四元数乘法矩阵的定义如下

$\stackrel{+}{\left[r\right]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& {-r}^T\\ r& (r\×)\end{array}\right],$ $\stackrel{-}{\left[r\right]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& {-r}^T\\ r& -(r\×)\end{array}\right],$ 公式10

其中r×为r的反对称矩阵。假定被积函数在更新区间内近似常值，K(t_M)可以根据下式迭代计算

$K\left(t_M\right)=K\left(t_{M-1}\right)+T{(\stackrel{+}{\left[{\mathrm{\β}}_v\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_v\left(t_M\right)\right]})}^T(\stackrel{+}{\left[{\mathrm{\β}}_v\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_v\left(t_M\right)\right]})$ 公式11

注意当M=0时，K(0)=0_4×4。

对于位置积分算法，上述过程基本相同，不同之处在于用β_p替代β_v，α_p替代α_v，具体包括：定义如下4×4矩阵其中使用了两个特殊的四元数乘法矩阵；对于三维向量r，四元数乘法矩阵的定义如下：

$\stackrel{+}{\left[r\right]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& {-r}^T\\ r& (r\×)\end{array}\right],$ $\stackrel{-}{\left[r\right]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& {-r}^T\\ r& -(r\×)\end{array}\right],$ 其中r×为r的反对称矩阵；

假定被积函数在更新区间内近似常值，K(t_M)能够根据下式迭代计算

$K\left(t_M\right)=K\left(t_{M-1}\right)+T{(\stackrel{+}{\left[{\mathrm{\β}}_p\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_p\left(t_M\right)\right]})}^T(\stackrel{+}{\left[{\mathrm{\β}}_p\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_p\left(t_M\right)\right]})$

其中当M=0时，K(0)=0_4×4。

图7给出了依照本发明实施例的速度积分运动对准算法和位置积分运动对准算法中计算的方法流程图。对于速度积分算法，可以证明：满足的初始姿态矩阵所对应的姿态四元数是矩阵K的最小特征值所对应的特征向量，记作q。在标准算法库中可找到成熟算法用来求解4×4矩阵K(t_M)的特征向量，计算负担不大。将q写成[sη^T]^T，根据方向余弦矩阵和四元数之间的转化关系，我们有

$C_b^n\left(0\right)=(s^2-{\mathrm{\η}}^T\mathrm{\η})I+2{\mathrm{\η\η}}^T+2s(\mathrm{\η}\×)$ 公式12

以上只给出了一种借助四元数求解的特殊方法，当然也可以用其他方法求解。最后根据链式乘积规则(即公式3)得到INS的当前姿态

$C_{n\left(0\right)}^{n\left(t_M\right)}{C}_b^n\left(0\right)C_{b\left(t_M\right)}^{b\left(0\right)}$ 公式13

对于位置积分算法，上述过程基本相同，不同之处在于用β_p替代β_v，α_p替代α_v，具体包括：满足的初始姿态矩阵所对应的姿态四元数是矩阵K的最小特征值所对应的特征向量，记作q；在标准算法库中能够找到成熟算法用来求解4×4矩阵K(t_M)的特征向量，将q写成[sη^T]^T，根据方向余弦矩阵和四元数之间的转化关系，得到 $C_b^n\left(0\right)=(s^2-{\mathrm{\η}}^T\mathrm{\η})I+2{\mathrm{\η\η}}^T+2s(\mathrm{\η}\×).$

图8给出了依照本发明实施例的位置积分运动对准算法的方法流程图，其基本结构与速度积分运动对准算法的内部信息流程图大体相同。内部信息流程依次包括：初始化，时间更新M=M+1，姿态矩阵和更新，向量α_p(t_M)计算，向量β_p(t_M)计算，矩阵K(t_M)计算，初始姿态矩阵确定，最后根据链式乘积规则(即公式3)得到INS的当前姿态。方法初始化包括设置当前时刻t=0以及对方法中的相关向量清零，即M=0，α_v(0)=β′_v(0)=0_3×1,u_p(0)=u_r(0)=u_v(0)=u_g(0)=0_3×1以及K(0)=0_4×4。

图9给出了依照本发明实施例的位置积分运动对准算法中计算α_p(t_M)的方法流程图。根据位置积分公式2中给出的定义，α_p(t_M)涉及到近似计算变换后的比力的双重积分利用一次更新时间区间内的先后两次角增量和速度增量采样，并进行相应的卷轴补偿，α_p(t_M)可以根据下面的公式14迭代计算：

$u=\frac{T}{30}(25{\mathrm{\Δv}}_1+5{\mathrm{\Δv}}_2+12{\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_1+8{\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_2+2{\mathrm{\Δv}}_1\×{\mathrm{\Δ\θ}}_2+2{\mathrm{\Δ\θ}}_2\×{\mathrm{\Δv}}_2)$

$u_p\left(M\right)=u_p(M-1)+C_{b\left(t_{M-1}\right)}^{b\left(0\right)}u$

${\mathrm{\α}}_p\left(t_M\right)=u_p\left(M\right)+T\underset{m=0}{\overset{M-2}{\mathrm{\Σ}}}{C}_{b\left(t_m\right)}^{b\left(0\right)}({\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2+\frac{1}{2}({\mathrm{\Δ\θ}}_1+{\mathrm{\Δ\θ}}_2)\×({\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2)+\frac{2}{3}({\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_2+{\mathrm{\Δv}}_1\×{\mathrm{\Δ\θ}}_2))$

注意当M=0时，α_p(0)=0_3×1。对于其他子样数目的情形，卷轴补偿u的计算将有所不同。

图10给出了依照本发明实施例的位置积分运动对准算法中计算β_p(t_M)的方法流程图。根据位置积分公式2中给出的定义，β_p(t_M)涉及到近似计算一个单重积分：以及两个双重积分： ${\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{n\left(\mathrm{\σ}\right)}^{n\left(0\right)}{\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\mathrm{d\σd\τ}$ 和 ${\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{n\left(\mathrm{\σ}\right)}^{n\left(0\right)}{g}^n\mathrm{d\σd\τ}.$ 假定更新区间内近似线性变化，gⁿ近似常值，β_p(t_M)可以根据下面的公式15迭代计算：

$\begin{array}{c}{u}_r\left(M\right)=u_r(M-1)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}[(\frac{T^2}{3}{\mathrm{\ω}}_{\mathrm{in}}^n\×+\frac{{5T}^3}{24}{({\mathrm{\ω}}_{\mathrm{in}}^n\×)}^2)v^n\left(t_{M-1}\right)+(\frac{T^2}{6}{\mathrm{\ω}}_{\mathrm{in}}^n\×+\frac{T^3}{8}{({\mathrm{\ω}}_{\mathrm{in}}^n\×)}^2)v^n\left(t_M\right)\\ +({\mathrm{T\ω}}_{\mathrm{in}}^n\×+\frac{T^2}{2}{({\mathrm{\ω}}_{\mathrm{in}}^n\×)}^2)\underset{m=01}{\overset{M-2}{\mathrm{\Σ}}}{R}_{\mathrm{ic}}^{-1}\left(t_m\right)(p\left(t_{m+1}\right)-p\left(t_m\right))]\end{array}$

$\begin{array}{c}{u}_v\left(M\right)=u_v(M-1)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}[(\frac{T^2}{3}\mathrm{I\ω}+\frac{T^3}{12}{\mathrm{\ω}}_{\mathrm{in}}^n\×){\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\left(t_{M-1}\right)+(\frac{T^2}{6}I+\frac{T^3}{12}{\mathrm{\ω}}_{\mathrm{in}}^n\×){\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\left(t_M\right)]\\ +T\underset{m=01}{\overset{M-2}{\mathrm{\Σ}}}{C}_{n\left(t_m\right)}^{n\left(0\right)}[(\frac{T}{2}I+\frac{T^2}{6}{\mathrm{\ω}}_{\mathrm{in}}^n\×){\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\left(t_m\right)+(\frac{T}{2}I+\frac{T^2}{3}{\mathrm{\ω}}_{\mathrm{in}}^n\×){\mathrm{\ω}}_{\mathrm{ie}}^n\×v^n\left(t_{m+1}\right)]\end{array}$

$u_g\left(M\right)=u_g(M-1)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}(\frac{T^2}{2}I+\frac{T^3}{6}{\mathrm{\ω}}_{\mathrm{in}}^n\×)g^n+T\underset{m=0}{\overset{M-2}{\mathrm{\Σ}}}{C}_{n\left(t_m\right)}^{n\left(0\right)}(\mathrm{TI}+\frac{T^2}{2}{\mathrm{\ω}}_{\mathrm{in}}^n\×)g^n$ ${{\mathrm{\β}}^{\′}}_p\left(M\right)={{\mathrm{\β}}^{\′}}_p(M-1)+R_{\mathrm{ic}}^{-1}\left(t_{M-1}\right)(p\left(t_M\right)-p\left(t_{M-1}\right))$

${\mathrm{\β}}_p\left(M\right)=C_{n\left(t_M\right)}^{n\left(0\right)}{{\mathrm{\β}}^{\′}}_p\left(M\right)-t_M{v}^n\left(0\right)-u_r\left(M\right)+u_v\left(M\right)-u_g\left(M\right)$

注意当M=0时，β′_p(0)=0_3×1。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (19)

1.一种惯性导航***的运动对准方法，该惯性导航***安装于运动载体上，其特征在于，该方法包括：

惯性导航***测量自身的转动信息和线加速度信息；

惯性导航***同步接收由外部辅助信息源提供的其在参考坐标系中的参考速度和位置信息；以及

惯性导航***对转动信息和线加速度信息以及参考速度和位置信息进行数据处理，得到自身在当前时刻的体坐标系相对于参考坐标系的姿态，包括：所述惯性导航***利用速度积分运动对准算法或位置积分运动对准算法对转动信息和线加速度信息以及参考速度和位置信息进行计算，得到姿态矩阵和以及初始姿态矩阵然后通过链式乘积规则得到自身在当前时刻t的体坐标系相对于参考坐标系的姿态，其中n代表参考坐标系，b代表体坐标系，0代表初始时刻，t_M＝M×T，T代表时间间隔，M为整数。

2.根据权利要求1所述的惯性导航***的运动对准方法，其特征在于，所述惯性导航***包括三轴陀螺和三轴加速度计，其中三轴陀螺用于测量转动角增量或角速度，三轴加速度计用于测量速度增量或比力。

3.根据权利要求1所述的惯性导航***的运动对准方法，其特征在于，所述惯性导航***利用速度积分运动对准算法或位置积分运动对准算法对转动信息和线加速度信息以及参考速度和位置信息进行计算的过程中，

采用的速度积分公式为：

$\begin{array}{c}{C}_b^n\left(0\right){\mathrm{\α}}_v={\mathrm{\β}}_v\\ {\mathrm{\α}}_v\stackrel{\mathrm{\Δ}}{=}{\∫}_0^t{C}_{b\left(t\right)}^{b\left(0\right)}{f}^{b}dt\\ {\mathrm{\β}}_v\stackrel{\mathrm{\Δ}}{=}{C}_{n\left(t\right)}^{n\left(0\right)}{v}^n-v^n\left(0\right)+{\∫}_0^t{C}_{n\left(t\right)}^{n\left(0\right)}{\mathrm{\ω}}_{ie}^n\×v^{n}dt-{\∫}_0^t{C}_{n\left(t\right)}^{n\left(0\right)}{g}^{n}dt\end{array}$ 公式1

采用的位置积分公式为：

$\begin{array}{c}{C}_b^n\left(0\right){\mathrm{\α}}_p={\mathrm{\β}}_p\\ {\mathrm{\α}}_p\stackrel{\mathrm{\Δ}}{=}{\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{b\left(\mathrm{\σ}\right)}^{b\left(0\right)}{f}^{b}d\mathrm{\σ}d\mathrm{\τ}\\ {\mathrm{\β}}_p\stackrel{\mathrm{\Δ}}{=}{C}_{n\left(t\right)}^{n\left(0\right)}{r}^n-{\mathrm{tv}}^n\left(0\right)-{\∫}_0^t{C}_{n\left(\mathrm{\τ}\right)}^{n\left(0\right)}{\mathrm{\ω}}_{in}^n\×r^{n}d\mathrm{\τ}\\ +{\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{n\left(\mathrm{\σ}\right)}^{n\left(0\right)}{\mathrm{\ω}}_{ie}^n\×v^{n}d\mathrm{\σ}d\mathrm{\τ}-{\∫}_0^t{\∫}_0^{\mathrm{\τ}}{C}_{n\left(\mathrm{\σ}\right)}^{n\left(0\right)}{g}^{n}d\mathrm{\σ}d\mathrm{\τ}\end{array}$ 公式2

其中，为从体坐标系到参考坐标系的姿态矩阵，其正交且行列式为1，为姿态矩阵在初始时刻的取值，f^b为加速度计测量到的比力，vⁿ＝[v_Nv_Uv_E]^T为惯性导航***在参考坐标系中表示的对地速度，vⁿ(0)为对地速度在初始时刻的取值，是参考坐标系中表示的地球角速度，gⁿ是参考坐标系中表示的当地重力加速度，rⁿ定义为对地速度的积分 $r^n\left(t\right)={\∫}_0^t{v}^{n}dt={\∫}_0^t{R}_{ic}\stackrel{\·}{p}dt,$ 其中 $R_{ic}=\left[\begin{array}{ccc}0& R_N+h& 0\\ 0& 0& 1\\ (R_E+h)\cos L& 0& 0\end{array}\right],$ 以当地地理坐标表示的惯性导航***位置 $p\stackrel{\mathrm{\Δ}}{=}{\left[\begin{array}{ccc}\mathrm{\λ}& L& h\end{array}\right]}^T,$ λ，L，h分别代表经度，纬度，高度；R_E和R_N分别是当地的卯酉圈曲率半径和子午圈曲率半径。

4.根据权利要求3所述的惯性导航***的运动对准方法，其特征在于，所述惯性导航***利用速度积分运动对准算法或位置积分运动对准算法对转动信息和线加速度信息以及参考速度和位置信息进行计算，得到姿态矩阵和包括：

是参考坐标系相对于惯性坐标系角速度的函数，选择北天东水平坐标系为参考坐标系，与速度和位置的关系如下：

${\mathrm{\ω}}_{in}^n={\mathrm{\ω}}_{ie}^n+{\mathrm{\ω}}_{en}^n=\mathrm{\Ω}\left[\begin{array}{c}\cos L\\ \sin L\\ 0\end{array}\right]+\left[\begin{array}{c}{v}_E/(R_E+h)\\ v_E\tan L/(R_E+h)\\ -v_N/(R_N+h)\end{array}\right]$

其中地球自转角速率Ω≈7.292115×10^-5rad/s，考虑为小量，在一个更新时间区间内，参考坐标系相对惯性坐标系的旋转向量根据方向余弦矩阵和旋转向量之间的转化关系

再由姿态矩阵的链式乘积规则，得到

由于惯性导航***的体坐标系相对于惯性坐标系的变化较快，对应的旋转向量通常需要进行圆锥补偿；假定在一个更新时间区间内，陀螺先后两次采样，记作Δθ₁，Δθ₂，加速度计先后两次采样，记作Δv₁，Δv₂；惯性导航***体坐标系相对于惯性坐标系的旋转向量可近似为根据方向余弦矩阵和旋转向量之间的转化关系

同样由姿态矩阵的链式乘积规则，得到

5.根据权利要求4所述的惯性导航***的运动对准方法，其特征在于，所述和的计算是并列关系，没有时间先后顺序，且当M＝0时和均为单位矩阵。

6.根据权利要求4所述的惯性导航***的运动对准方法，其特征在于，所述惯性导航***利用速度积分运动对准算法对转动信息和线加速度信息以及参考速度和位置信息进行计算，得到初始姿态矩阵包括：

计算向量α_v(t_M)；

计算向量β_v(t_M)；

计算矩阵K(t_M)；以及

计算

7.根据权利要求6所述的惯性导航***的运动对准方法，其特征在于，所述计算向量α_v(t_M)包括：

根据公式1中的即α_v(t_M)涉及到近似计算变换后的比力的积分利用一次更新时间区间T内的先后两次角增量和速度增量采样，并进行相应的划摇补偿，α_v(t_M)能够根据下式迭代计算

$u={\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2+\frac{1}{2}({\mathrm{\Δ\θ}}_1+{\mathrm{\Δ\θ}}_2)\×({\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2)+\frac{2}{3}({\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_2+{\mathrm{\Δv}}_1\×{\mathrm{\Δ\θ}}_2)$

${\mathrm{\α}}_v\left(t_M\right)={\mathrm{\α}}_v\left(t_{M-1}\right)+C_{b\left(t_{M-1}\right)}^{b\left(0\right)}u$

其中当M＝0时，α_v(0)＝0_3×1。

8.根据权利要求6所述的惯性导航***的运动对准方法，其特征在于，所述计算向量β_v(t_M)包括：

重力加速度gⁿ是位置的函数，能够根据重力场模型计算得到，而β_v(t_M)的计算用到了外部速度和位置信息，根据速度积分公式1中给出的定义，β_v(t_M)涉及到近似计算两个积分：和假定更新区间内近似线性变化，gⁿ近似常值，β_v(t_M)能够根据下式迭代计算

$u=(\frac{T}{2}I+\frac{T^2}{6}{\mathrm{\ω}}_{in}^n\×){\mathrm{\ω}}_{ie}^n\×v^n\left(t_{M-1}\right)+(\frac{T}{2}I+\frac{T^2}{3}{\mathrm{\ω}}_{in}^n\×){\mathrm{\ω}}_{ie}^n\×v^n\left(t_M\right)-(TI+\frac{T^2}{2}{\mathrm{\ω}}_{in}^n\×)g^n$

${\mathrm{\β}}_v^{\′}\left(t_M\right)={\mathrm{\β}}_v^{\′}\left(t_{M-1}\right)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}u$

${\mathrm{\β}}_v\left(t_M\right)=C_{n\left(t_M\right)}^{n\left(0\right)}{v}^n-v^n\left(0\right)+{\mathrm{\β}}_v^{\′}\left(t_M\right)$

其中当M＝0时，β′_v(0)＝0_3×1。

9.根据权利要求6所述的惯性导航***的运动对准方法，其特征在于，所述计算矩阵K(t_M)包括：

定义如下4×4矩阵其中使用了两个特殊的四元数乘法矩阵；对于三维向量r，四元数乘法矩阵的定义如下

$\stackrel{+}{\[r\]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& -r^T\\ r& (r\×)\end{array}\right],\stackrel{-}{\[r\]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& -r^T\\ r& -(r\×)\end{array}\right],$ 其中r×为r的反对称矩阵；

假定被积函数在更新区间内近似常值，K(t_M)能够根据下式迭代计算

$K\left(t_M\right)=K\left(t_{M-1}\right)+T{(\stackrel{+}{\left[{\mathrm{\β}}_v\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_v\left(t_M\right)\right]})}^T(\stackrel{+}{\left[{\mathrm{\β}}_v\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_v\left(t_M\right)\right]})$

其中当M＝0时，K(0)＝0_4×4。

10.根据权利要求6所述的惯性导航***的运动对准方法，其特征在于，所述计算包括：

满足的初始姿态矩阵所对应的姿态四元数是矩阵K的最小特征值所对应的特征向量，记作q；在标准算法库中能够找到成熟算法用来求解4×4矩阵K(t_M)的特征向量，将q写成[sη^T]^T，s和η分别代表四元数q的标量部分和向量部分，根据方向余弦矩阵和四元数之间的转化关系，得到 $C_b^n\left(0\right)=(s^2-{\mathrm{\η}}^T\mathrm{\η})I+2{\mathrm{\η\η}}^T+2s(\mathrm{\η}\×).$

11.根据权利要求4所述的惯性导航***的运动对准方法，其特征在于，所述惯性导航***利用位置积分运动对准算法对转动信息和线加速度信息以及参考速度和位置信息进行计算，得到初始姿态矩阵包括：

计算向量α_p(t_M)；

计算向量β_p(t_M)；

计算矩阵K(t_M)；以及

计算

12.根据权利要求11所述的惯性导航***的运动对准方法，其特征在于，所述计算向量α_p(t_M)包括：

根据位置积分公式2中给出的定义，α_p(t_M)涉及到近似计算变换后的比力的双重积分利用一次更新时间区间内的先后两次角增量和速度增量采样，并进行相应的卷轴补偿，α_p(t_M)能够根据下式迭代计算

$u=\frac{T}{30}(25{\mathrm{\Δv}}_1+5{\mathrm{\Δv}}_2+12{\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_1+8{\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_2+2{\mathrm{\Δv}}_1\×{\mathrm{\Δ\θ}}_2+2{\mathrm{\Δ\θ}}_2\×{\mathrm{\Δv}}_2)$

$u_p\left(M\right)=u_p(M-1)+C_{b\left(t_{M-1}\right)}^{b\left(0\right)}u$

${\mathrm{\α}}_p\left(t_M\right)=u_p\left(M\right)+T\underset{m=0}{\overset{M-2}{\Σ}}{C}_{b\left(t_m\right)}^{b\left(0\right)}({\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2+\frac{1}{2}({\mathrm{\Δ\θ}}_1+{\mathrm{\Δ\θ}}_2)\×({\mathrm{\Δv}}_1+{\mathrm{\Δv}}_2)+\frac{2}{3}({\mathrm{\Δ\θ}}_1\×{\mathrm{\Δv}}_2+{\mathrm{\Δv}}_1\×{\mathrm{\Δ\θ}}_2\left)\right)$

其中当M＝0时，α_p(0)＝0_3×1；对于其他子样数目的情形，卷轴补偿u的计算将有所不同。

13.根据权利要求11所述的惯性导航***的运动对准方法，其特征在于，所述计算向量β_p(t_M)包括：

根据位置积分公式2中给出的定义，β_p(t_M)涉及到近似计算一个单重积分：以及两个双重积分：和假定更新区间内近似线性变化，gⁿ近似常值，β_p(t_M)可以根据下式迭代计算

$\begin{array}{c}{u}_r\left(M\right)=u_r\left(M-1\right)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}\[\left(\frac{T^2}{3}{\mathrm{\ω}}_{in}^n\×+\frac{5T^3}{24}{\left({\mathrm{\ω}}_{in}^n\×\right)}^2\right)v^n\left(t_{M-1}\right)+\left(\frac{T^2}{6}{\mathrm{\ω}}_{in}^n\×+\frac{T^3}{8}{\left({\mathrm{\ω}}_{in}^n\×\right)}^2\right)v^n\left(t_M\right)\\ +\left({\mathrm{T\ω}}_{in}^n\×+\frac{T^2}{2}{\left({\mathrm{\ω}}_{in}^n\×\right)}^2\right)\underset{m=0}{\overset{M-2}{\Σ}}{R}_{ic}^{-1}\left(t_m\right)\left(p\left(t_{m+1}\right)-p\left(t_m\right)\right)\]\end{array}$

$\begin{array}{c}{u}_v\left(M\right)=u_v\left(M-1\right)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}\[\left(\frac{T^2}{3}I+\frac{T^3}{12}{\mathrm{\ω}}_{in}^n\×\right){\mathrm{\ω}}_{ie}^n\×v^n\left(t_{M-1}\right)+\left(\frac{T^2}{6}I+\frac{T^3}{12}{\mathrm{\ω}}_{in}^n\×\right){\mathrm{\ω}}_{ie}^n\×v^n\left(t_M\right)\]\\ +T\underset{m=0}{\overset{M-2}{\Σ}}{C}_{n\left(t_m\right)}^{n\left(0\right)}\[\left(\frac{T}{2}I+\frac{T^2}{6}{\mathrm{\ω}}_{in}^n\×\right){\mathrm{\ω}}_{ie}^n\×v^n\left(t_m\right)+\left(\frac{T}{2}I+\frac{T^2}{3}{\mathrm{\ω}}_{in}^n\×\right){\mathrm{\ω}}_{ie}^n\×v^n\left(t_{m+1}\right)\]\end{array}$

$u_g\left(M\right)=u_g(M-1)+C_{n\left(t_{M-1}\right)}^{n\left(0\right)}(\frac{T^2}{2}I+\frac{T^3}{6}{\mathrm{\ω}}_{in}^n\×)g^n+T\underset{m=0}{\overset{M-2}{\Σ}}{C}_{n\left(t_m\right)}^{n\left(0\right)}(TI+\frac{T^2}{2}{\mathrm{\ω}}_{in}^n\×)g^n$

${\mathrm{\β}}_p^{\′}\left(M\right)={\mathrm{\β}}_p^{\′}(M-1)+R_{ic}^{-1}\left(t_{M-1}\right)\left(p\right(t_M)-p(t_{M-1}\left)\right)$

${\mathrm{\β}}_p\left(M\right)=C_{n\left(t_M\right)}^{n\left(0\right)}{\mathrm{\β}}_p^{\′}\left(M\right)-t_M{v}^n\left(0\right)-u_r\left(M\right)+u_v\left(M\right)-u_g\left(M\right)$

其中当M＝0时，β′_p(0)＝0_3×1。

14.根据权利要求11所述的惯性导航***的运动对准方法，其特征在于，所述计算矩阵K(t_M)，其计算过程与采用速度积分运动对准算法计算矩阵K(t_M)的过程基本相同，不同之处在于用β_p替代β_v，α_p替代α_v，具体包括：

定义如下4×4矩阵 $K\left(t\right)={\∫}_0^t{\left(\stackrel{+}{\[{\mathrm{\β}}_p\]}-\stackrel{-}{\[{\mathrm{\α}}_p\]}\right)}^T\left(\stackrel{+}{\[{\mathrm{\β}}_p\]}-\stackrel{-}{\[{\mathrm{\α}}_p\]}\right)dt,$ 其中使用了两个特殊的四元数乘法矩阵；对于三维向量r，四元数乘法矩阵的定义如下：

$\stackrel{+}{\[r\]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& -r^T\\ r& (r\×)\end{array}\right],\stackrel{-}{\[r\]}\stackrel{\mathrm{\Δ}}{=}\left[\begin{array}{cc}0& -r^T\\ r& -(r\×)\end{array}\right],$ 其中r×为r的反对称矩阵；

假定被积函数在更新区间内近似常值，K(t_M)能够根据下式迭代计算

$K\left(t_M\right)=K\left(t_{M-1}\right)+T{(\stackrel{+}{\left[{\mathrm{\β}}_p\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_p\left(t_M\right)\right]})}^T(\stackrel{+}{\left[{\mathrm{\β}}_p\left(t_M\right)\right]}-\stackrel{-}{\left[{\mathrm{\α}}_p\left(t_M\right)\right]})$

其中当M＝0时，K(0)＝0_4×4。

15.根据权利要求11所述的惯性导航***的运动对准方法，其特征在于，所述计算其计算过程与采用速度积分运动对准算法计算的过程基本相同，不同之处在于用β_p替代β_v，α_p替代α_v，具体包括：

满足的初始姿态矩阵所对应的姿态四元数是矩阵K的最小特征值所对应的特征向量，记作q；在标准算法库中能够找到成熟算法用来求解4×4矩阵K(t_M)的特征向量，将q写成[sη^T]^T，s和η分别代表四元数q的标量部分和向量部分，根据方向余弦矩阵和四元数之间的转化关系，得到 $C_b^n\left(0\right)=(s^2-{\mathrm{\η}}^T\mathrm{\η})I+2{\mathrm{\η\η}}^T+2s(\mathrm{\η}\×).$

16.根据权利要求1所述的惯性导航***的运动对准方法，其特征在于，所述外部辅助信息源是能够提供所需速度和位置信息的设备或方式。

17.根据权利要求16所述的惯性导航***的运动对准方法，其特征在于，所述外部辅助信息源是全球卫星定位***GPS。

18.根据权利要求16所述的惯性导航***的运动对准方法，其特征在于，根据运动对准的不同精度要求，所述外部辅助信息源是以精确测量的方式或者是以近似估算的方式提供所需的速度和位置信息。

19.根据权利要求16所述的惯性导航***的运动对准方法，其特征在于，所述外部辅助信息源经由杆臂补偿后向惯性导航***提供参考坐标系中的速度和位置信息。