Stellar-40 战术级惯性导航系统

---

推算定位是一种在没有 GNSS 信号的情况下进行导航的方法，它依靠惯性和其他传感器数据来保持连续追踪。通常，当 GNSS 丢失时，系统会完全失去位置信息。而通过推算定位，系统会计算出一个连续的位置，该位置随时间推移会缓慢漂移。此漂移速率取决于内部 IMU 的质量以及外部辅助传感器的可用性。

Stellar-40 使用我们专有的 sbgECom 协议，该协议利用定义清晰的消息帧。使用这些预定义的消​​息，系统可以无缝获取来自任何能够提供该信息的外部传感器的航空数据、机体速度和绝对位置数据。

不需要，因为这不是必需的。Stellar-40 的先进传感器融合算法会自动实时计算和估计风况，无需您手动输入。

对于陆地平台，Stellar-40 支持多种辅助输入，以提高导航精度，尤其是在 GNSS 信号受限的环境中。这些辅助输入包括硬件里程计（轮式里程计）、来自外部传感器（如 LiDAR 或光学传感器）的速度辅助以及绝对位置辅助。

正确的选择取决于您的操作环境。强烈建议经常暴露在恶劣、振动环境中的平台（例如远程打击无人机或无人地面车辆 (UGV)）使用阻尼版本。如果您不确定哪个版本适合您的应用，我们的支持团队随时准备协助您做出正确的选择。

什么是 SBAS？

星基增强系统 (SBAS) 是一种 GNSS 增强技术，可提高卫星定位的精度、完整性、可用性和连续性。SBAS 最初是为了支持航空而开发的，现已成为无人机、海洋导航、精密农业、GIS 测绘、自动驾驶汽车和惯性导航系统 (INS) 等应用的有价值的导航辅助工具。与实时动态 (RTK) 或精密单点定位 (PPP) 不同，SBAS 无需本地基站或互联网连接即可提供免费的米级定位。

独立 GNSS 接收机通过测量来自 GPS、Galileo、GLONASS 或 BeiDou 等卫星星座的伪距来确定其位置。然而，这些测量会受到多种误差源的影响，包括卫星钟差、轨道（星历）误差、电离层延迟、对流层延迟、接收机噪声和多径效应。SBAS 持续估计这些误差中的最大值，并广播实时校正信息，从而显著改善导航解算结果。

SBAS 架构依赖于分布在某一区域内的、经过精确定位测量的一组参考站。这些站持续监控 GNSS 信号，并将测得的卫星距离与已知位置进行比较，以估计卫星时钟、轨道和电离层误差。测量结果被传输到主控中心，主控中心结合所有参考站的数据生成校正消息和完整性信息。然后，这些消息被上行传输到对地静止卫星，由其将消息重播给支持 SBAS 的 GNSS 接收机。接收机在计算其位置之前应用这些校正，从而有效地减少影响伪距测量的主导误差源。

数学上，校正后的伪距可以表示为：

P校正后​ = P测量值​ − Δ时钟 ​− Δ轨道​ − Δ电离层​

其中 Pmeasured 是原始伪距测量值，Δclock 代表卫星钟差修正，Δorbit​（译注：此处保留英文对应结构，即轨道修正）是轨道修正，而 Δiono 是电离层延迟修正。

这些差分修正通常将独立的 GNSS 水平定位误差从大约 3–10 米降低至 1–2 米左右。尽管此精度水平低于使用 RTK 或 PPP 实现的厘米级性能，但 SBAS 具备一个重大优势：完整性监测。SBAS 不仅能改善定位精度，还能持续评估每个受监测卫星的健康状况，并在卫星因时钟异常、轨道误差或信号退化而变得不可靠时迅速向用户发出警报。对于用户必须确认导航解是否可靠的安全关键型应用而言，该功能至关重要。

全球各地运行着几个区域性 SBAS 服务。其中包括北美的 WAAS、欧洲的 EGNOS、日本的 MSAS、印度的 GAGAN、俄罗斯的 SDCM、韩国的 KASS 以及澳大利亚和新西兰的 SouthPAN. 现代多频 GNSS 接收机通常会根据其地理位置自动支持多个 SBAS 服务。

对于惯性导航系统，SBAS 提供了一个更精准、更可靠的 GNSS 参考，从而提升了传感器融合性能。扩展卡尔曼滤波 (EKF) 利用修正后的 GNSS 位置和速度测量值，定期限定惯性传感器累积的漂移。与独立的 GNSS 相比，SBAS 减少了测量噪声和与卫星相关的偏差，从而提供更稳定的位置和速度更新，同时为导航算法提供有价值的完整性信息。然而，SBAS 并不能提高 GNSS 的更新率，也无法补偿 GNSS 信号中断。在信号中断期间，整体导航性能主要仍取决于 IMU 的质量以及 INS 估计算法的有效性。

因此，对于需要免费、全球可用、米级定位且具备高可靠性和完整性的应用而言，SBAS 是一个极佳的解决方案。它尤其适用于自动驾驶汽车、无人机、船舶导航、精细农业以及工业系统，在这些场景中，稳健的导航比实现厘米级精度更为重要。当应用需要测量级定位时，RTK 或 PPP 仍然是首选的修正技术，而 SBAS 则可作为常规 GNSS 导航的可靠且广泛可用的增强手段。

惯性导航系统如何在 GNSS 信号中断期间维持定位

1 – 惯性导航系统与 GNSS 集成

惯性导航系统 (INS) 根据机载惯性测量值来确定位置、速度和方向。在其核心，惯性测量单元 (IMU) 结合了三个加速度计和三个陀螺仪。加速度计测量比力，而陀螺仪测量沿三个正交轴的角速率。

导航计算机以高频率处理这些测量值。首先，它积分陀螺仪测量值以估计姿态的变化。然后，它将测得的加速度转换到导航坐标系中，并补偿重力和其他已知影响。最后，它积分加速度以估计速度和位置。此过程使 INS 能够在不依赖外部信号的情况下连续输出导航解。

当 GNSS 可用时，INS 通常作为集成式 GNSS/INS 解决方案的一部分运行。GNSS 提供位置和速度的外部参考，而 IMU 则提供高频运动测量。导航滤波结合这两种数据源来估计车辆状态并约束惯性误差。

当 GNSS 信号不可用时，系统将过渡到惯性推算，通常被称为推算定位。INS 继续对上一个已知导航状态下的陀螺仪和加速度计测量值进行积分。因此，它可以在信号中断期间维持连续的位置、速度和姿态输出。

然而，惯性导航并不能消除信号中断期间的定位误差。传感器偏差、噪声、比例因子误差、不对准和其他不完美因素会通过积分不断累积。具体而言，加速度计误差会影响速度进而影响位置，而陀螺仪误差会影响姿态，并通过不正确的重力补偿引入额外的定位误差。

因此，GNSS 信号中断的持续时间和幅度直接影响最终的定位不确定性。高性能惯性传感器可减小误差增长，并允许系统在累积漂移变得显著之前跨越更长时间的中断。

凭借近二十年设计和制造惯性传感器的经验，SBG Systems 开发了 IMU 和 INS 技术，旨在当 GNSS 可用性受限或中断时提供可靠的导航性能。

2 – 卡尔曼滤波与传感器融合

传感器融合允许 GNSS/INS 系统结合具有不同特性的测量值。IMU 提供连续、高频的测量，但会随时间累积误差。GNSS 提供绝对位置参考，但可能会不可用或更新频率降低。导航滤波结合了这些互补特性来估计车辆的状态。

卡尔曼滤波被广泛用于这种类型的状态估计。在实际的 INS 应用中，系统通常使用扩展卡尔曼滤波 (EKF)，因为描述车辆运动和姿态的方程是非线性的。EKF 在处理来自可用传感器的测量值的同时，维护对导航状态及其不确定性的估计。

该过程包含两个基本步骤：预测和测量更新。

在预测期间，滤波器使用先前的导航状态和最新的 IMU 测量值来估计下一个状态。它还会传播相关的的不确定性。在测量更新期间，滤波器将可用的外部测量值与预测状态进行比较。然后，它利用差值（即新息）来更新状态估计并降低其不确定性。

在 GNSS/INS 系统中，GNSS 测量值提供限制惯性漂移的外部观测值。当系统模型和可用测量值使这些参数可观测时，滤波器还可以估计加速度计和陀螺仪偏差等参数。

这一区别很重要：卡尔曼滤波并不仅仅是简单地消除每个机载传感器的每一个误差。相反，它通过数学模型和可用的测量值来估计导航状态及相关误差状态。由于无法完全消除传感器缺陷、模型不准确和未观测到的干扰，残余误差依然存在。

当 GNSS 不可用时，滤波器可以使用惯性测量值继续递推导航解。然而，在没有外部观测的情况下，系统约束其误差状态的机会就会减少。因此，随着中断持续，不确定性会增加。当 GNSS 测量值再次可用时，滤波器会将其与惯性解进行比较，并利用产生的创新项（新息）来修正估计状态和累积误差。这使得 GNSS/INS 系统能够在 GNSS 辅助导航和惯性递推之间平稳过渡。