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维持持续追踪。通常，当丢失 GNSS 信号时，系统会完全失去位置。有了推算定位，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。这种漂移的速度取决于内部 IMU 的质量以及外部辅助传感器的可用性。

Stellar-40 采用我们专有的 sbgECom 协议，该协议使用定义明确的消息帧。借助这些预定义的消息，系统能够从任何能够提供此类信息的外部传感器中无缝采集气动数据、机身速度和绝对位置数据。

不，因为这并非必需。Stellar-40 采用先进的传感器融合算法，可自动实时计算和估算风况，因此无需您手动输入。

对于陆地平台，Stellar-40 支持多种辅助输入，以提高导航精度，尤其是在无 GNSS 环境中。这些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运行环境。对于处于恶劣、振动环境中的平台（例如深穿透无人机或无人地面车辆（UGV）），我们强烈推荐使用带阻尼的版本。如果您不确定哪种版本适合您的应用场景，我们的支持团队随时准备为您提供帮助，助您做出正确的选择。

什么是SBAS？

基于卫星的增强系统 (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 最初为支持航空而开发，现已成为无人机、海洋导航、精准农业、GIS 测绘、自动驾驶汽车和惯性导航系统 (INS) 等应用的宝贵导航辅助工具。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。

独立的 GNSS 接收机通过测量来自 GPS、Galileo、GLONASS 或北斗等星座卫星的伪距来确定其位置。然而，这些测量结果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 会持续估计这些误差中影响最大的部分，并广播实时校正数据，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一组经过精确测量的参考站。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，以估计卫星钟差、轨道和电离层误差。这些测量数据会被传输至主控中心，中心将来自所有参考站的数据结合起来，生成校正信息和完整性信息。随后，这些信息被上行传输至地球同步卫星，再由其转发给支持 SBAS 的 GNSS 接收机。接收机在计算位置之前会应用这些校正数据，从而有效减少影响伪距测量的主导误差源。

从数学上讲，校正后的伪距可表示为：

P已更正​ = P测量值​ − Δ时钟 ​− Δ轨道​ − Δ离子​

其中 Pmeasured 是原始伪距测量值， Δ时钟 表示卫星时钟修正值， Δ轨道​ 是轨道修正量，而 Δiono 是电离层延迟校正。

这些校正通常可将独立的 GNSS 水平定位误差从大约 3–10 米缩减至 1–2 米左右。尽管这一精度水平低于通过 RTK 或 PPP 实现的厘米级性能，但 SBAS 提供了一个重大优势：完整性监测。SBAS 不仅能提高定位精度，还会持续评估每个受监控卫星的健康状况，并在卫星因时钟异常、轨道误差或信号衰减而变得不可靠时迅速向用户发出警报。对于必须确知导航解算结果是否可信的安全关键型应用而言，此功能至关重要。

全球运行着多个区域性 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种 SBAS 服务。

对于惯性导航系统，SBAS 提供更准确、更可靠的 GNSS 参考，可提升传感器融合性能。扩展卡尔曼滤波 (EKF) 使用校正后的 GNSS 位置和速度测量值来定期限制惯性传感器累积的漂移。与独立 GNSS 相比，SBAS 减少了测量噪声和与卫星相关的偏差，从而产生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。但是，SBAS 不会提高 GNSS 更新率，也无法弥补 GNSS 中断。在信号中断期间，整体导航性能仍然主要取决于 IMU 的质量和 INS 估计算法的有效性。

因此，对于需要免费、全球可用、达到米级定位精度且具有高可靠性和完整性的应用而言，SBAS 是一个绝佳的解决方案。它特别适用于自动驾驶汽车、无人机、海洋导航、农业和工业系统，在这些领域中，强大的导航能力比实现厘米级精度更为重要。当应用需要测绘级定位时，RTK 或 PPP 仍然是首选的校正技术，而 SBAS 则可作为传统 GNSS 导航的一种可靠且广泛使用的增强手段。

惯性导航系统如何在 GNSS 信号中断期间保持定位

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、速度和姿态。其核心是惯性测量单元 (IMU)，它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数据。首先，它对陀螺仪的测量数据进行积分，以估算姿态的变化。然后，它将测得的加速度转换到导航坐标系中，并补偿重力及其他已知影响。最后，它对加速度进行积分，以估算速度和位置。这一过程使INS 能够在不依赖外部信号的情况下，持续推导出导航解。

当 GNSS 可用时，INS 通常作为集成 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 提供高频运动测量。导航滤波结合了这两种来源来估计车辆的状态并约束惯性误差。

当 GNSS 信号不可用时，系统将转入惯性传播，这通常被描述为推算定位。INS 会继续对来自最后一个已知导航状态的陀螺仪和加速度计测量值进行积分。因此，它能够在信号中断期间连续输出位置、速度和姿态。

然而，惯性导航并不能在信号中断期间消除定位误差。传感器偏差、噪声、比例因子误差、不对准以及其他缺陷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 中断的持续时间和幅度会直接影响最终的位置不确定性。高性能惯性传感器可减少误差增长，并允许系统在累积漂移变得显著之前弥补更长时间的中断。

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 提供连续的高频测量，但误差会随时间累积。GNSS 提供绝对位置参考，但可能会不可用或更新频率较低。导航滤波结合了这些互补特性来估计车辆状态。

卡尔曼滤波器广泛用于此类状态估计。在实际的INS 应用中，由于描述车辆运动和姿态的方程是非线性的，系统通常采用扩展卡尔曼滤波器（EKF）。EKF在处理来自可用传感器的测量数据的同时，会持续维护对导航状态及其不确定度的估计。

该过程包括两个基本步骤：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。它还会传播相关的测不准度。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 测量值提供外部观测值来约束惯性漂移。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：卡尔曼滤波器并非简单地消除每个机载传感器上的所有误差。相反，它是根据数学模型和可用的测量数据，对导航状态及相关误差状态进行估计。由于无法完全消除传感器的不完美、模型的不准确性以及未观测到的扰动，因此仍会残留误差。

当 GNSS 不可用时，滤波器可以使用惯性测量值继续传播导航解决方案。但是，如果没有外部观测，系统约束其误差状态的机会就会减少。因此，不确定性会随着中断的持续而增加。当 GNSS 测量值再次可用时，滤波器会将其与惯性解决方案进行比较，并使用由此产生的创新来校正估计的状态和累积误差。这使 GNSS/INS 系统能够在 GNSS 辅助导航和惯性传播之间平稳过渡。