【组合导航】基于惯性导航算法PSINS和IMU数据惯性导航解算（导航结果与参考结果对比）附Matlab代码和报告

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

在现代导航技术领域，惯性导航凭借其自主性强、隐蔽性好、可连续实时输出导航信息优势，广泛应用于航空、航天、航海等诸多领域。惯性导航系统（INS）主要依赖惯性测量单元（IMU）采集的数据，通过特定算法进行导航解算。PSINS（Portable SINS，便携式惯性导航系统）算法作为一种高效的惯性导航算法，能够充分利用 IMU 数据实现精准导航解算。本文将详细介绍基于 PSINS 算法和 IMU 数据的惯性导航解算过程，并通过将导航结果与参考结果进行对比，评估其导航性能。

一、PSINS 算法与 IMU 原理概述

（一）PSINS 算法简介

PSINS 算法是一种基于开源代码开发的便携式惯性导航算法框架，它融合了经典的惯性导航理论与现代优化算法，能够实现高精度的导航解算。该算法支持多种惯性导航系统的配置，可根据不同的应用场景和需求进行灵活调整。PSINS 算法的核心包括姿态更新、速度更新和位置更新等模块，通过对 IMU 采集的加速度计和陀螺仪数据进行处理，逐步推算出载体的姿态、速度和位置信息 。

（二）IMU 工作原理

惯性测量单元（IMU）通常由三轴加速度计和三轴陀螺仪组成。三轴加速度计基于牛顿第二定律，通过检测质量块在三个正交方向上的加速度引起的力，将其转换为电信号，从而测量载体在三个维度上的加速度；三轴陀螺仪则利用科里奥利力原理，测量载体绕三个正交轴的角速度。IMU 以较高的频率实时采集加速度和角速度数据，为惯性导航解算提供原始信息。然而，由于传感器自身存在误差，如零偏、噪声等，这些误差会随着时间累积，导致导航结果的精度下降，因此需要通过算法对数据进行处理和补偿 。

二、基于 PSINS 和 IMU 数据的惯性导航解算流程

（一）数据采集与预处理

1. 数据采集：使用 IMU 以固定的采样频率（如 100Hz、200Hz 等）采集载体的加速度和角速度数据。在实际应用中，可通过数据采集卡或无线传输模块将 IMU 采集的数据传输到计算机或嵌入式设备中，以便进行后续处理。

1. 数据预处理：对采集到的数据进行预处理，包括去除异常值、滤波处理等。常见的滤波方法有卡尔曼滤波、互补滤波等，通过滤波可以有效降低传感器噪声的影响，提高数据的准确性和可靠性。例如，采用卡尔曼滤波对加速度计和陀螺仪数据进行融合处理，能够同时估计传感器的真实信号和噪声状态，实现对数据的最优估计。

（二）姿态更新

PSINS 算法中，姿态更新是关键步骤之一。通常采用四元数或方向余弦矩阵来表示载体的姿态。基于陀螺仪采集的角速度数据，通过积分运算可以更新四元数或方向余弦矩阵，从而得到载体在不同时刻的姿态信息。为了提高姿态更新的精度，还需要考虑陀螺仪的漂移误差，可采用误差补偿算法对陀螺仪数据进行修正。例如，利用陀螺仪的零偏补偿模型，根据预先标定的零偏参数对陀螺仪输出进行校正，减少漂移误差对姿态更新的影响 。

（三）速度更新

在姿态更新的基础上，结合加速度计采集的加速度数据和载体的姿态信息，进行速度更新。首先将加速度计测量的比力信息转换到导航坐标系下，然后扣除重力加速度的影响，得到载体在导航坐标系下的加速度。通过对加速度进行积分运算，即可得到载体的速度。同样，在速度更新过程中，也需要考虑加速度计的误差，如刻度因子误差、安装误差等，通过误差补偿算法对加速度计数据进行修正，提高速度更新的准确性 。

（四）位置更新

根据更新后的速度信息，通过积分运算实现位置更新。在地球坐标系下，考虑地球的曲率和自转等因素，将速度转换为位置增量，逐步计算出载体的位置坐标（如经度、纬度、高度）。在位置更新过程中，还可以结合外部辅助信息（如卫星导航信号）对惯性导航结果进行修正，进一步提高位置精度 。

⛳️ 运行结果

📣 部分代码

function ins = initIns(avp0, ts)

global glv

avp0 = avp0(:);

[qnb0, vn0, pos0] = setvals(a2qua(avp0(1:3)), avp0(4:6), avp0(7:9));

ins = [];

ins.ts = ts; ins.nts = 2*ts;

[ins.qnb, ins.vn, ins.pos] = setvals(qnb0, vn0, pos0);

ins.vn0 = vn0; ins.pos0 = pos0;

[ins.qnb, ins.att, ins.Cnb] = attsyn(ins.qnb); ins.Cnb0 = ins.Cnb;

ins.avp = [ins.att; ins.vn; ins.pos];

ins.eth = ethInit(ins.pos, ins.vn);

ins.Mpv = [ 1/ins.eth.RMh, 0,0; 0, 1/ins.eth.clRNh, 0; 0, 0, -1];

glv.wm_1 = zeros(3,1)'; glv.vm_1 = zeros(3,1)'; % 方便圆锥补偿和划桨补偿，它俩对应的是上一时刻的速度和角度增量

ins.an = zeros(3,1); %上一个时刻的加速度

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇