【卫星】基于惯性导航系统INS的自主航空器导航GNSS完好性监测附matlab代码

✅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代码获取及仿真咨询内容私信。

🔥 内容介绍

一、引言：自主航空器导航的 “安全红线”——GNSS 完好性刚需

在无人机物流、城市空中交通（UAM）、特种作业航空器等自主飞行场景中，导航系统的可靠性直接决定飞行安全。GNSS（如北斗、GPS）作为主流绝对定位手段，虽能提供全局位置信息，但易受复杂环境干扰：城市峡谷中信号被高楼遮挡导致 “失锁”，电磁干扰引发伪距偏差，多路径效应造成定位跳变，甚至人为欺骗攻击可能诱导导航失效。

而惯性导航系统（INS）具备完全自主、无外界依赖、高频输出（100Hz+）的特性，能通过陀螺仪测角速度、加速度计测线加速度，实时推算航空器位置、速度与姿态 —— 但 INS 存在 “误差累积” 短板，随时间推移（如 MEMS 级 INS 每小时位置误差可达数百米），单独依赖难以满足长时导航需求。

基于此，“INS+GNSS” 组合导航成为自主航空器的主流方案，而 “GNSS 完好性监测” 是这套方案的核心安全保障：它通过 INS 的自主推算结果，实时校验 GNSS 数据的可靠性，一旦发现 GNSS 存在异常偏差，立即触发告警或切换至 INS 主导导航，避免因 GNSS 故障导致的飞行事故，是自主航空器跨越 “安全红线” 的关键技术。

二、核心理论：GNSS 完好性与 INS 的互补逻辑

（一）GNSS 完好性的核心指标：定义 “安全边界”

完好性并非 “定位精度”，而是 “导航系统在出现故障时，及时告知用户的能力”，其关键量化指标包括：

1. 完好性风险（Integrity Risk, IR）：在规定时间内，GNSS 定位误差超出预设安全阈值（如自主航空器要求水平误差≤5m）且未触发告警的概率，行业通常要求 IR≤10⁻⁷/ 飞行小时；

1. 告警限（Alert Limit, AL）：判定 GNSS 故障的误差临界值，需结合航空器任务场景设定（如低空作业 AL 取 3m，高空巡航 AL 可放宽至 10m）；

1. 时间到告警（Time to Alert, TTA）：从 GNSS 出现故障到系统发出告警的最长延迟，自主航空器需满足 TTA≤1s，避免故障扩散导致危险。

（二）INS 与 GNSS 的 “动态互补” 特性

两者的技术特性恰好形成 “短板互补”，为完好性监测提供基础：

特性维度	GNSS	INS
自主性	依赖卫星信号，非自主	完全自主，无外界依赖
误差特性	无累积误差，突发偏差	误差随时间累积，连续稳定
输出频率	低（1-10Hz）	高（100-1000Hz）
环境适应性	易受遮挡、干扰	不受电磁、地形影响

当 GNSS 正常时，INS 可通过 GNSS 校正累积误差；当 GNSS 异常时，INS 的连续推算结果能作为 “基准”，发现 GNSS 的偏差 —— 这是基于 INS 实现 GNSS 完好性监测的核心逻辑。

三、关键技术：基于 INS 的 GNSS 完好性监测实现路径

（一）数据预处理：构建 “同源可比” 的监测基础

1. 时空同步校准

GNSS 输出频率（如 5Hz）远低于 INS（如 200Hz），需通过线性插值将 GNSS 位置 / 速度数据同步至 INS 的时间戳；同时，通过坐标系转换（将 GNSS 的 WGS-84 坐标系转换为 INS 常用的东北天 ENU 坐标系），确保两者数据在同一空间基准下可比。

1. INS 误差补偿

先通过 “零速修正（ZUPT）” 或 “静态对准” 校准 INS 的初始误差（如陀螺零偏、加速度计零偏），再利用 GNSS 正常时段的数据，通过卡尔曼滤波估计 INS 的实时漂移误差（如温度导致的陀螺漂移），减少 INS 自身误差对 GNSS 校验的干扰。

（二）实时监测算法：从 “偏差识别” 到 “故障定位”

⛳️ 运行结果

📣 部分代码

clearvars; clc; close all; 

open("ACsim.slx")

% Link: https://www.mathworks.com/help/satcom/ug/estimate-gnss-receiver-position.html

%%

 Fs = 1;

numSamples = 1000;

t = 0:1/Fs:(numSamples-1)/Fs;

% LLA position for Natick, MA

refLocNatick = [42.2825 -71.343 53.0352];

gps = gpsSensor('SampleRate', Fs, ...

    'ReferenceLocation', refLocNatick);

pos = zeros(numSamples, 3);

vel = zeros(numSamples, 3);

llaMeas = gps(pos, vel);

subplot(3, 1, 1)

plot(t, llaMeas(:,1))

title('Latitude')

xlabel('s')

ylabel('degrees')

subplot(3, 1, 2)

plot(t, llaMeas(:,2))

title('Longitude')

xlabel('s')

ylabel('degrees')

subplot(3, 1, 3)

plot(t, llaMeas(:,3))

title('Altitude')

xlabel('s')

ylabel('m')

🔗 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、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 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、公交车时间调度、水库调度优化、多式联运优化

🌟 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）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 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

👇

5 往期回顾扫扫下方二维码