针对无外界参考信息的双惯导系统长期使用后系统参数发生变化导致导航精度降低，且系统间缺少信息融合的问题，提出了一种同等精度双惯导协同误差估计与信息融合算法。首先以两套旋转式惯导间相对速度误差与位置误差作为观测量，建立包含陀螺和加速度计零偏的导航误差模型。然后分析了不同转序下各状态量的可观测性，采用 Kalman 滤波对各参数进行有效估计，估计完成后对双惯导系统进行误差补偿及信息融合。仿真结果表明，所提算法对陀螺零偏估计精度优于0.002(?) / h ，加速度计零偏估计精度优于 4 μg ，在抑制误差发散的同时，提高了旋转式惯导导航精度。

干涉式集成光学陀螺仪利用光电子集成技术实现陀螺系统的芯片化，在实现高性能的同时，可实现批量化生产，满足低体积、重量、功耗和成本（SWa P+C）指标，在无人领域具有重要应用前景。根据干涉式集成光学陀螺的发展脉络及趋势，设计了基于氮化硅的低损耗波导环和单偏振波导谐振腔、异质波导集成耦合结构等关键部件，搭建了基于无源芯片与光纤环的干涉式集成光学陀螺实验样机，实现精度0.03°/h(Allan方差)，为目前国内已有报道同类陀螺系统的最优精度。最后，给出了干涉式集成光学陀螺的应用前景分析。

微机电惯性测量单元（MEMS IMU）因成本低、体积小以及功耗低等优势受到广泛关注，但由于MEMS IMU误差大且复杂，基于MEMS IMU的捷联惯性导航系统精度还远远不能满足移动机器人、无人驾驶等各个领域的广泛需求。针对此问题，提出了一种基于深度学习与运动状态识别的车辆导航方法。首先，针对MEMS IMU误差具有非线性、时变性的特点，基于改进后的膨胀卷积网络对MEMS IMU陀螺仪漂移进行标定补偿。其次，利用时间卷积神经网络动态检测车辆的运动状态，并将特定运动状态的约束信息作为观测量，基于不变扩展卡尔曼滤波进行信息融合。所提出方法在公开数据集进行了验证，与未对陀螺误差进行标定补偿的基于深度学习的运动状态检测与约束方法进行了比较，所提出方法将车辆水平位置的绝对轨迹误差和相对轨迹误差平均值分别降低了30.9%和24.7%，证明了所提出方法的有效性。

飞行数据的异常检测是保障无人机飞行安全的关键。为了提升异常检测的准确率，以更好地构建无人机飞行数据正常样本的数据模式，提出了一种基于长短时记忆网络（LSTM）和生成对抗网络（GAN）的异常检测算法。设计了由生成网络、判别网络和重构网络组成的循环学习网络，同时为了避免网络学习产生梯度爆炸的风险，设计了一种由两个判别损失函数与一个重构损失函数相结合的目标损失函数。实验结果表明，LSTM-GAN异常检测算法均优于K-means、单类支持向量机、LSTM和Auto-Encoder算法的异常检测性能。LSTM-GAN比LSTM异常检测的准确率提高2.2%。

针对现有基于惯性传感器的人体运动姿态识别中涉及特征较多、常用姿态识别方法不全面、识别精度不足等问题，开展了人体正常行走、跑步、后退、左右侧步、上下楼梯等多种运动姿态识别及修正算法研究，通过特征提取与建库、特征筛选、姿态识别与修正等过程进行人体的运动姿态判定。首先详细阐述了在人体多姿态运动场景下的特征数据提取过程以及基于多信息融合的特征筛选方法。然后针对人体运动姿态误判，提出了基于人体运动连贯性检测的姿态修正算法。最后搭建多分类器并利用选取特征数、识别准确率、修正结果等数据对所提出的算法进行了验证。实验结果表明，所提出的算法以平均8个特征值使得人体运动姿态识别准确度达到98%，并通过修正算法可将识别准确度提升至99.67%，以少量的特征数目达到了更高的多姿态分类准确率。

在城市复杂环境下，GNSS接收机易受到建筑物遮挡、多路径效应等多种因素影响，导致信号出现粗差或者拒止情况，从而对GNSS/INS组合导航系统的精度和鲁棒性造成影响。提出了一种具备粗差在线检测的GNSS/INS图优化组合导航算法，提高城市环境条件下的组合导航系统性能。基于信息之间存在关联性的特点，设计了一种卫星信号滑窗粗差检测与拟合替换算法，抑制卫星粗差影响；构建了GNSS位置、速度因子和改进的IMU预积分因子，实现了组合导航信息非线性优化。仿真和车载数据试验表明，针对卫星信号中存在粗差的情况，所提算法的定位精度相比扩展卡尔曼滤波和传统图优化算法提升90%以上，可以辅助导航系统获得较好的状态估计效果；针对GNSS拒止的情况，该算法的位置定位精度相比扩展卡尔曼滤波算法提升30%以上。

地磁/惯性融合导航是一种不依赖全球导航卫星系统的自主导航方式之一，具有很强的隐蔽性和抗干扰性能，是固体火箭的可用自主导航方式之一。基于前人在惯性/地磁融合导航研究的基础，对地磁导航、惯性导航的优缺点进行详细分析，将地磁导航在高度和纬度的确定优势和惯导在经度和纬度确定优势进行充分融合，提出了具备东向速度间接估计校正的地磁/惯性深度融合导航方法，摒弃地磁导航在经度、惯导在高度方向确定的劣势。结合实际弹道数据的导航仿真对比试验表明，所提出方法可以充分吸收两种导航的优势，相比传统的地磁/惯性融合方式，导航精度在相同条件下提升45.6%，为高精度地磁/惯性融合导航提供一种新的方法。

针对传统的基于计算参数的传递对准算法在大失准角下的强非线性问题以及杆臂误差导致的传递对准精度下降问题，提出了一种改进的基于闭环反馈的大失准角传递对准算法。首先，基于快速传递对准模型，设计了全状态闭环反馈机制，通过对主、子惯导的姿态矩阵不断进行修正，实现大安装误差角估计值的快速收敛；然后，采用线性卡尔曼滤波对状态进行估计。仿真实验结果表明，相比于非线性滤波方法，所提算法在大、小安装误差角下均可以保持较高的对准精度，对准误差基本可以达到0.02 °。车载试验结果也验证了所提算法具有更好的传递对准性能。

精确定位和准确构建地图（SLAM）是电缆沟巡检机器人顺利完成巡检任务的基础。传统激光 SLAM算法在电缆沟环境中容易产生“长廊效应”，且容易在 z 轴方向上产生漂移。针对上述问题，提出了一种基于多传感器融合的改进扩展卡尔曼滤波激光雷达测距与制图（EKF_LOAM）算法。通过扩展卡尔曼滤波器（EKF）将车轮里程计和惯性里程计融入 LeGO_LOAM 算法框架中来抑制“长廊效应”，在 EKF_LOAM 算法的基础上引入 IMU 的 z 轴线速度测量值，并设计基于特征点数量的自适应协方差计算方程，约束由面特征点严重缺失引起的 z 轴漂移。分别在虚拟和真实电缆沟环境中开展实验，结果显示所提算法的最终行进误差比 LeGO_LOAM 算法的行进误差减小了超过 40%，比 Cartographer 算法的行进误差减小 4.57%，z 轴方向误差比 EKF_LOAM 算法减小 49%，证明了所提算法在电缆沟环境中优于传统的 LeGO_LOAM、Cartographer 和 EKF_LOAM 算法，更适用于电缆沟巡检任务。

光纤陀螺在随机误差方面表现出极佳的性能优势，并不断向超高精度方向发展。结合所在研发团队近几年的最新研究成果，分析了高精度光纤陀螺及惯导系统的发展现状。重点突破了超高精度光纤陀螺的结构设计与仿真、超长细径大直径精密环圈设计、误差抑制与标度提升以及陀螺极限精度测试等关键技术，研制的高精度光纤陀螺Allan方差探底值测试精度达到0.000005°/h。同时，介绍了平台旋转调制与载体角运动隔离、热/磁引起的航向效应误差抑制及残差补偿、高精度重力场误差模型构建与补偿等系统技术。首次开展了水下长航时自主导航试验，验证了舰船长航时光纤陀螺惯导系统技术的可行性和优势。最后对高精度光纤陀螺及惯导系统未来发展进行了展望。

GNSS欺骗干扰已经成为导航装备应用中面临的重要威胁之一。现有的基于INS/GNSS组合的抗欺骗算法大多只进行欺骗检测，不能恢复正确的定位结果。针对该问题，将多径抑制算法中的Multi-correlator结构用于真实信号和欺骗信号的参数估计，利用INS短期精度高的特性，实现欺骗信号的辨识。然后将辨识结果反馈跟踪环路抵消欺骗信号，保证接收机跟踪环路始终锁定真实卫星信号。最后，在INS/GNSS组合导航解算过程中引入抗差卡尔曼滤波算法，减小参数估计和辨识结果中粗差对定位结果的影响。利用公开数据集进行试验测试，欺骗干扰条件下定位误差由600?m降为10.0?m，而且在GNSS信号中断90?s重新恢复后，所提算法依旧能够实现欺骗信号的辨识和抑制。试验结果表明所提算法能够保证接收机在欺骗条件下锁定真实卫星信号，连续输出高精度的导航和授时信息。

单目视觉/惯性定位系统由于其低成本和高自主性被广泛使用。然而视觉/惯性里程计在长时间的运行后，会产生较大的累积误差，无法提供准确的位姿估计，并且在光线、路况复杂的环境系统存在特征点跟踪失败，无法解算当前位置，稳定性不高的问题。针对以上问题，提出了基于非线性优化的先验特征地图匹配方法，利用单目视觉/惯性SLAM建立的位姿图来约束系统的残差估计，通过计算当前帧与特征地图中历史帧的相似度，如果两者相似度高于某一阈值，则使用地图的位姿进行误差约束，从而消除累积误差，提高系统的稳定性。利用无人机在高空飞行15分钟约6.4公里的数据来验证地图匹配方法。实验结果表明，所提出的地图匹配方法与未使用地图匹配算法相比，在耗时增加不到20%的情况下提升了91%的导航精度（RMSE），能有效减少单目视觉/惯性系统的累积误差，从而提高系统的稳定性。

旋转调制光纤陀螺航海惯导系统中，光纤陀螺标度因数误差会与地球自转角速度耦合产生等效的天向和北向陀螺漂移误差，也会与船体摇摆角速度以及惯性测量单元旋转调制角速度耦合产生短时动态误差，限制了长航时航海惯性导航精度。通过使用两套三轴旋转调制光纤陀螺航海惯导系统进行联合旋转调制，提出一种光纤陀螺标度因数误差在线估计与自校正方法。根据两套三轴旋转调制光纤陀螺航海惯导系统的水平旋转轴空间夹角关系建立观测方程，实现在线估计滤波。半实物仿真结果表明，自主导航过程中光纤陀螺标度因数误差在线估计精度优于1 ppm，利用输出校正方式在线补偿光纤陀螺标度因数误差导致的惯导定位误差，有效抑制了两套三轴旋转调制光纤陀螺航海惯导系统定位误差的增长。实际转台模拟实验中，两套三轴旋转调制光纤陀螺惯导系统300 h纯惯性导航整体定位最大误差分别减小25%和40%。算法采用地心地固坐标系，因此也适用于极区导航情况。

在应用系统的牵引及光学器件技术的推动下，工程化光纤陀螺朝着小型化、轻量化、高精度方向发展，设计了一种基于新型超细径(60/100)光纤制作的高精度光纤陀螺。相比于传统细径保偏光纤，新型超细径光纤可增加光纤的抗弯曲程度，也可使光纤环圈的绕制半径减少；同时，由于光纤变细，光纤环厚度减小，当环境温度改变时，内外层光纤温度差减小，有利于改善光纤陀螺环圈全温性能，提高光纤陀螺温度特性。首先研究了新型超细径光纤纤芯、包层结构设计，在此基础上为针对性提高涂覆胶体、绕环胶体材料的可靠性，建立了胶体材料性能随时间退化的模型；随后，基于上述新型光纤和小型化宽谱ASE光源，成功搭建了高精度光纤陀螺仪样机，陀螺整机尺寸为70 mm×70 mm×35 mm,陀螺测试零偏稳定性可达0.007°/h，可以满足陀螺小型化、轻量化、高精度需求。

为了解决全球导航卫星系统（GNSS）拒止条件下车辆定位困难问题，提出了一种基于交互多模型距离平滑的超宽带/惯性测量单元（UWB/IMU）因子图组合导航方法。首先，针对超宽带信号由于反射或折射导致的非视距问题，分别建立视距与非视距情况下超宽带基站与标签间距离的因子图模型，并利用交互式多模型算法进行原始距离的平滑；然后，对惯性导航系统、交互式多模型处理的超宽带距离信息等测量量进行建模，构建基于因子图的信息融合框架，并根据非线性优化理论与增量平滑算法实现变量节点的递推与更新。最后，采用因子图方法对融合数据进行处理，实现车辆多传感器高精度组合导航。实际测试结果表明，相比基于卡尔曼滤波的多传感器融合方法，所提出的基于交互多模型距离平滑的惯性/超宽带的因子图定位方法在非视距情况下位置估计精度（RMS）提高40%以上。

在卫星拒止条件下无人机安全、可靠地完成各类作业的基础是获取高精度的定位信息，传统图像匹配方法保障困难、定位精度差且匹配约束多。因此，提出一种基于深度特征正射匹配的视觉定位方法，通过深度学习网络提取正射校正后的无人机航拍图像和商业地图的深度特征，获得匹配关系，进而计算无人机高精度位置信息。根据视觉测量机理模型分析不同因素对视觉定位精度的影响，使用中空航拍图像数据集进行离线实验，实验结果表明：相比传统基于方向梯度直方图（HOG）特征的模板匹配方法，所提方法的定位精度提高了25%，位置均方根误差（RMSE）优于15 m+0.5%H（5000 m以下），具有一定的工程应用价值。

针对基于柔性杆臂传递对准方案中的杆臂加速度构建时，角加速度提取噪声大的问题，提出利用跟踪微分器求取角加速度信号，以补偿杆臂挠曲一体化模型中的杆臂加速度误差。通过将子惯导角速率及其跟踪的微分结果作为模型分量，进而推导建立了考虑柔性杆臂的传递对准模型。仿真表明基于角加速度滤波的方法可以获得平滑的角加速度信息，基于柔性杆臂补偿的传递对准模型，可以实现三轴安装误差估计精度平均提高22.3%，姿态失准角估计精度平均提高4.6%，所提出的方法具有一定的工程适用性。

惯性仪表（包括陀螺和加速度计）是惯性技术的基础和核心，近年来，以高精度硅微机电陀螺、集成化微光纤陀螺、速率积分半球谐振陀螺、谐振式加速度计为代表的新型惯性仪表技术发展迅猛，相比传统惯性仪表，能够兼顾高精度和低SWa P+C(Size Weight and Power, plus Cost，体积、重量、功耗和成本)指标，正推动惯性技术产生新变革。重点结合上述四种微小型惯性仪表，论述其国外最新进展，展望发展趋势，预测其对行业的影响，旨在为国内相关技术研究提供参考。

SAR匹配导航作为一种自主导航方式，具备全天候、全天时的工作能力，具有很高的应用价值。针对机载SAR景象匹配导航需要异源图匹配的难题，提出一种基于深度学习与附加尺度旋转因子的模板标准化相关匹配的异源匹配算法。所提算法通过语义分割网络模型提取图像中的道路河流特征，再对特征添加一定程度的尺度与旋转变化，实现特征的扩充。最后，对扩充后的特征图进行模板滑窗匹配，找到最大得分位置，从而实现图像匹配。根据真实数据的测试试验结果表明：匹配精度优于1.41像素（1σ），匹配成功率优于86.6%（匹配误差小于5像素）。另外，还提出一种面向SAR匹配导航系统的多点高精度定位方法，仿真结果表明：五匹配点定位精度可达15米。

石英挠性加速度计是捷联式惯导、重力梯度计等惯性测量设备的核心元件，其偏值和标度因数的温度稳定性是影响惯性测量设备性能的重要因素。为提高加速度计温度稳定性，从结构设计、材料选择、工艺改进、磁路优化四个方面进行了改进设计。首先，分析了加速度计零偏和标度因数温度稳定性影响机理。其次，设计了摆片隔离槽结构，摆片与骨架之间采用二次过渡粘接工艺，力矩器线圈骨架选用温度性能更好的氮化铝陶瓷材料，优化了上下磁路连接方式。最后，对改进措施进行了实验验证，实验结果表明，改进后的石英挠性加速度计全温条件下（-40℃～+60℃）偏值和标度因数温度系数减小约30μg/℃和10 ppm/℃，降低到6.8μg/℃和13.7 ppm/℃，显著改善了加速度计的温度稳定性。

传统地形匹配算法在初始位置误差较大的条件下，由于搜索区域过大，定位精度较低，容易发生误匹配。针对此问题，提出一种基于改进遗传算法（GA）的多波束水下地形匹配方法。首先，根据地形变化特征，在多波束测深数据中自适应选择多条水深数据作为匹配序列，提高在地形相似处的匹配精度；然后，设计适应度函数用于衡量匹配航迹与真实航迹的相似度，加入收敛因子以减小惯导累积误差的影响；最后，利用正余弦算法对遗传算法进行优化，提高算法收敛速度，改善局部收敛的问题。仿真与船载实验结果表明，基于改进GA的多波束匹配方法对初始位置误差的大小不敏感，在分辨率为1 m的地形图上，匹配定位误差小于3 m，相比ICCP方法，在不同初始位置误差的情况下，定位精度分别提高了53%和79%。

针对惯性/天文组合导航中将天文传感器测量信息从天球坐标系到地球坐标系转换的问题，研究了其转换过程中涉及到的时间系统和坐标转换关系，前者包括世界时、地球时、太阳系质心力学时、原子时和协调世界时等时间概念，后者包括岁差、章动、视恒星时和极移等旋转变换。对坐标转换过程中小于0.1″的因素进行了忽略和近似简化，误差分析表明，除地球自转角的计算需要比较精确的UT1时间外，其他天文参数计算中的时间输入均可直接使用UTC时间代替。仿真结果显示，所提简化算法的转换精度达到了0.2″，满足角秒级的天文传感器测姿精度需求。

为了实现城市峡谷、电磁扰动等复杂场景下因子图优化导航的故障检测与自适应融合，提出了一种基于因子图优化的综合利用惯性导航系统和全球卫星导航系统原始伪距信息的故障检测与自适应隔离方法。首先，结合惯性导航信息与全球卫星定位原始伪距进行导航系统故障检测，实现故障卫星伪距信息和故障惯性信息的有效定位；而后，基于故障检测结果针对因子图框架下的故障因子节点进行自适应隔离或降权处理，减少故障量测对多源组合导航的影响；最后，在因子图框架下实现故障检测后的图优化，提升故障环境下组合导航结果的精度和鲁棒性。在与卡方检测方法、伪距检测方法两种算法对比的仿真和基于跑车公开数据集数据的试验结果表明，所提出的算法在存在卫星导航系统伪距量测异常或者惯性量测异常的情况下，能正常检测出故障量测并提升导航定位性能，导航水平位置与高度精度较基于卡方的故障检测与隔离方法提高了12%以上。

INS/GPS组合导航时，GPS信号会由于环境因素或是其他信号干扰导致信号丢失、信号跳变等故障。针对INS/GPS组合导航中，在GPS出现离群故障难以得到满意定位性能的问题，提出了一种基于交互式多模型滤波的车载INS/OD/GPS定位方法。引入里程计对INS/GPS组合导航进行辅助，基于INS/GPS、INS/OD两种组合导航模型，利用交互式多模型算法交互更新模型概率，通过模型概率的差异判断主滤波器INS/GPS组合过程中的GPS量测故障，并在滤波过程中对故障量测加以修正，以此来实现车辆定位系统的良好定位性能。实验结果表明，在里程计量测辅助条件下，当GPS出现离群点时，系统平均定位精度比INS/GPS单一滤波器条件下的定位精度提升60%以上。

以一种电容式全对称S形弹性梁硅基环形波动陀螺仪为对象，对其正交误差进行了相关的研究，以提升MEMS环形陀螺仪的精度。首先，介绍了环形陀螺仪结构，同时以此结构为基础分析了正交误差产生的原因及影响；然后，对环形陀螺仪检测通道的输出信号进行量化分析，并根据正交力校正法设计了环形陀螺仪的正交误差补偿系统；最后，对加入正交误差补偿后的环形陀螺仪进行了实验测试。结果显示，校正后的零偏、零偏稳定性分别为-2.62°/s、1.37°/h，与校正前相比，分别提升了3倍和10.6倍，验证了该正交误差补偿系统对陀螺仪正交误差的抑制效果，补偿后陀螺仪的零偏稳定性显著提升，陀螺输出更加稳定，为MEMS陀螺仪应用于未来军事及民用领域奠定了基础。

针对在卫星信号拒止、视觉系统退化场景中无人机 MEMS-IMU 零偏无法准确估计并补偿导致导航误差迅速发散的问题，提出一种基于改进长短时记忆（LSTM）网络的零偏在线标定方法。首先，为解决 MEMS-IMU 零偏数据非线性强、传统循环时间网络训练效果差的问题，设计序列到序列的LSTM 神经网络结构，引入教师强迫机制，提高了网络特征学习能力。然后，在导航过程中使用训练后的网络对 MEMS-IMU 零偏在线标定，补偿后的 IMU 量测与视觉信息联合优化，保证了导航定位精度。实验结果表明，在纯惯性导航实验中，所提方法的绝对位置误差比传统 LSTM 方法减小了 6.5%；在 EUROC 数据集下进行的视觉惯性组合导航实验中，所提方法的平均绝对位置误差比传统 LSTM 方法减小了 15%。

针对传统的新息抗差估计欺骗检测算法对缓慢增长的斜坡式欺骗检测时间较长甚至检测不敏感等问题，提出了一种GNSS/INS紧组合的新息优化抗差估计欺骗检测算法。所提出的算法对缓慢增长的斜坡式的新息检测量进行了优化，结合抗差估计自适应调整增益矩阵并合理选择“检测窗口”，进一步提高了对缓慢增长的斜坡式欺骗干扰的检测效率和检测性能。仿真结果表明，在检测单通道0.1?m/s缓慢增长的斜坡式欺骗时，所提算法检测时间较新息抗差估计欺骗检测算法平均缩短了30%以上，漏检率为0；在检测多通道时，检测时间平均缩短了30%，漏检率为0，虚警率平均降低了18.5%。所提算法在检测缓慢增长的斜坡式欺骗干扰时，具有检测快、漏检率和虚警率低的优势，对无人机应用领域具有重要意义。

针对复杂环境下惯导系统存在交互影响和导航误差难以辨识的问题，提出了一种基于自监督长短期记忆（LSTM）网络智能组合模型的导航误差补偿方法。模型中的自监督温变速率模块不受到温度传感器精度的限制，从而实时计算更精确的温变速率，进一步提升了模型导航误差辨识的能力。在实验部分，基于多种复杂环境下的实验数据，通过消融实验验证了自监督模块的有效性。以飞行数据的北向速度为例，补偿前后的最大速度绝对误差分别为1.607 m/s和0.357 m/s。实验结果说明了所提方法可以减小复杂环境下的速度和位置误差，从而提升惯性导航精度。

自动驾驶技术的研究中，为了快速检测到道路并测量出道路的宽度，提出了一种基于视觉的道路宽度测量方法。首先提出了一种改进的Deeplabv3+语义分割算法，在原算法流程中引入了基于空间域的注意机制，提高了道路边缘分割的精度。其次，提出了一种结合直方图均衡化和加权最小二乘滤波的半全局立体匹配算法，显著提高了图像中物体边缘细节的匹配精度。基于所提出的方法搭建了道路宽度测量系统，该系统搭载在自动驾驶车辆上完成了对全域图像中道路的分割和宽度测量。实验结果表明，所提出算法的道路宽度测量误差不超过真实值的5.0%。

针对微机电系统（MEMS）加速度计全温性能低的问题，提出锚区应力对消方法、低应力粘接工艺和温度补偿方法。首先，通过调整两个键合的锚区面积大小实现锚区应力对消，使得加速度计的温度性能得到改善；然后，建立加速度计堆叠封装模型并对专用集成电路（ASIC）粘接参数、加速度计敏感结构点胶方式与点胶参数进行仿真分析，从而确定了加速度计的低应力粘接形式和粘接工艺；最后，对加速度计零偏和标度因数设计了三阶温度补偿方法并进行了实验测试。实验结果表明，加速度计全温零偏稳定性达到47.3 μg（1σ）、全温标度因数稳定性达到43.6 ppm（1σ），提高了加速度计的全温性能。

针对两件套半球谐振陀螺力平衡模式闭环控制系统中的锁相环相位误差问题，开展了锁相环相位误差对陀螺影响分析，并提出了一种锁相误差校准方法。基于带阻尼和弹性耦合的动力学方程，推导了存在锁相误差情况下的各控制力表达式，对谐振频率、标度因数和零偏的影响进行了理论分析和仿真验证。发现锁相误差对谐振频率的影响可以忽略，仅为1.35 ppb/°；对标度因数具有一定影响，锁相误差1°处，为152 ppm/°；而对陀螺零偏影响较大，频差0.001 Hz时，为10.8704°/h/°。提出了一种基于幅度控制量极小值的锁相误差校准方法，实验结果表明，校准后零偏减小了54%，验证了所提方法的有效性。

针对现有惯性导航系统/超短基线定位系统（INS/USBL）组合导航算法误差定义不准确，引发空间不一致性及导航精度下降的问题，提出了一种基于不变误差定义的INS/USBL紧组合导航算法。首先，引入李群理论及左不变/右不变误差定义下的误差状态方程，保证了误差状态的空间一致性。然后，从噪声无偏性分析的角度阐述了松组合的缺陷。最后，利用超短基线测量的方位角及斜距信息，根据两种误差定义推导相应的紧组合量测方程。半实物仿真结果表明：相比于现有的INS/USBL松组合导航算法，所提出的基于右不变误差定义的紧组合导航算法有着更高的定位精度，2000 s后东向和北向定位精度分别提高14.65%和30.26%，天向定位精度提高73.91%；不变误差定义使得组合导航算法对初始对准精度的需求降低，即使初始姿态误差较大也能够对导航误差进行准确估计。

为了提高视觉同时定位与建图（SLAM）系统的鲁棒性和准确性，提出了一种基于误匹配剔除和地面约束的视觉SLAM算法。首先，在SLAM前端引入特征点对剔除机制，通过统计特征点对之间的距离以及分布特性对匹配质量进行分析，进而实现误匹配特征点的剔除；其次，利用RGBD相机提取地面向量，并将地面向量约束引入SLAM后端优化过程中，能够有效防止z轴过度优化以及抑制z轴漂移，提高位姿优化的准确性；最后，在公开数据集上进行实验和分析。实验结果表明，与ORB-SLAM2算法相比，使用误匹配剔除算法的绝对轨迹误差平均减少了17.62%，使用地面约束算法的绝对轨迹误差平均减少了39.20%，验证了所提算法具有更好的准确性和鲁棒性。

通过半球谐振子与电极所构成电容间距的改变来敏感驻波位置的方法会导致检测信号产生非线性失真，进而引起全角半球谐振陀螺产生漂移。针对这一问题，提出了一种用于描述这种漂移的数学模型，并进行了仿真分析。首先，详细阐述了电容变间距检测的原理，并分析了存在于检测信号中的非线性误差来源；然后，根据驻波位置的解调原理建立了检测信号非线性引起全角半球谐振陀螺产生漂移的数学模型；最后，通过转台实验和Simulink程序仿真分别验证了八次谐波信号的来源以及误差数学模型的正确性。实验结果表明，检测信号非线性会导致陀螺产生与角度八次谐波相关的误差项，当外界输入转速为400°/s时，八次谐波项归一化幅值为四次谐波项归一化幅值的14.52%。仿真结果表明，八次谐波误差的幅值与半球谐振子的振幅间距比呈高阶多项式正相关，与驻波的转速呈线性正相关。所提出的数学模型为全角半球谐振陀螺八次谐波误差的分析与补偿提供了理论依据。

针对双轴旋转调制惯导系统在旋转过程中无法直接提供载体角速度等导航信息的问题，提出了一种以标定惯性测量单元与内外框时空关系来精确解调原始旋转惯性测量数据的载体导航信息提取方法。首先，从基于旋转轴的内外框坐标系定义出发，提出了综合考量整圈所有角位置状态的惯性测量单元与内外转轴安装角标定方法。然后，利用转轴方向惯性测量角增量曲线和转位测量角增量曲线的相似平移关系推导了两者之间时间不同步误差的计算方法。进一步，基于滑动数据存储窗口，通过实时测角变化率计算和相邻转位测角外推实现了时间不同步误差的精确补偿。最后，采用基于高次谐波函数的精细化误差模型实现了转轴锥摆运动引起的测角不圆度误差精确标定。采集内外框旋转试验数据验证了所提方法的有效性，结果表明由原始惯性测量信息解调导致的载体航姿提取误差小于0.001°。

针对重力匹配辅助惯性导航系统中SITAN匹配算法状态方程存在模型误差的问题，提出了一种基于自适应并行扩展卡尔曼滤波的SITAN匹配算法。通过自适应因子调节状态预测信息的权重，抑制滤波发散，提高定位精度。同时，讨论了自适应因子的选取与构造，分析了基于并行扩展卡尔曼滤波的SITAN匹配算法发散的原因。选取南海两片重力异常特征变化剧烈程度不同的海域进行仿真试验，试验结果表明：在重力异常特征变化剧烈的区域，该算法能有效减弱惯性导航系统的定位误差，位置误差与重力基准图分辨率相当，与基于并行扩展卡尔曼滤波的SITAN匹配算法相比，系统的定位精度和鲁棒性均有提升。

针对1?n mile/100?d甚至更高精度的长航时惯性导航定位需求，分析并指出了传统地球自转角速度模型参数的不足之处。根据天文学中的岁差、章动和日长变化等相关模型，推导了求解精确的地球自转角速度的方法，给出了传统地球自转角速度模型误差的表达式，对惯导系统误差传播方程进行了修正。开展了长航时高精度惯性导航误差仿真验证。结果显示，传统的地球自转角速度模型误差会引起0.1?n?mile/100?d的纯惯性定位误差，但经过修正后误差可降低60%以上，仿真结果验证了所描述的误差传播方程的正确性。

横坐标系下设计的惯性/多普勒测速仪(INS/DVL)组合导航滤波器可以满足无人潜航器(AUV)极区导航的需要，但在AUV进入、离开极区时导航坐标系的切换会引起滤波器结构变化，使系统的误差状态参数估计值产生震荡，影响导航精度。针对此问题，提出了基于协方差变换的INS/DVL全球组合导航算法，设计了横地理坐标系下的INS/DVL组合导航滤波器，并推导建立了地理坐标系与横地理坐标系下滤波器系统误差状态及其协方差矩阵的转换关系。AUV进入、离开极区过程中，导航坐标系切换时同时完成导航参数、滤波器参数的转换。通过船载实验与半实物仿真实验对所提算法的有效性进行了验证，结果表明：在导航坐标系切换过程中，协方差变换算法能够有效改善滤波器估计值不稳定问题，相比于无协方差变换，导航参数震荡误差减小50%以上，提高了组合导航系统稳定性。

针对自主水下航行器（AUV）在模型参数不确定和外界海流干扰情况下轨迹跟踪误差大的问题，提出一种基于模型预测的滑模控制方法。首先，基于李雅普诺夫稳定性理论，设计一种滑模控制器；其次，为高效利用计算资源，提高AUV的轨迹跟踪性能，设计一种滑模控制器与模型预测控制相结合的控制框架；考虑到执行器饱和问题，利用滑模跟踪控制律，在该控制框架上构造收缩约束，确保闭环系统的稳定性；最后，采用仿真实验验证，实验结果表明所提方法与滑模控制器比较，在模型参数确定且无干扰情况下均方跟踪误差减小了60%以上，在模型恢复力参数不确定和海流扰动情况下均方跟踪误差减小了80%以上，能够克服时变恢复力对系统的影响，并对外界海流干扰有较好的抑制作用，保证了系统的鲁棒性。

针对微机电惯组（MEMS-IMU）受到状态突变干扰、存在未知量测噪声等情况下，传统滤波算法无法准确估计系统姿态问题，提出了一种基于模糊鲁棒自适应容积卡尔曼滤波（FRA-CKF）的姿态估计算法。通过分析滤波新息序列的统计特性，根据检验原理设置了修正门限和修正边界，构造了容积卡尔曼滤波、鲁棒修正和自适应修正的隶属度函数，制定相应的模糊修正准则，使算法兼顾自适应性和鲁棒性。仿真及静、动态实验验证了所提出算法的有效性。静态实验结果表明，所提出的滤波算法相比CKF算法，航向角估计的均方根误差降低了80%，提高了滤波的精度和稳定性。