旋转调制式惯导已成为舰船主惯导，在采用旋转调制式惯导进行船体变形角测量时，由于旋转轴与惯性测量组件的坐标系不完全重合，导致船体变形角中被引入与旋转相关的波动误差。针对这一问题，提出了考虑旋转调制惯导转轴倾角误差的船体变形测量方法。推导了单轴旋转系统转轴倾角误差与船体变形测量之间的数学关系，构建了含有轴角误差的状态观测数学模型，利用卡尔曼滤波器实现了船体变形测量的同时对转轴倾角进行估计。实验结果表明，所提方法可以估计出旋转调制惯导中存在的转轴倾角大小，有效提高测得船体变形角精度，其中水平方向提升到6″，纵向方向提升到6″，为利用旋转调制式惯导进行船体变形测量提供参考。

方位陀螺漂移是影响车载旋转调制惯性导航系统（RINS）精度的重要因素。针对长期使用中方位陀螺温度漂移模型逐渐失效而导致补偿效果下降的情况，提出了一种基于遗忘因子最小二乘的车载RINS方位陀螺温度漂移模型在线修正方法。利用车载实验中停车阶段的速度作为量测，通过Kalman滤波器对方位陀螺漂移进行估计，之后采用遗忘因子最小二乘对陀螺漂移模型进行在线修正。仿真结果表明所提出的方法可以对陀螺漂移模型进行有效修正。车载导航试验表明，车载RINS系统工作一年以上的时间后，利用所提方法对初始的漂移模型修正后，导航过程最大径向位置精度可提升78%，验证了所提出的方法的有效性。

针对个人室内定位中步长估计方法存在估计精度不高、适用范围有限的问题，提出一种采用表面肌电信号和加速度信息的改进步长估计模型。通过采集行人在行走过程中的表面肌电信号和加速度信息，利用平滑滤波算法对该信号进行预处理，并通过峰值检测算法进行步数检测，在此基础上提出一种改进的步长估计模型，利用该模型进行了个人室内定位测试。实验测试结果表明：改进的步长估计模型可实现个人室内不同行走速度下的步长估计，该模型获得的步长估计平均误差和误差率分别为0.01 m和1.01%，个人室内定位行进距离的平均误差和误差率分别为0.78 m和0.48%，满足个人室内定位用步长估计的要求，可为康复医疗、商场购物等个人室内定位应用领域提供参考。

针对无人机群协同导航问题，提出了因子图框架下基于高斯粒子滤波和消息传递算法的无人机 群协同导航方法。所提方法利用因子图描述无人机群导航状态与自身量测以及相对导航信息之间的关 系，并通过高斯粒子滤波实现因子图中节点之间的消息传递，完成无人机群导航状态的最大后验概率 估计。仿真结果表明所提出的方法实现了机载多源传感信息与相对导航信息的有效融合，定位精度相 比于基于因子图和粒子化消息传递的混合和积算法（H-SPAWN）提高 50%以上。

针对当前全球地形球谐系数模型构建表达精度不高、计算效率较低等问题，研究推导了Gauss-Legendre积分法、矩形离散积分法求解球谐系数公式，提出了联合FFT技术和基于OpenMP多核并行技术的计算优化策略，实现了全球2160阶地形球谐系数模型的高效构建。利用模型Earth2012对两种方法进行了对比分析，结果表明：Gauss-Legendre积分法能以20 m量级的标准差还原地形高程信息，较矩形离散积分法精度更高，且高纬度地区地形表达效果更优，但两种方法描绘地形变化剧烈区域能力均显不足。研究成果可为提升球谐系数模型构建效率、丰富高阶地形球谐模型构建方法选择、完善地形球谐系数模型评价体系提供借鉴与参考。

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。

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。

重力场适配区选取算法是水下重力定位系统的关键技术之一，直接影响重力匹配算法的定位精度和匹配率，为提高适配区选取算法的准确性，提出一种基于分割嵌套三角剖分的重力场适配区选取算法。首先利用墨卡托投影和重力异常空间校正，将传统重力场栅格信息变换为三维高程信息；再利用分割嵌套的思想，不断从重力场最小环形域中分割出最优三角形，从而形成重力场三角网络。之后，对网络中每一个小三角形，选取了坡度、坡向、起伏度和粗糙度作为重力场局部几何特征。最后，采用k-means聚类算法，将重力场分为强适配区、弱适配区和非适配区。仿真对比试验结果表明，在提出的适配区选取算法所选择的强适配区内，重力匹配定位精度与重力场背景图格网分辨率相当，表明利用分割嵌套三角剖分来选取重力场适配区的可行性。

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。

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。

针对GNSS信号受遮挡或干扰导致的位姿测量系统（POS）量测信息失锁问题，提出一种基于多元线性回归（MLR）和径向基函数神经网络（RBFNN）的混合预测方法，用于GNSS失锁期间的POS导航误差预测。该方法利用Hodrick-Prescott(HP)滤波将POS导航误差样本数据分解成趋势性成分序列与波动性成分序列，分别采用MLR和RBFNN对其进行预测建模，充分表征POS导航误差数据的线性与非线性特征。车载实验结果表明，所提出的基于MLR/RBFNN混合预测方法与标准Kalman滤波方法相比，位置误差精度提高72.9%～89.1%，速度误差精度提高50.1%～60.8%，其位置和速度误差统计结果均优于单一的MLR预测模型和RBFNN预测模型。

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。

针对移动机器人同时定位与地图构建（SLAM）中观测噪声随时间变化及粒子滤波(PF)中粒子多样性易丧失问题，提出基于变分贝叶斯优化的近邻采样PF-SLAM算法。采用高斯混合模型对时变的观测噪声建模，使用变分贝叶斯方法，迭代估算出混合模型中的未知参数；同时根据粒子权重将粒子划分为保留粒子和调整粒子，通过两种粒子间的近邻位置分布关系优化调整粒子位置，在处理时变观测噪声同时，解决粒子多样性丧失问题，使得优化的粒子集更好地表示机器人位置概率分布。实验表明，改进算法与传统PF-SLAM算法相比，定位与建图误差降低76%，较期望最大化算法下的定位与建图误差降低了54%，进一步验证了所提算法的可行性与有效性，为移动机器人同时定位与建图提供一定参考。

鉴于透视投影模型在无人机对地目标远景成像环境下存在过参数化的问题，采用平行透视投影模型对无人机序列成像过程进行建模，并提出了基于仿射近似投影模型的无人机对地目标定位方法。基于平行透视投影模型的迭代因子分解法框架，依据无人机序列影像特征的多视图几何约束，结合优化最小化框架的低秩矩阵分解技术，进而可实现目标区域剔除位姿模糊歧义的高精度欧式三维重构，再充分利用机载导航系统提供的相机高精度位置信息，即可完成对地面目标的精确定位。仿真及半实物仿真试验结果表明，所提出的基于仿射近似投影模型的无人机对地目标定位方法正确有效，在实验室环境下对地目标定位精度优于2厘米。

针对空间辐照带来的光功率衰减和卫星轨道周期带来的周期性温变效应，基于光子晶体光纤单一材料特点带来的抗辐照和弱温度敏感特性，提出开展空间用高精度光子晶体光纤陀螺技术研究。通过设计实芯光子晶体光纤结构，完成损耗<1.5 d B/km、偏振串音<-24 d B/km和直径135μm的光子晶体光纤技术验证，并采用八极对称绕制技术完成3800 m光子晶体光纤环的绕制及性能测试，实现零偏稳定性优于0.001°/h、随机游走系数优于0.00016°■的技术指标。同时结合空间应用的实际需求，开展了可靠性试验，并完成3斜装构形光子晶体光纤陀螺组件的研制，并于2020年12月22日发射入轨，评估精度与地面测试结果相当，产品运行稳定，性能优异。

针对现有序列二阶锥规划求解协同末制导时速度较慢，难以满足实时性要求的问题，结合模型预测静态规划（MPSP）与二阶锥规划（SOCP），提出一种基于模型预测静态二阶锥规划的协同末制导算法。首先，建立考虑过载约束的飞行器协同末制导模型；然后，在MPSP算法基础上，提出终端时间自由的MPSP算法；进一步将有约束的MPSP问题转化为二阶锥规划问题，可以有效处理过程约束。仿真结果表明，所提出的模型预测静态二阶锥规划能兼备MPSP算法的快速性与SOCP的处理约束与最优性特点，通过减少求解变量个数，求解速度提升40%，易于实现在线快速计算。

针对捷联雷达常规的惯性系视线角解耦方法在加入落角约束时需根据目标距离对落角进行补偿的不足，给出一种目标坐标系下捷联解耦方法。首先在预估目标点构建目标坐标系，利用坐标转换及雷达与目标相对运动关系构建关于视线角与相对距离的二阶非线性模型，结合扩展卡尔曼滤波解耦获得目标系视线角及角速度。其次在滤波解算视线角及角速度的过程中，考虑雷达噪声、延迟等误差特性，对惯组信息进行延迟补偿，确保多源信息融合时间同步。经仿真并与惯性系解耦方法比较，数据表明所提出的目标系解耦方法正确可行，能有效提高制导精度，尤其是落角指标提升可达40%左右，同时所提方法简单易实现，在捷联红外等近似领域也可借鉴参考。

冲压发动机飞行器爬升过程中发动机性能随飞行状态时变，且易受动力性能偏差、气动偏差和风干扰的耦合影响，传统的方法难以给出能量最优的爬升段轨迹解。针对该问题，提出了一种基于强化学习的轨迹优化控制方法。首先构建了基于近端策略优化（PPO）的强化学习任务模型，将轨迹优化问题转化为基于状态给出最优动作策略的强化学习问题，提出了对未到达目标区域样本赋予广义距离奖励的方法来解决奖励稀疏性问题；通过在控制器训练中引入初值采样来降低初值敏感性；提出了将线性扩张状态观测器（LESO）与强化学习相结合的方法，通过对干扰进行观测和补偿提升控制器抗干扰能力。仿真结果表明，采用所提出的算法后，终端约束误差缩小了60%，可为复杂环境下的冲压发动机轨迹优化控制提供参考。