GNSS是应用最为广泛的INS参数初始化辅助手段。现有的GNSS辅助INS初始化方法研究主要聚焦在提升航向初始化的效率和精度，在城市环境下易受GNSS粗差干扰，鲁棒性不足。为此我们基于伪距和多普勒序列观测值，针对消费级惯导设计了一种新颖的INS参数动态初始化方法。该方法能够在10秒内实现航向、速度、位置以及加表零偏的鲁棒初始化。

在车载 GNSS/INS 组合导航系统中，INS 参数的快速初始化对于车载导航系统的快速启动以及可用性保障起着关键作用。例如当用户从地下车库驶出进入到复杂城市环境时，INS 参数初始化算法的快速性和可靠性变得尤为重要。然而，现有的GNSS辅助INS参数初始化方法对GNSS观测粗差非常敏感。为此，团队与腾讯地图合作的最新成果面向消费级车载GNSS/INS组合导航设计了一种新颖的INS参数鲁棒动态初始化方法。

图1给出了INS参数鲁棒动态初始化方法原理。该方法假设短时间内惯导推算误差仅与初始导航状态误差和传感器误差有关，并推导了短时惯导机械编排推算的相对导航状态(航向、速度和位置)之间的误差传播关系。在此基础上，利用惯导推算的短时高精度相对位置和速度序列建立GNSS伪距和多普勒观测序列之间的约束，从而将初始化问题转化为优化问题，并利用非线性优化的方法进行求解。其中，为了高效求解全状态的优化问题，我们设计了两步优化策略：1)基于多普勒观测值优化初始速度、航向以及加表零偏，2)基于伪距观测值优化初始位置。该方法的鲁棒性主要来源于两方面：一方面是利用INS作为桥梁，有效“连接”了一段序列的伪距和多普勒观测，从而稀释了粗差观测的占比，使得粗差观测相较于单历元更容易被甄别出来；另一方面是针对残差较大的观测使用了Huber鲁棒核函数进行有效降权。

图1 INS参数鲁棒初始化方法原理

典型城市环境的车载实验结果表明，在10秒观测序列条件下，所提初始化方法的航向、速度与水平位置初始化误差分别为 2.5°、0.3 m/s以及11.1 m，相较于现有方法分别减小了73%、41%以及14%，图2给出了基于数据集A1的航向、速度、水平位置初始化误差序列。此外，消融实验的结果表明，(1)采用两步优化策略相比一步优化计算耗时可减少72%，图3给出了一步优化和两步优化计算耗时的CDF曲线；(2)估计加速度计零偏可有效减小航向和速度初始化误差，图4给出了基于数据集C1在估计加速度计零偏前后的航向、速度、水平位置初始化误差序列；(3)综合考虑初始化响应效率和精度，建议观测序列长度设置为10 ~ 20秒。更丰富的实验结果请参考论文原文。

图2 数据集A1航向、速度、水平位置初始化误差序列

图3 一步优化法与两步优化法计算耗时CDF曲线

图4 加速度计零偏估计对航向、速度、水平位置初始化误差的影响

未来我们将继续基于INS相对轨迹的思路将其用于导航阶段的GNSS抗差，以实现城市复杂场景中的车辆连续可靠定位。此外，该方法具有普适性，可适用于各类户外载体平台，后续将重点在行人、无人机等典型载体上开展验证实验。

成果已被期刊IEEE Transactions Intelligent Transportation Systems录用。

参考文献

[1] Kuang, J., Ding, L., Wang, Y., Yuan, Y., Jiang, P., Zhou, Q., & Niu, X. (2025). A Robust INS State Initialization Method for Vehicular GNSS/MEMS-INS Integrated Navigation in Urban Environment. IEEE Transactions on Intelligent Transportation Systems.