随着现代科技的飞速发展，对高精度导航系统的依赖也日益增加，特别是在航空、航海、军事和无人驾驶汽车等领域。传统的导航系统，如全球定位系统（GPS）和捷联式惯性导航系统（SINS），虽然在各自的领域内有着广泛的应用，但它们单独工作时都无法满足高精度和强环境适应性的要求。因此，研究者们逐渐将目光投向了将GPS与SINS结合的组合导航系统，试图通过互补两者的优势来提升导航的准确性和鲁棒性。
本文针对基于鲁棒滤波技术的SINS与GPS松组合导航系统的校正方法进行了深入研究。在松组合导航系统中，SINS和GPS独立工作，将二者的位置和速度差异作为观测量，利用先进的滤波算法优化整体导航结果。这样的系统设计旨在结合两种导航技术的优点，同时避免它们的弱点，如GPS容易受到环境干扰，而SINS误差随时间累积。
论文首先建立了组合导航系统的误差模型，以SINS的误差方程作为状态方程，并将SINS与GPS的位置和速度差异作为观测量。这种模型的建立为后续的滤波处理奠定了基础。为了应对模型中的误差，研究者们设计了一种基于偏差分离估计方法的新鲁棒卡尔曼滤波器。该滤波器在处理模型误差和不确定性方面显示出显著优势，从而提高了导航系统的精度和稳定性。
传统的卡尔曼滤波器在很多应用场合都表现良好，但它们通常假定系统为线性且模型已知，噪声为白噪声。现实情况往往与这些假设不符，存在模型不精确和噪声信息未知等问题。为了解决这些问题，研究者们引入了鲁棒滤波技术，主要包括多模型自适应估计卡尔曼滤波器、简化高阶强跟踪容积卡尔曼滤波、抗干扰的容错滤波器、分类加权自适应滤波算法、自适应联邦滤波器和基于广义最大似然估计的鲁棒无迹卡尔曼滤波器等方法。这些技术有助于减少状态估计误差，防止滤波发散，提升导航系统的整体性能。
论文中提出的鲁棒卡尔曼滤波器能够更快地收敛位置和速度误差，提高了导航的精度，从而增强了系统的导航性能。在松组合导航系统中，通过反馈校正机制，该系统相对于传统的SINS导航系统和间接滤波下的输出校正显示出显著优势。
文章深入探讨了通过偏差分离估计方法设计的新型滤波器的优越性，这种滤波器能有效应对模型的不确定性和噪声的未知性，提升了系统的导航精度和鲁棒性。这对于高要求和复杂环境下的应用场景来说，有着重要的理论和实践意义。
研究成果表明，利用鲁棒滤波技术改进SINS与GPS的松组合导航系统，可以显著提升系统的性能。它不仅适用于航空和航海等传统领域，而且在日益增长的无人驾驶、智能交通系统等方面也有着广泛的应用前景。这项研究通过提升组合导航系统的性能和稳定性，为未来导航技术的发展提供了重要的参考和借鉴。
