SINS/DVL组合导航技术综述

王 博，刘泾洋，刘沛佳

SINS/DVL组合导航技术综述

王 博，刘泾洋，刘沛佳

（北京理工大学 自动化学院，北京 100081）

为了进一步研究水下导航技术，对广泛使用的自主水下航行器导航技术中的捷联惯导系统（SINS）和多普勒计程仪 (DVL)组合导航系统进行阐述：介绍SINS和DVL的独立性、自主性、隐蔽性和高精度等特点；给出SINS/DVL组合导航系统中关键技术的应用及研究现状，包括多源信息滤波融合技术、误差标定技术和初始对准技术；最后讨论水下SINS/DVL组合导航技术的未来研究热点。

惯性导航系统；多普勒计程仪；多源滤波融合；误差标定；初始对准

0 引言

随着社会的不断发展，对资源、食物的需求正在迅猛增加，自21世纪以来，开启了进军海洋的新篇章。自主水下航行器（autonomous underwater vehicle, AUV）在利用和开发海洋的过程中发挥了至关重要的作用[1-2]，人们在完成各种水下作业时，离不开高精度的导航技术。AUV具有自主性高、体积小、活动范围广、隐蔽性要求高等特点。AUV的导航系统是以捷联惯导系统（strapdown inertial navigation system, SINS）为主，其他导航系统或传感器为辅，实现完全自主导航的组合导航系统。目前，水下导航通常可以分为4种方式：惯性导航[3-8]、航位推算导航、水声定位导航[9-13]及地球物理导航[14-20]。多普勒计程仪（Doppler velocity log, DVL）是1种根据多普勒效应原理，测量AUV速度的声学仪器，它可以通过安装在底部的换能器发射超声波实现上述功能[21]，如图1所示。目前最流行的AUV水下导航方式是SINS/DVL结合的组合导航[22-25]。

1 SINS/DVL组合导航系统

对于长基线定位系统（long baseline, LBL）、短基线定位系统（short baseline, SBL）和超短基线导航系统（ultra short baseline,USBL）等声学导航方法，它们的应用条件较为苛刻，需要在附近水面设置发射基站。对于长基线和短基线水声定位系统而言，需要在海面或海底设置3个或多个固定接收应答器，水下航行器和应答器之间发送询问应答信号，根据信号往返时间，确定水下航行器到各应答器之间的距离，进而解算得到水下航行器的位置。超短基线水声定位系统只需设置1个应答器，在水下航行器上安装有水听器组件，该组件含有多个水听器基阵元，基阵元间的距离为几厘米，通过量测应答器信号到达各个阵元的时间差或相位差，即可解算得到水下航行器的位置。

图1 DVL的具体应用

地球物理导航包括地形匹配导航、地磁匹配导航及重力匹配导航，该导航方法需要先验条件（如该区域预先存储的重力场图、磁场图等），但这些先验条件往往是难以获得的，因此这种导航方法存在一定的局限性。

SINS/DVL组合导航系统利用DVL提供的高精度速度信息，来抑制SINS定位误差的累积，具有自主性和定位精度高的优点，是目前广泛应用的较为成熟的水下导航系统。该系统主要包含以下3个部分。

1.1 惯性导航系统

惯性导航系统通过测量载体在惯性坐标系下的运动加速度，在导航坐标系内经积分运算，可以实时解算出载体的姿态角、速度、位置等导航信息。惯性导航系统进行导航参数解算时，既不依赖任何外部信息，也不向外辐射能量，只依靠加速度计和陀螺仪这2种惯性器件，是1种自主式的导航系统，在军事领域、航空航天领域和交通运输领域等得到了广泛的应用。

但是，即使是高精度导航级的SINS，由于惯性传感器固有的漂移误差，SINS虽然能够在短时间内提供较高的导航精度，但却存在着导航误差随时间累积的情况。因此惯性导航系统通常需要辅以其他传感器或导航系统进行组合导航，以抑制误差发散，否则将无法实现长航时的高精度导航定位。

1.2 多普勒计程仪

目前大多数厂家生产的DVL具有双重功能，既可以测量AUV相对于海底的速度，也可以测量海水的水流速度，双重功能的切换是通过软件控制来完成的。为了实现高精度组合导航，广泛使用DVL的底跟踪模式最。在底跟踪模式下，DVL的测速精度可以达到当前速度的0.2 %，并且数据更新频率最快可以达到5 Hz[26]。DVL可根据实际应用场景和任务需求，调节信号发射、接收和处理方法（主要分为2种：窄带技术和宽带技术）。窄带技术和宽带技术主要影响DVL测速精度和测速量程：窄带DVL量测噪声大的在垂向和水平方向流速测量精度较低，但量程较大；宽带DVL量测精度高，空间和时间分辨率较高，但量程较小。

1.3 SIN/DVL组合导航

SINS/DVL组合导航，即使用SINS和DVL的量测值，通过卡尔曼（Kalman）滤波算法实时地估计出AUV的导航参数，包括速度、位置和姿态信息。惯性导航系统（inertial navigation system, INS）与DVL组合导航有2种方式：松组合方式和紧组合方式。当外部观测信息为DVL提供的AUV在载体系下的速度（3维）测量数据时，采用的是松组合模式；当外部观测信息是DVL原始的波束量测（由于最多采用的DVL为4波束，因此原始波束量测通常为4维）数据时，采用的是紧组合模式。目前，在实际应用的INS/DVL组合导航系统中，绝大多数采用的是松组合方式；有关INS/DVL组合导航的研究也集中针对松组合方式。但当DVL的部分波束量测量数据受限无法使用时，则DVL无法解算出AUV在载体系下的实时速度，这会导致松组合模式无法使用；因此对紧组合模式的研究十分必要。并且在紧组合模式下，组合导航的定位精度将会进一步提高。

2 SINS/DVL组合导航系统中关键技术的研究现状

2.1 多源信息滤波融合技术

AUV的导航及控制，不可避免地使用到各种传感器来处理各种信号。信号是传递和承载信息的载体，是时间或空间的函数。信号在传输和检测的过程中，会受到外来干扰或者设备内部噪声的干扰。为了获得有用信号并将干扰排除，就要使用滤波技术。从含有噪声的原始信号中提取有用信号的过程被称为滤波[27]。

组合导航技术是通过最优估计理论，对不同导航系统中，同一导航参数的量测数据做最优化的处理。目前在组合导航中，普遍使用的是Kalman滤波算法及其衍生算法。Kalman滤波算法是1种时域递推最小均方差估计方法，针对系统噪声和观测噪声呈高斯分布的线性系统，它具有最优的估计效果[28]。标准Kalman滤波器只适用于线性系统，而实际系统都是非线性系统，针对这个问题，人们提出过许多滤波方法来解算非线性系统的数据[20-30]。对于非线性程度比较弱的系统，文献[31]对卡尔曼滤波算法进行非线性扩展，提出了扩展卡尔曼滤波算法（extended Kalman filter, EKF）。虽然EKF是1种非线性卡尔曼滤波，可解决系统方程和量测方程为非线性时的最优估计问题，但由于它舍弃了泰勒级数中的高阶非线性项，其本质上还是线性卡尔曼滤波，因此EKF只适用于非线性比较弱的系统。当系统维度较高、非线性较强时，则扩展卡尔曼滤波性能较差，最终导致滤波精度下降，甚至导致滤波结果发散。

为了克服EKF的不足，解决强非线性系统的估计问题，文献[32]提出了无迹卡尔曼滤波算法（unscented Kalman filter, UKF）[32]。另外，由于标准卡尔曼滤波器除了不能解决非线性系统的估计问题外，当过程噪声和量测噪声的误差特性不满足高斯白噪声时，标准卡尔曼滤波器也不能产生良好的估计效果，为此提出了粒子滤波（particle filter, PF）[33]。PF是除了UKF之外，另1种能够解决强非线性系统的估计问题的滤波方法，它直接根据概率密度计算条件均值，即最小方差估计。PF的估计精度高于单独采用EKF或UKF时的精度，但计算量也会有明显的增加。

除此之外，人们还针对不同的应用背景，提出过多种其他的滤波方法，如自适应滤波[34]、变结构多模型滤波[35]、容积Kalman滤波[36]等。

2.2 误差标定技术

INS/DVL组合导航中，DVL的测速精度是影响组合导航系统导航精度的关键因素。影响DVL测速精度的因素主要有以下3种：INS与DVL之间的安装误差角；DVL自身的测速误差（主要包括刻度因数误差和常值误差）；姿态角动态引入的DVL测速误差。

最早的标定方法只考虑了航向安装误差角，而未考虑其他DVL测速误差项[37]。但对于一些复杂的运载体轨迹而言，仅仅对航向安装误差角进行标定是无法满足导航精度要求的，因此有学者对标定方法进行改进，实现了对3维安装误差角的标定[38-39]。其中，文献[40-41]提出了1种基于最小二乘的标定方法。该方法将标定问题转化为位于2个不同坐标系下的3维点列的最小二乘问题。按照点列所指代的导航参数不同，该方法可分为利用速度信息的标定方法、利用位置信息的标定方法以及利用加速度信息的标定方法[42]。其中，利用速度信息的标定方法和利用位置信息的标定方法，需要外部传感器提供精确的速度和位置信息，这对实际应用的条件要求较为苛刻。利用加速度信息的标定方法，可以实现自标定，但是需要运载体进行复杂的机动，这对AUV的控制提出了很高的要求，从而限制了该方法在实际中的应用。

文献[43]使用Kalman滤波器对DVL的安装误差角进行估计。该方法将3维安装误差角作为滤波器状态变量，需要INS/GNSS组合导航系统提供载体实时的速度信息，这就要求航行器要在水面或者近水面工作才能完成标定工作。文献[44]提出了1种2点式标定方法，仅需AUV上浮1次即可实现在线标定。然而该方法仅能实现航向安装误差角和刻度因数误差的标定。为解决上述问题，文献[45]提出了1种3点在线标定方案，可以实现安装误差角、刻度因数误差和常值误差的全标定，大幅提升标定精度。为实现刻度因数误差和安装误差角的自标定，文献[46]提出了1种基于系统可观测性分析的标定方法，该方法无需增加任何额外的传感器即可完成标定。文献[47]提出了1种基于奇异值分解（singular value decomposition, SVD）的最小二乘标定方法，它将标定问题转化成了求解2个点列之间的转换矩阵问题，容易在实际应用中实现。SVD是线性代数中1种重要的矩阵分解。求解2个点列之间的转换矩阵问题也被称为求解Wahba问题，而基于SVD分解的最小二乘估计方法，被认为是Wahba问题的最稳定解法之一，通常被用来提供最小二乘拟合。

在实际应用中，必须考虑到AUV的动态姿态角状态，这就需要对DVL测速误差机理进行建模，以减少误差。文献[48]讨论了AUV转弯速率对DVL测速精度的影响，但只分析了航向角转弯速率的影响，且提出的误差模型相对简单。文献[35]分析了非零俯仰角所带来的影响，但该分析仅限于姿态角动态对于运载体前向速度的影响。文献[49]建立了基于动态俯仰角的DVL测速误差模型，但仅讨论了存在动态俯仰角的情况，没有考虑其余姿态角。为了解决上述方法存在的问题，文献[50]分析了航向角、俯仰角和横滚角均为动态对DVL测速精度的影响，建立了由动态姿态角进入DVL的测速误差模型，并提出了1种基于实时姿态信息的校正方法，实验结果表明，该方法大幅提高了SINS/DVL组合导航的定位精度。

2.3 初始对准

根据基座的不同运动状态，惯性导航系统的初始对准可分为静基座初始对准和动基座初始对准。在静基座条件下，惯性导航系统可以在无任何外部参考信息的条件下实现自对准；而在动基座条件下，需要外部辅助信息才能够实现对准。一般情况下，初始对准分为粗对准和精对准2个阶段。

DVL可以实时地获得运载体相对于海底的精确速度，这使得INS能借助该外部参考信息进行动基座初始对准[51-52]。在INS动基座初始对准任务中，广泛使用Kalman滤波器。当误差量初值为小量时，可以使用标准卡尔曼滤波器进行初始对准；当初始误差量较大时，使用标准卡尔曼滤波器易导致收敛缓慢甚至发散，这种情况下通常采用非线性卡尔曼滤波器，如EKF、UKF和PF等。文献[53]提出了1种基于UKF的DVL辅助下的SINS动基座初始对准方案，该方案适用于任意大小初始姿态误差角的对准；基于UKF的大失准角情况下的初始对准，是目前使用的最为广泛的对准方法。

为了解决AUV因海上风浪出现摆动而产生的角运动，文献[54]提出了1种基于重力加速度的粗对准算法来解决摇摆基座的对准问题，实验结果表明，在存在摇摆情况下，这种方法可实现较高精度对准。文献[55]提出了惯性系对准方法，该方法把对准问题转化为求解2个惯性凝固系之间的变换矩阵问题，可适用于任何初始姿态误差角，但难以达到极限精度。为此，文献[56-57]提出1种优化对准方法，将对准问题被转化为1个用矢量序列连续计算姿态的问题，这样可获得较高的对准精度。但由于DVL无法提供AUV在水下的精确位置信息，优化对准方法存在一定的局限性。为解决此问题，文献[58]提出了1种基于回溯的对准方法，该方法忽略了对准时间内载体位置的变化量，因此提高了DVL辅助下的INS初始对准精度，并通过海上实验验证了该算法的有效性。

3 未来研究热点

作为目前应用最为广泛的INS/DVL水下组合导航技术，未来有几大热点将获得广泛关注：

1）水下环境十分复杂且充满不确定性，DVL可能出现故障情况。需要AUV能够具备应对各种情况时的快速反应能力，同时能最大程度地减少DVL失效所带来的影响，保证系统短时高精度导航。

2）传统标定算法存在要求安装误差角为小量、需要先验误差模型、标定精度有待提高等劣势，未来可以将DVL误差标定算法与机器学习、深度学习算法相结合，提升标定精度，减少先验需求，扩大标定算法使用范围。

3）目前绝大多数INS/DVL组合导航算法为松组合方式，未来有待进一步研究紧组合耦合方式算法的理论和应用。

4）在实际应用中，绝大多数DVL为4波束配置，其中3个波束量测用于计算AUV在载体系下的速度，另1个波束量测作为冗余。然而在某些情况下，DVL的波束量测数量会少于3个。例如，当AUV沿着海洋海沟航行时，有2束或2束以上的波束信号可能无法到达海底并反射回来，这会导致无法解算得到DVL在载体系下的速度。因此，如何在DVL波束受限情况下实现高精度组合导航，具有重要的研究价值。

4 结束语

地球上绝大部分的面积是海洋，对于海洋特别是深海的探测开发是一大热点。因此，研究AUV水下导航技术具有重大的现实意义和军事意义。在众多水下导航技术中，INS/DVL组合导航技术发展最为成熟，应用最为广泛，前景最为乐观，将成为未来水下导航技术中的研究重点。

[1] 尹伟伟, 郭士荦. 非卫星水下导航定位技术综述[J]. 舰船电子工程, 2017, 37(3): 8-11.

[2] PANISH R, TAYLOR M. Achieving high navigation accuracy using inertial navigation systems in autonomous underwater vehicles[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of the 2011 OCEANS. Santander, Spain: IEEE, 2011: 1-7.

[3] 练军想.捷联惯导动基座对准新方法及导航误差抑制技术研究[D].长沙: 国防科学技术大学, 2007.

[4] 张红梅. 水下导航定位技术[M].武汉: 武汉大学出版社, 2010.

[5] 秦永元.惯性导航[M]. 2版. 北京: 科学出版社, 2014: 170-190.

[6] TITTERTON D H, WESTON J L. 捷联惯性导航技术[M].张天光, 王秀萍, 王丽霞, 等译. 2版.北京: 国防工业出版社, 2010: 14-26.

[7] 万德钧, 房建成. 惯性导航初始对准[M].南京: 东南大学出版社, 1998: 4-7.

[8] 丰璐. 长航时惯导系统阻尼和综合校正技术研究[D]. 北京: 北京理工大学, 2013.

[9] BINGHAM B, SEERING W. Hypothesis grids: improving long baseline navigation for autonomous underwater vehicles[J]. IEEE Journal of Oceanic Engineering, 2006, 31(1): 209-218.

[10] KINSEY J C, EUSTICE R M, WHITCOMB L L. A survey of underwater vehicle navigation: recent advances and new challenges[C]//International Federation of Automatic Control (IFAC). Proceeding of the 7th IFAC Conference on Maneuvering and Control of Marine Crafts. Lisbon, Portugal: IFAC, 2006: 1-12.

[11] KINSEY J C, SMALLWOOD D A, WHITCOMB L L. A new hydrodynamics test facility for UUV dynamics and control research[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 2003 IEEE/MTS Oceans. San Diego, USA: IEEE, 2003: 356-361.

[12] MORGADO M, BATISTA P, OLIVEIRA P, et al. Position USB/DVL sensor-based navigation filter in the presence of unknown ocean currents[J]. Automatic, 2011, 47(12): 2604-2614.

[13] 冯守珍, 吴永亭, 唐秋华. 超短基线声学定位原理及其应用[J]. 海岸工程, 2002, 21(4): 13-18.

[14] LI H, LIU M Y, LIU K. Bio-inspired geomagnetic navigation method for autonomous underwater vehicle[J]. Journal of Systems Engineering and Electronics, 2017, 28(6): 1203-1209.

[15] 郝燕玲, 赵亚凤, 胡俊峰.地磁匹配用于水下载体导航的初步分析[J]. 地球物理学进展, 2008, 23(2): 594-598.

[16] 郭有光, 钟斌, 边少锋. 地球重力场确定与重力场匹配导航[J]. 海洋测绘, 2003, 23(5): 61-64.

[17] HAN Y R, WANG B, DENG Z H, et al. A mismatch diagnostic method for TERCOM-based underwater gravity aided navigation[J]. IEEE Sensors Journal, 2017, 17(9): 2880-2888.

[18] KINSEY J C, TIVEY M A, YOERGER D R. Dynamics and navigation of autonomous underwater vehicles for submarine gravity surveying[J]. Geophysics, 2013, 78(3): 55-68.

[19] 韩雨蓉.水下导航重力匹配算法研究[D]. 北京: 北京理工大学, 2017.

[20] 陈小龙. AUV水下地形匹配辅助导航技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2012.

[21] 吕召鹏. SINS/DVL组合导航技术研究[D]. 长沙: 国防科学技术大学, 2011.

[22] 李亮. SINS/DVL组合导航技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2009.

[23] DINC M, HAJIYEV C. Integration of navigation systems for autonomous underwater vehicles[J]. Journal of Marine Engineering & Technology, 2015, 14(1): 32-43.

[24] HEGRENÆS Ø, RAMSTAD A, PEDERSEN T, et a1. Validation of a new generation DVL for underwater vehicle navigation[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of 2016 IEEE/OES Autonomous Underwater Vehicles (AUV). Tokyo, Japan: IEEE, 2016: 342-348.

[25] JALVING B, GADE K, SVARTVEIT K, et a1. DVL velocity aiding in the HUGIN 1000 integrated inertial navigation system[J]. Modeling, Identification and Control, 2004, 25(4): 223-235.

[26] TAL A, KLEIN I, KATZ R. Inertial navigation system/Doppler velocity log (INS/DVL) fusion with partial DVL measurements[J]. Sensors, 2017, 17(2): 415.

[27] 付梦印, 邓志红, 闫莉萍. Kalman滤波理论及其在导航系统中的应用[M].北京: 科学出版社, 2012.

[28] KALMAN R E. A new approach to linear filtering and prediction problems[J]. Journal of Basic Engineering Transactions, 1960, 82: 35-45.

[29] 王世元, 黄锦旺, 谢志刚, 等. 非线性卡尔曼滤波器[M]. 北京: 电子工业出版社, 2015: 10-30.

[30] XIA Y Q, XING Z R, WANG L S. Comparison of several nonlinear filters for mars entry navigation using radiometric measurements[J]. Journal of Navigation, 2017, 70(50): 983-1001.

[31] TOLEDO-MOREO R, ZAMORA-IZQUIERDO M A, UBEDA-MINARRO B, et al.High-integrity IMM-EKF-based road vehicle navigation with low-cost GPS/SBAS/INS[J]. IEEE Transactions on Intelligent Transportation Systems, 2007, 8(3): 491-511.

[32] JULIER S, UHLMANN J, DURRANTWHYTE H F. A new method for nonlinear transformation of means and covariances in filters and estimates[J]. IEEE Transactions on Automatic Control, 2000, 45(3): 477-482.

[33] ARULAMPALAM M S, MASKELL S, GORDON N, et al. A tutorial on particle filters for online nonlinear/non-gaussian Bayesian tracking[J]. IEEE Transactions on Signal Processing, 2002, 50(2): 174-188.

[34] 王林.水下INS/DVL组合导航与动基快速对准的自适应滤波算法研究[D]. 长沙: 国防科学技术大学, 2013.

[35] 李春静.惯导/DVL水下动基座初始对准方法研究[D]. 北京: 北京理工大学, 2015.

[36] GAO W, ZHANG Y, WANG J G. A strapdown inertial navigation system/BeiDou/Doppler velocity log integrated navigation algorithm based on a cubature Kalman filter[J]. Sensors, 2014, 14(1): 1511-1527.

[37] JOYCE T M. On in situ “calibration” on shipboard ADCPs[J]. Journal of Atmospheric & Oceanographic Technology, 1989, 6(1): 169-172.

[38] POLLARD R, READ J. A method for calibrating shipmounted acoustic Doppler profilers and the limitations of gyro compasses[J]. Journal of Atmospheric & Oceanographic Technology, 1989, 6(6): 859-865.

[39] MÜNCHOW A, COUGHRAN C S, HENDERSHOTT M C, et al. Performance and calibration of an acoustic Doppler current profiler towed below the surface[J]. Journal of Atmospheric & Oceanic Technology, 1995, 12(5): 435-444.

[40] KINSEY J C, WHITCOMB L L. Adaptive identification on the group of rigid-body rotations and its application to underwater vehicle navigation[J]. IEEE Transactions on Robotics, 2007, 23(1): 124-136.

[41] KINSEY J C, WHITCOMB L L. In situ alignment calibration of attitude and doppler sensors for precision underwater vehicle navigation: theory and experiment[J]. IEEE Journal of Oceanic Engineering, 2007, 32(2): 286-299.

[42] TRONI G, WHITCOMB L L. New methods for in-situ calibration of attitude and Doppler sensors for underwater vehicle navigation: preliminary results[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of Oceans 2010 MTS/IEEE SEATTLE. Seattle, USA: IEEE, 2010: 1-8.

[43] 朱春云, 庄广琛, 宋雅兰, 等. DVL安装误差角估计方法在水下组合导航系统中的应用[J].中国惯性技术学报, 2011, 19(1): 75-78.

[44] TANG K H, WANG J L, LI W L, et al. A novel INS and Doppler sensors calibration method for long range underwater vehicle navigation[J]. Sensors, 2013, 13(11): 14583-14600.

[45] LIU J Y, WANG B, DENG Z H. An online calibration method of INS and Doppler sensors[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of the 16th International Bhurban Conference on Applied Sciences and Technology. Islamabad, Pakistan: IEEE, 2019: 824-829.

[46] PAN X F, WU Y X. Underwater Doppler navigation with self-calibration[J]. Journal of Navigation, 2016, 69(2): 295-312.

[47] LI W L, ZHANG L D, SUN F P, et al. Alignment calibration of IMU and Doppler sensors for precision INS/DVL integrated navigation[J]. Optik-international Journal for Light and Electron Optics, 2015, 126(23): 3872-3876.

[48] JALVING B, GADE K, SVARTVEIT K, et al. DVL velocity aiding in the HUGIN 1000 integrated inertial navigation system[J]. Modeling Identification & Control, 2004, 25(4): 223-235.

[49] LIU P J, WANG B, DENG Z H, et al. A correction method for DVL measurement errors by pitch dynamics[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of the 24th Saint Petersburg International Conference on Integrated Navigation Systems. St. Petersburg, Russia: IEEE, 2017: 143-147.

[50] LIU P J, WANG B, DENG Z H, et al. A correction method for DVL measurement errors by attitude dynamics[J]. IEEE Sensors Journal, 2017, 17(14): 4628-4638.

[51] CHANG L B, LI Y, XUE B Y. Initial alignment for Doppler velocity log aided strapdown inertial navigation system with limited information[J]. IEEE/ASME Transactions on Mechatronics, 2017, 22(1): 329-338.

[52] WANG Q Y, LI Y B, DIAO M, et al. Moving base alignment of a fiber optic gyro inertial navigation system for autonomous underwater vehicle using doppler velocity log[J]. Optik-international Journal for Light and Electron Optics, 2015, 126(23): 3631-3637.

[53] LI W L, WANG J L, LU L Q, et al. A novel scheme for DVL-aided SINS in-motion alignment using UKF techniques[J]. Sensors, 2013, 13(1): 1046.

[54] 秦永元, 严恭敏, 顾冬晴,等.摇摆基座上基于信息的捷联惯导粗对准研究[J]. 西北工业大学学报, 2005, 23(5): 140-143.

[55] GU D, EL-SHEIMY N, HASSAN T, et al. Coarse alignment for marine SINS using gravity in the inertial frame as a reference[C]//The Institute of Electrical and Electronic Engineers (IEEE). Proceedings of 2008 IEEE/ION Position, Location and Navigation Symposium. Monterey, USA: IEEE, 2008: 961-965.

[56] WU M P, WU Y X, HU X P, et al. Optimization-based alignment for inertial navigation systems: theory and algorithm[J]. Aerospace Science and Technology, 2011, 15(1): 1-17.

[57] SILSON P M G. Coarse alignment of a ship’s strapdown inertial attitude reference system using velocity loci[J]. IEEE Transactions on Instrumentation and Measurement, 2011, 60(6): 1930-1941.

[58] 李万里.惯性/多普勒组合导航回溯算法研究[D].长沙: 国防科学技术大学, 2013.

A review of SINS/DVL integrated navigation technology

WANG Bo, LIU Jingyang, LIU Peijia

(School of Automation, Beijing Institute of Techology, Beijing 100081, China)

In order to further study on the technology of underwater navigation, the paper expounded the SINS/DVL integrated navigation technology which is popularly utilized in AUV navigation: the characteristics of complete independence, autonomy, concealment and high precision were introduced; and the application and research status of the key technology of SINS/DVL integrated system were given, including multi-source information filter fusion technology, error calibration technology and initial alignment technology; finally the future research hotspots of underwater SINS/DVL integrated navigation technology were discussed.

inertial navigation system; Doppler velocity log; multi-source filter fusion; error calibration; initial alignment

P228

A

2095-4999(2020)03-0001-06

王博，刘泾洋，刘沛佳. SINS/DVL组合导航技术综述[J]. 导航定位学报, 2020, 8(3): 1-6.（WANG Bo，LIU Jingyang, LIU Peijia. A review of SINS/DVL integrated navigation technology[J]. Journal of Navigation and Positioning, 2020, 8(3): 1-6.）

10.16547/j.cnki.10-1096.20200301.

2020-01-19

王博（1982—），男，河南开封人，博士，副教授，博士生导师，研究方向为水下重力匹配导航、组合导航。