第4章 组合导航系统：INS/GPS松耦合与紧耦合架构
各位同学，今天我们来聊聊组合导航系统里最经典的话题——INS和GPS怎么搭配干活。说实话，我在这个领域摸爬滚打十几年，见过太多因为耦合方式选错导致任务失败的案例。嗯，咱们今天就把它彻底讲透。
4.1 为什么非要组合？
先问个问题：惯性导航（INS）和卫星导航（GPS）单独用，各自有什么毛病？
INS吧，短时间精度高，但时间一长就飘。我见过一个项目，纯惯导飞了20分钟，位置误差直接干到几百米。GPS呢，长期稳定，但容易被干扰、遮挡，更新频率还低（一般10Hz）。
说白了，一个怕长跑，一个怕短跑。组合起来，就是让它们互相补台。
核心思想：用GPS的长期稳定性修正INS的漂移，用INS的高频输出填补GPS的更新间隙。
4.2 松耦合架构
松耦合，英文叫Loosely Coupled。这是最直观、最容易实现的方式。
怎么工作的？
简单说，就是INS和GPS各自独立解算位置、速度，然后拿GPS的结果去修正INS。修正通常用卡尔曼滤波器完成。
// 松耦合的简化流程
INS解算 → 位置P_ins, 速度V_ins
GPS解算 → 位置P_gps, 速度V_gps
差值 = [P_ins - P_gps, V_ins - V_gps] // 作为观测量
卡尔曼滤波 → 估计INS误差 → 反馈修正我在项目中遇到过一件事：某次无人机试飞，松耦合模式下GPS突然丢星5秒钟。结果呢？INS直接开环跑，位置误差瞬间炸裂。为什么？因为松耦合的观测量是位置和速度，一旦GPS没了，滤波器就失去修正源。
避坑指南：我曾经因为GPS天线安装位置不当，导致松耦合系统在转弯时出现1秒左右的延迟。后来发现是GPS和INS的杆臂效应没补偿。记住，杆臂补偿不是可选项，是必选项。
松耦合的优点：
- 实现简单，计算量小
- INS和GPS可以独立工作
- 故障隔离容易
松耦合的缺点：
- GPS需要至少4颗星才能解算
- GPS信号短暂中断时，INS误差会快速积累
- 无法利用GPS的原始观测量（伪距、载波相位）
4.3 紧耦合架构
紧耦合，Tightly Coupled。这才是真正的高手玩法。
区别在哪？
松耦合用的是GPS解算后的位置速度，紧耦合直接拿GPS的原始观测量——伪距和伪距率。你想想看，这样信息量大了多少？
// 紧耦合的简化流程
INS解算 → 预测伪距 ρ_pred, 预测伪距率 ρ_dot_pred
GPS接收机 → 测量伪距 ρ_meas, 测量伪距率 ρ_dot_meas
差值 = [ρ_pred - ρ_meas, ρ_dot_pred - ρ_dot_meas] // 每颗星独立计算
卡尔曼滤波 → 估计INS误差 + GPS接收机时钟误差紧耦合最牛的地方在于：即使GPS只有1颗星可用，系统依然能工作。为什么？因为紧耦合的观测量是每颗星独立的伪距残差，不是位置解算结果。
实战经验：我在某次高动态飞行试验中，GPS信号被遮挡到只剩2颗星。松耦合系统直接罢工，紧耦合系统靠着这2颗星和INS的预测，硬是撑了30秒，误差控制在10米以内。这就是差距。
紧耦合的优点：
- 抗干扰能力强，可用星数少时仍能工作
- 精度更高，尤其是动态环境下
- 可以估计GPS接收机时钟误差
紧耦合的缺点：
- 实现复杂，计算量大
- 需要访问GPS接收机的原始数据（很多商用接收机不开放）
- 故障诊断更困难
4.4 两种架构的对比
| 对比项 | 松耦合 | 紧耦合 |
|---|---|---|
| 观测量 | 位置、速度 | 伪距、伪距率 |
| 最小可用星数 | 4颗 | 1颗 |
| 计算复杂度 | 低 | 高 |
| 精度（静态） | 中等 | 高 |
| 精度（动态） | 较低 | 高 |
| 抗干扰能力 | 弱 | 强 |
| 实现难度 | 低 | 高 |
4.5 故障对组合导航的影响
这部分我得多说几句。故障诊断是我的老本行，组合导航系统一旦出故障，后果可能很严重。
GPS故障类型：
- 信号丢失：松耦合直接失去观测量，INS开环发散。紧耦合还能撑一阵子。
- 多径效应：伪距测量出现偏差。我见过一个案例，城市峡谷中多径误差达到50米，松耦合完全没察觉。
- 星历错误：卫星广播的轨道参数出错。这种故障最隐蔽，因为GPS接收机自己都检测不出来。
INS故障类型：
- 加速度计零偏突变：通常由温度变化或冲击引起。紧耦合能通过伪距残差快速检测到。
- 陀螺漂移增大：姿态误差会慢慢累积。我建议在卡尔曼滤波里加一个残差卡方检验，专门抓这种渐变故障。
- 杆臂效应异常：如果INS和GPS的安装位置发生相对位移（比如结构变形），两种耦合方式都会受影响。
我的建议：对于高可靠性应用，别只用一种耦合方式。我习惯的做法是：主通道用紧耦合，同时保留一个松耦合作为备份。两个通道互相校验，一旦残差超限，立即切换。
4.6 故障检测的实用方法
这里分享一个我常用的方法——残差χ²检验。说白了，就是看卡尔曼滤波的新息（innovation）是否服从零均值高斯分布。
// 残差χ²检验伪代码
for each epoch:
计算新息向量: ν = z - H·x_pred
计算新息协方差: S = H·P_pred·H^T + R
计算检验统计量: T = ν^T · S^(-1) · ν
if T > 阈值:
报警：可能发生故障
else:
正常更新阈值怎么选？我一般取χ²分布的0.99分位数。自由度等于观测量维度。比如紧耦合有8颗星，自由度就是8。
注意：我曾经踩过一个坑——阈值设得太严，导致频繁虚警。后来发现是过程噪声Q矩阵调得太小，滤波器过于自信。记住，故障检测的阈值要和滤波器调参一起考虑。
4.7 选型建议
最后，给各位一个实用的选型建议：
- 消费级无人机：松耦合就够了。成本低，实现快。
- 工业级巡检：建议紧耦合。城市环境、信号遮挡多，紧耦合更可靠。
- 导弹/高动态飞行器：必须紧耦合，而且要做冗余设计。我见过用三余度INS+双GPS的配置，紧耦合+故障检测+重构，一套下来可靠性提升两个数量级。
嗯，今天就讲到这里。下一章咱们聊聊组合导航系统的容错设计，包括故障隔离和系统重构。到时候我会分享一个我亲手调过的实际案例，保证干货满满。