标题中的“重庆山区典型车载组合导航数据(GNSS/INS)”是指在重庆市山区环境中，通过车载设备收集的一套综合导航数据，这种数据集结合了全球导航卫星系统（Global Navigation Satellite System, GNSS）和惯性导航系统（Inertial Navigation System, INS）的数据。这种组合导航系统能够提供更稳定、精确的定位、导航和时间同步服务，尤其在信号受到干扰或遮挡（如城市峡谷、隧道、地下停车场）的情况下。 描述中提到的“空旷+遮挡+隧道+地下停车场混合场景”意味着数据集包含了多种复杂环境下的导航数据。在空旷区域，GNSS信号通常较强，可以提供准确的全球定位；而在遮挡区域，如高楼林立的城市中，GNSS信号可能会受到干扰，此时INS的连续运动学测量就显得尤为重要；进入隧道或地下停车场时，GNSS信号完全消失，这时完全依赖INS来估算位置和姿态变化。 “代数律动”可能是指在处理这些数据时所采用的数学算法，特别是解决GNSS和INS数据融合问题的滤波算法，如卡尔曼滤波（Kalman Filter）或者其变种，如无迹卡尔曼滤波（Unscented Kalman Filter）、粒子滤波（Particle Filter）等。这些滤波器能有效地融合来自两种不同导航系统的不同时延、不同精度的数据，以实现最优的导航解算。 “GNSS/INS”标签明确了数据集的主要组成部分。GNSS，如GPS、GLONASS、Galileo、BeiDou等，通过接收卫星信号来确定位置、速度和时间；而INS则利用加速度计和陀螺仪来持续跟踪车辆的运动状态，即使在没有外部参考的情况下也能提供定位信息。 从压缩包的文件名“重庆山区典型车载组合导航数据(GNSS+INS)_AlgoT1-3_Pub”来看，可能包含的是多个算法测试序列（T1到T3），可能用于评估不同算法在处理GNSS/INS融合数据时的性能，且“Pub”可能表示这些数据是公开可用的，供研究者进行算法开发和验证。 这个数据集对于研究和开发车载组合导航系统，特别是在复杂环境下的导航算法优化，具有极高的价值。它涉及到的关键技术包括GNSS信号处理、惯性传感器数据融合、滤波算法设计以及在不同环境条件下的定位精度分析。通过分析和学习这样的数据，开发者可以提升车载导航系统的鲁棒性和准确性，以适应各种实际应用场景。

【GNSS/INS松组合导航Matlab程序】是一种在航空航天、自动驾驶、航海等领域广泛应用的导航技术，它结合了全球导航卫星系统（GNSS）和惯性导航系统（INS）的优点，提高了定位精度和稳定性。在Matlab环境中实现这种松组合导航，能够方便地进行算法设计、仿真与验证。 我们要理解GNSS和INS的基本原理。GNSS，如GPS（全球定位系统），通过接收来自卫星的信号来确定地面设备的位置、速度和时间。而INS则依赖于陀螺仪和加速度计来测量载体的运动状态，无需外部参考即可连续提供位置、速度和姿态信息。然而，GNSS可能会受到遮挡或干扰，INS则存在累积误差问题，松组合导航正是为了解决这些问题。 松组合导航的关键在于数据融合。在Matlab程序中，通常会先利用GNSS数据生成初始的轨迹，然后根据这个轨迹产生模拟的惯导数据，包括陀螺仪和加速度计的输出。这部分涉及到了信号处理、滤波理论和随机过程的知识，比如卡尔曼滤波（Kalman Filter）常被用于融合这两类传感器的数据。 接下来，这些模拟数据会被输入到惯导解算器中，进行运动状态的更新和校正。惯导解算通常涉及到牛顿-欧拉方程、四元数表示法等，用于计算载体的位置、速度和姿态。在Matlab中，可以利用内置的函数或自定义算法来实现这一过程。 仿真完成后，会使用这些模拟的GPS和INS数据进行松组合导航的实现。松组合意味着GNSS和INS系统保持相对独立，各自进行数据处理，然后在一个高层次上进行信息交换。这样做的好处是可以避免一个系统的误差影响另一个系统，同时保留各自的优点。组合导航算法可能包括简单的数据融合策略，如时间同步或者更复杂的滤波算法。 在【sins + gnss】这个压缩包中，可能包含了实现上述功能的Matlab源代码文件，如初始化配置文件、数据生成脚本、滤波算法实现、结果分析工具等。用户可以通过阅读和运行这些代码，深入理解松组合导航的工作原理，并对其进行定制和优化。 GNSS/INS松组合导航Matlab程序是导航技术研究的重要工具，涵盖了卫星导航、惯性导航、数据融合等多个领域的知识。通过对这套程序的学习和实践，不仅可以掌握相关算法，还可以提升在复杂环境下的定位能力，对于科研和工程应用具有很高的价值。

# Tightly Coupled INS GNSS 本程序基于教材： Paul D. Groves, 练军想, 唐康华, 潘献飞. GNSS与惯性及多传感器组合导航系统原理 : Principles of GNSS, inertial, and multisensor integrated navigation systems. 北京:国防工业出版社, 2015. 附赠的INS/GNSS紧组合仿真代码进行修改得到，能够实现基于伪距、伪距率、INS数据的紧组合解算。 文件夹CalculateTCRes为紧组合解算程序，INS_GNSS_Demo_7为主脚本 文件夹SharedMat为运行所需常量数组 文件夹TCdata为一组手推车实验数据，包含InertialExplorer软件INS/RTK模式输出的参考导航解（DGNSSRES文件夹），预处理后的GNSS观测（GNSSObsForCouple文件夹），预处理后的INS观测（IMU文件夹），双GNSS天线测向数据（SPANE1文件夹）

本数据集由武汉大学多源智能导航实验室提供，采集于湖北省武汉市一处工业园区，为开阔天空场景，GNSS RTK定位良好。数据集包括GNSS定位结果、IMU原始数据和高精度参考真值，以及对应的噪声参数和安装参数。本数据集最大的特点是提供了四种不同型号的MEMS IMU数据，包括消费级MEMS芯片和工业级MEMS模块。

GNSS/SINS紧组合和松组合导航系统，matlab仿真程序，亲手写的

GNSS/INS深组合导航理论与方法研究,博士论文,发表于2013年

matlab位置解算代码吉纳夫 注意：该程序仍在开发中，GINav 中可能存在一些错误。 欢迎广大用户提出意见和建议，请发送给作者()。 如果您对GINav算法感兴趣，可以加入GINav讨论群（ QQ:533185090 ）。 此外，基于C语言的GINav将适时在Github上发布。 介绍 GINav是一款开源软件，专注于GNSS/INS综合导航系统的数据处理和分析，也可以处理多星座多频GNSS数据。 GINav 适用于车载情况，旨在为进行 GNSS/INS 相关研究提供有用的工具。 它是测试新算法和实验功能的便捷平台。 GINav 是在 MATLAB 环境中开发的。 它提供了一个用户友好的图形用户界面（GUI），以方便用户快速学习如何使用它。 提供了一个可视化工具 GINavPlot，用于解决方案展示和错误分析。 该软件的主要特点是： 支持GNSS绝对定位模式，包括标准单点定位（SPP）和精确单点定位（PPP） 支持GNSS相对定位模式，包括后处理差分、运动和静态（PPD、PPK和PPS） 支持多星座多频GNSS数据处理 支持GNSS/INS松耦合（LC）模式，包括SPP/INS L

一种GNSS INS 超紧组合接收机设计及测试

GNSS-INS-SIM GNSS-INS-SIM是GNSS / INS模拟项目，它生成参考轨迹，IMU传感器输出，GPS输出，里程表输出和磁力计输出。 用户选择/设置传感器模型，定义航路点并提供算法， gnss-ins-sim可以为算法生成所需的数据，运行算法，绘制仿真结果，保存仿真结果并生成简短摘要。 内容 要求 Numpy（版本> 1.10） Matplotlib 演示版 我们提供以下演示以展示如何使用此工具： 文件名 描述 demo_no_algo.py 没有用户指定的算法，可以生成数据，将生成的数据保存到文件并绘制（2D / 3D）感兴趣的数据的演示。 demo_allan.py Allan陀螺仪和加速度计数据分析演示。 产生的艾伦偏差如图所示。 demo_free_integration.py 一个简单捷联系统的演示。 模拟运行1000次。 生成了1000个仿真

这个是一个国家地理的专业文档，里面是一些坐标系转换（ECEF重力转换）的常用系数，及重力的一些公式。 有需要的可以下载。 未来会撰文撰写一些文档来用这些公式计算。