本文主要是介绍PPP/INS紧组合算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
前言：在学习紧组合之前学会GNSS/INS松组合是很有必要的，i2NAV团队开源的KF_GINS项目可以作为GNSS/INS松组合学习模板，本文章主要对武汉大学i2NAV发布的PPP/INS紧组合学习资源进行算法层面的总结，链接：
武汉大学多源智能导航实验室 (i2nav.cn)
一、GNSS相位观测方程
这个地方需要注意到在观测方程中减去了整周模糊度*波长，也是我觉得在物理意义上比较好理解的形式，而在大多数GNSS相位观测方程中是这种形式的：
在这套紧组合学习方案中，PPP模型选用了无电离层模型，如下：
在初始位置按泰勒级数展开：
联系误差方程：v=BX-l，参数有测站三维坐标，接收机钟差，对流层湿延迟，组合浮点模糊度，而在伪距观测方程中则包括了码偏（TGD）参数。
但是存在秩亏现象，将伪距偏差归算到接收机钟差中，得到最终误差方程。
观测方程：
因为将位置误差和接收机钟差建模为白噪声（即与时间无关的误差），将对流层湿延迟建模为随机游走噪声，浮点模糊度为常数，得到如下状态方程。
状态方程：
什么是白噪声和随机游走噪声：
时间序列R语言操作2——白噪声和随机游走模型_r语言随机游走序列生成-CSDN博客
概率统计笔记：白噪声与随机游走_随机游走噪声-CSDN博客
无论是扩展卡尔曼滤波还是图优化的方式，都是从观测方程和状态方程这两个基本方程进行解算。
二、惯导误差方程
在i2NAV实验室网站中有详细的惯导学习资源，至少要做到了解下面参数和不同坐标系转换的水平。
误差方程：
状态方程：
杆臂效应改正： 将INS解算得到的IMU中心通过旋转平移得到GNSS测量中心
即GNSS微分位置参数=GNSS测量值-INS杆臂改正后的测量值，将右上角的式子代入解算过程得到最终结果。
三、PPP/INS紧组合
观测方程：
状态方程：
GNSS/INS观测方程共有参数：IMU位置，速度，姿态3*3=9个参数
IMU特有参数：陀螺仪零偏，加速度计零偏，陀螺仪比例因子，加速度计比例因子4*3=12
GNSS特有参数：对流层湿延迟，接收机钟差（加入了码偏），组合浮点模糊度2+m
+
可以看到GNSS特有参数的系数阵中，接收机钟差对应0，其余对应单位阵。
联合状态方程与观测方程后，其形式更加接近我们所熟知的最小二乘，卡尔曼滤波本质上就是最小二乘。
四、松组合与紧组合流程
这篇关于PPP/INS紧组合算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
