CN110345941A - 深潜载人潜水器sins自辅助导航方法 - Google Patents

Abstract

本发明公开一种深潜载人潜水器SINS自辅助导航方法，包括以下步骤：1、利用载人潜水器上的惯性测量单元(IMU)提供的角运动和线运动测量作为捷联惯性导航系统(SINS)的输入，并行执行两次导航解算算法，输出两组完全相同的导航参数，从而获得两套完全相同的捷联惯性导航系统SINS1和SINS2；2、对步骤1中SINS1输出的水平速度进行频率差异特性分析；3、设计高通无时延数字滤波器，滤除SINS1输出的水平速度中包含的低频速度误差分量，从而获得载人潜水器真实的水平速度；4、利用步骤3获取的真实水平速度，通过kalman滤波与SINS2共同构建速度匹配组合导航，从而获得定位误差不随时间累积的组合导航结果。本发明能够获取导航系下的辅助速度信息，实现定位误差不随时间累积。

Description

深潜载人潜水器SINS自辅助导航方法

技术领域

本发明属于载人潜水器水下导航定位技术领域，尤其涉及一种深潜载人潜水器SINS自辅助导航方法。

背景技术

随着水下导航传感器技术和算法的发展，新的水下载体不断涌现，新的水下作业任务得以实现。然而，在远离海面或海底的这段水域全球定位系统(GPS)和多普勒测速仪(DV)均不可用，使得中层水域导航仍然是当前水下导航面前的严峻挑战之一。目前，声学定位系统和惯性测量单元(IMU)是中层水域XY导航唯一可用的传感器。

对于深潜载人潜水器而言，考虑到宝贵的水下作业时间，获取精确的落地点和出水点位置对于航次安全和作业任务顺利完成至关重要。现有的中层水域导航定位主要依赖捷联惯性导航系统(SINS)和声学定位系统。然而，声学定位系统不仅需要水面支持母船或预先布设的专用设备，而且易受多径效应影响且定位精度与作用距离相关。此外，尽管SINS具有自主性、数据更新率高和导航信息完备等优点，然而它是通过对IMU提供的包含固有偏置的角运动和线运动信息积分计算姿态、速度和位置，使得SINS定位误差随时间累计。

在现有水下导航传感器的技术条件下，挖掘其他可用信息源，设计一种经济可行的中层水域导航方案用于深潜载人潜水器下潜/上浮阶段至关重要。

发明内容

发明目的：针对SINS定位误差随时间累计的问题，本发明提出一种深潜载人潜水器的SINS自辅助导航方法，在不考虑声学定位系统的条件下，利用载体下潜/上浮运动特征以及捷联惯性导航(SINS)误差传播特性进行频谱分析，从而设计相应的数字滤波器提取出载体真实的运动信息；通过kalman滤波技术，将提取的真实运动信息与SINS输出的导航参数进行信息融合，使得SINS定位误差收敛，从而实现深潜载人潜水器下潜/上浮过程中完全自主的高精度导航定位。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种深潜载人潜水器的SINS自辅助导航方法，包括以下步骤：

步骤1：利用载人潜水器上的惯性测量单元(IMU)提供的角运动和线运动测量作为捷联惯性导航系统(SINS)的输入，并行执行两次导航解算算法，输出两组完全相同的导航参数，即姿态、速度和位置，从而获得两套完全相同的捷联惯性导航SINS，即SINS1和SINS2；

步骤2：对步骤1中SINS1输出的水平速度进行频率差异特性分析，根据载人潜水器下潜/上浮运动特征以及SINS误差传播特性，将真实的水平速度视为高频信号，将水平速度误差视为低频信号；

步骤3：根据步骤2中的频率差异特性分析，设计高通无时延数字滤波器，滤除SINS1输出的水平速度中包含的低频速度误差分量，从而获得载人潜水器真实的水平速度；

步骤4：利用步骤3获取的真实水平速度，通过kalman滤波与SINS2共同构建速度匹配组合导航，从而获得定位误差不随时间累积的组合导航结果。

进一步，步骤1所述导航解算算法如下：

步骤1.1：选取当地地理坐标系作为导航坐标系，分别指向北、东、地，而载体坐标系则分别指向载体的前、右、下；记导航坐标系为n，载体坐标系为b，惯性坐标系为i以及地球坐标系为e，得到n系下导航解算的微分方程；

步骤1.2：已知初始时刻的姿态、速度和位置，通过对导航解算微分方程进行积分可以实时递归计算得到当前时刻的姿态、速度和位置。

进一步，步骤1.1所述n系下导航解算的微分方程分别为：

其中，表示载体坐标系到导航坐标系的姿态矩阵；表示载体坐标系相对于导航坐标系的角速率在导航坐标系下的投影；表示地球坐标系相对于惯性坐标系的角速率在导航坐标系下的投影；表示导航坐标系相对于地球坐标系的角速率在导航坐标系下的投影；Vⁿ＝[V_N V_E V_D]^T是对地速度在导航坐标系的投影；V_N、V_E、V_D分别表示对地速度在导航坐标系中北向、东向和地向的投影；表示加速度计输出的比力信息；gⁿ表示重力加速度在导航系下的投影；L、λ和h分别表示纬度、经度和高度；R_n、R_e分别表示地球子午圈、卯酉圈曲率半径；

所述表达式如下：

其中，表示陀螺仪输出的角运动信息，Ω是地球自转角速率。

进一步，步骤2所述对SINS1输出的水平速度进行频率差异特性分析，方法如下：

步骤2.1：对SINS1输出的水平速度的组成进行分析，水平速度包括两部分：真实水平速度和水平速度误差；

步骤2.2：由于初始对准误差、传感器误差以及导航算法误差的存在，方程(1)～(3)中姿态、速度和位置的计算值跟真实值之间存在误差，采用扰动法推导出SINS误差传播方程：

其中，φ＝[φ_N φ_E φ_D]^T为欧拉失准角，用于描述计算的导航坐标系n'与真实的导航坐标系n之间的旋转；δVⁿ＝[δV_N δV_E δV_D]^T为速度误差，δV_N、δV_E、δV_D分别为北向、东向、地向速度误差；为导航坐标系相对惯性坐标系的角速率在导航坐标系下的投影；为导航坐标系相对惯性坐标系的角速率误差在导航坐标系下的投影；为陀螺输出误差；为地球坐标系相对惯性坐标系的角速率误差在导航坐标系下的投影；为导航坐标系相对地球坐标系的角速率误差在导航坐标系下的投影；δf^b为加速度输出误差；δL,δλ,δh分别为纬度、经度和高度误差；

根据SINS的误差方程分析，水平速度误差δV_N和δV_E包含三种不同的振动误差：休拉振荡T_s、地球振荡T_e和傅科振荡T_F，表示如下：

其中，R是地球半径，g是重力加速度，Ω是地球自转角速率，L是纬度。

目前，深潜载人潜水器的下潜/上浮模式有两种方案：无动力下潜/上浮和螺旋下潜/上浮；对于无动力下潜/上浮模式而言，通过调节载人潜水器的重力/浮力实现下潜/上浮，没有水平方向上的推力，但是，受海流影响水平位置会发生飘移；通过对海浪波动规律的分析可以看出，其波浪振荡周期集中于4s～16s之间，通常，用几个正弦波叠加来模拟海浪的影响；对于螺旋下潜/上浮而言，其水平方向速度周期性变化。

对于载人潜水器而言，其下潜或上浮时间不超过3小时，因此本发明考虑SINS水平速度误差中周期为84.4分钟的休拉振荡；而载人潜水器下潜/上浮过程中，无论是无动力下潜/上浮还是螺旋下潜/上浮，其真实水平速度的变化周期远小于休拉振荡周期，相对而言可以视为高频信号。

根据SINS误差传播特性分析得到，水平速度误差变化是低频的，将水平速度误差视为低频信号；根据载人潜水器下潜/上浮的运动特征分析得到，真实的水平速度变化是高频的，将真实的水平速度视为高频信号。

进一步，步骤3所述设计高通无时延数字滤波器，方法如下：

步骤3.1：根据要保留和滤除的不同信号间的频率差异特性，设置数字高通滤波器的技术指标，所述技术指标包括：通带截止频率f_pass，阻带截止频率f_stop，通带允许的最大衰减α_P(单位dB)和阻带应达到的最小衰减α_s(单位dB)，同时滤波器的数据采样频率f_s由信号输出频率确定；

步骤3.2：将步骤3.1中给出的数字高通滤波器技术指标转换为数字低通滤波器技术指标，并设计传统的低通数字滤波器；

步骤3.3：采用互补方法，将低通数字滤波器转换为无/小相位滞后的高通数字滤波器，所述相位滞后在预期范围内。

进一步，步骤4所述通过kalman滤波与SINS2共同构建速度匹配组合导航，从而获得定位误差不随时间累积的组合导航结果，方法如下：

步骤4.1：根据选取的状态变量和量测变量，获得离散化的kalman滤波状态方程和量测方程；

选取姿态误差、速度误差、位置误差、陀螺常值误差和加速度计常值误差作为状态变量，状态变量X表示如下：

其中，φ表示欧拉失准角，δVⁿ表示速度误差，δp＝[δL δλ δh]^T表示位置误差，ε^b表示陀螺常值误差，表示加速度计常值误差；

选取东向速度误差和北向速度误差作为量测变量Z＝[δV_N δV_E]^T，根据SINS误差传播方程和获取的速度信息，得到离散化的卡尔曼滤波状态方程和量测方程：

其中，X_k为k时刻的状态估计，X_k-1为k-1时刻的状态估计，Z_k为k时刻的观测值，φ_k,k-1为非奇异状态一步转移矩阵，Γ_k,k-1为系统过程噪声输入矩阵，H_k为观测矩阵，W_k-1是系统随机过程噪声序列，V_k是系统随机量测噪声序列；

系统过程噪声和观测噪声的统计特性，设定如下：

其中，Q_k是系统过程噪声W_k的方差矩阵，R_k是系统量测噪声V_k的方差矩阵，k和j表示时间序列中的两个不同时刻，δ_kj是Kronecker-δ函数。

步骤4.2：给定初始值和P₀，根据k时刻的观测值Z_k，实时递推计算得到k时刻的状态估计具体求解过程如下：

状态一步预测：

状态估计：

滤波增益矩阵：

一步预测误差方差矩阵：

估计误差方差矩阵：P_k＝[I-K_kH_k]P_k,k-1；

其中，I表示单位矩阵；

步骤4.3：利用步骤4.2中获得的状态估计去修正SINS2中输出的导航参数，从而得到误差不随时间积累的导航定位结果。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：

(1)本发明提出了一种SINS自辅助导航方法，该方法基于载体运动特征和SINS自身的误差传播特性进行信号分离以提取真实的运动信息，不需要提供外部的传感器信息来抑制SINS的误差传播；

(2)本发明提出了利用高通无时延滤波来处理导航系下的速度的方法，与传统数字滤波器相比，相位滞后小；

(3)本发明获取的辅助速度信息，与捷联解算的频率相同，高于DVL和GPS的数据更新频率；

(4)本发明能够获取导航系下的辅助速度信息，不需要利用捷联解算获取的姿态矩阵进行坐标变换，使得这种自辅助导航能够真正实现定位误差不随时间累积。

附图说明

图1是SINS自辅助导航框架图；

图2是载人潜水器螺旋下潜/上浮运动轨迹；

图3是kalman滤波器计算过程示意图；

图4是载人潜水器无动力下潜/上浮仿真结果；

图5是载人潜水器螺旋下潜/上浮仿真结果。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的一种深潜载人潜水器的SINS自辅助导航方法，结构框架如图1所示，包括以下步骤：

步骤1：利用载人潜水器上的惯性测量单元(IMU)提供的角运动和线运动测量作为捷联惯性导航系统(SINS)的输入，并行执行两次导航解算算法，输出两组完全相同的导航参数，即姿态、速度和位置，从而获得两套完全相同的捷联惯性导航SINS，即SINS1和SINS2。

惯性测量单元(IMU)包括三个两两正交的陀螺仪和三个两两正交的加速度计，陀螺仪输出载体的角运动信息加速度计输出载体的线运动信息对于同一套惯性测量单元(IMU)输出并行执行两次捷联解算，输出两组导航参数，所述导航参数包括姿态、速度、位置，从而得到两套完全相同的惯性导航系统SINS1和SINS2。对于SINS1而言，通过对其输出的水平速度进行频率差异特性分析，从而设计高通无时延滤波来处理SINS1输出的水平速度，以提取真实的水平速度。对于SINS2而言，利用SINS1中提取的真实速度构建速度匹配组合导航，使得SINS2中输出的导航参数误差不随时间发散。

步骤1所述导航解算算法如下：

步骤1.1：选取当地地理坐标系作为导航坐标系，分别指向北、东、地，而载体坐标系则分别指向载体的前、右、下；记导航坐标系为n，载体坐标系为b，惯性坐标系为i以及地球坐标系为e，得到n系下导航解算的微分方程；

所述n系下导航解算的微分方程分别为：

其中，表示载体坐标系到导航坐标系的姿态矩阵；表示载体坐标系相对于导航坐标系的角速率在导航坐标系下的投影；表示地球坐标系相对于惯性坐标系的角速率在导航坐标系下的投影；表示导航坐标系相对于地球坐标系的角速率在导航坐标系下的投影；Vⁿ＝[V_N V_E V_D]^T是对地速度在导航坐标系的投影；V_N、V_E、V_D分别表示对地速度在导航坐标系中北向、东向和地向的投影；表示加速度计输出的比力信息；gⁿ表示重力加速度在导航系下的投影；L、λ和h分别表示纬度、经度和高度；R_n、R_e分别表示地球子午圈、卯酉圈曲率半径；

所述表达式如下：

其中，表示陀螺仪输出的角运动信息，Ω是地球自转角速率；

步骤1.2：已知初始时刻的姿态、速度和位置，通过对导航解算微分方程进行积分可以实时递归计算得到当前时刻的姿态、速度和位置。

步骤2：对步骤1中SINS1输出的水平速度进行频率差异特性分析，根据载人潜水器下潜/上浮运动特征以及SINS误差传播特性，将真实的水平速度视为高频信号，将水平速度误差视为低频信号。

步骤2.1：对SINS1输出的水平速度的组成进行分析，水平速度包括两部分：真实水平速度和水平速度误差；

步骤2.2：由于初始对准误差、传感器误差以及导航算法误差的存在，方程(1)～(3)中姿态、速度和位置的计算值跟真实值之间存在误差，采用扰动法推导出SINS误差传播方程：

其中，φ＝[φ_N φ_E φ_D]^T为欧拉失准角，用于描述计算的导航坐标系n'与真实的导航坐标系n之间的旋转；δVⁿ＝[δV_N δV_E δV_D]^T为速度误差，δV_N、δV_E、δV_D分别为北向、东向、地向速度误差；为导航坐标系相对惯性坐标系的角速率在导航坐标系下的投影；为导航坐标系相对惯性坐标系的角速率误差在导航坐标系下的投影；为陀螺输出误差；为地球坐标系相对惯性坐标系的角速率误差在导航坐标系下的投影；为导航坐标系相对地球坐标系的角速率误差在导航坐标系下的投影；δf^b为加速度输出误差；δL,δλ,δh分别为纬度、经度和高度误差；

根据SINS的误差方程分析，水平速度误差δV_N和δV_E包含三种不同的振动误差：休拉振荡T_s、地球振荡T_e和傅科振荡T_F，表示如下：

其中，R是地球半径，g是重力加速度，Ω是地球自转角速率，L是纬度。

目前，深潜载人潜水器的下潜/上浮模式有两种方案：无动力下潜/上浮和螺旋下潜/上浮；对于无动力下潜/上浮模式而言，通过调节载人潜水器的重力/浮力实现下潜/上浮，没有水平方向上的推力，但是，受海流影响水平位置会发生飘移；通过对海浪波动规律的分析可以看出，其波浪振荡周期集中于4s～16s之间，通常，用几个正弦波叠加来模拟海浪的影响；对于螺旋下潜/上浮而言，如图2所示，其水平方向速度周期性变化。

对于载人潜水器而言，其下潜或上浮时间不超过3小时，因此本发明考虑SINS水平速度误差中周期为84.4分钟的休拉振荡；而载人潜水器下潜/上浮过程中，无论是无动力下潜/上浮还是螺旋下潜/上浮，其真实水平速度的变化周期远小于休拉振荡周期，相对而言可以视为高频信号。

根据SINS误差传播特性分析得到，水平速度误差变化是低频的，将水平速度误差视为低频信号；根据载人潜水器下潜/上浮的运动特征分析得到，真实的水平速度变化是高频的，将真实的水平速度视为高频信号。

步骤3：根据步骤2中的频率差异特性分析，设计高通无时延数字滤波器，滤除SINS1输出的水平速度中包含的低频速度误差分量，从而获得载人潜水器真实的水平速度。

由频率差异特性分析可知，需要设计高通数字滤波来滤除低频的速度误差。然而实际应用中，采用传统直接设计的高通滤波会存在一定的时间延迟，故本发明采用互补方法设计高通无时延滤波，具体实现如下：

步骤3.1：根据要保留和滤除的不同信号间的频率差异特性，设置数字高通滤波器的技术指标，所述技术指标包括：通带截止频率f_pass，阻带截止频率f_stop，通带允许的最大衰减α_P(单位dB)和阻带应达到的最小衰减α_s(单位dB)，同时滤波器的数据采样频率f_s由信号输出频率确定；

步骤3.2：将步骤3.1中给出的数字高通滤波器技术指标转换为数字低通滤波器技术指标，并设计传统的低通数字滤波器；

步骤3.3：采用互补方法，将低通数字滤波器转换为无/小相位滞后的高通数字滤波器，所述相位滞后在预期范围内。

步骤4：利用步骤3获取的真实水平速度，通过kalman滤波与SINS2共同构建速度匹配组合导航，从而获得定位误差不随时间累积的组合导航结果。

步骤4.1：根据选取的状态变量和量测变量，获得离散化的kalman滤波状态方程和量测方程；

选取姿态误差、速度误差、位置误差、陀螺常值误差和加速度计常值误差作为状态变量，状态变量X表示如下：

其中，φ表示欧拉失准角，δVⁿ表示速度误差，δp＝[δL δλ δh]^T表示位置误差，ε^b表示陀螺常值误差，表示加速度计常值误差；

选取东向速度误差和北向速度误差作为量测变量Z＝[δV_N δV_E]^T，根据SINS误差传播方程和获取的速度信息，得到离散化的卡尔曼滤波状态方程和量测方程：

其中，X_k为k时刻的状态估计，X_k-1为k-1时刻的状态估计，Z_k为k时刻的观测值，φ_k,k-1为非奇异状态一步转移矩阵，Γ_k,k-1为系统过程噪声输入矩阵，H_k为观测矩阵，W_k-1是系统随机过程噪声序列，V_k是系统随机量测噪声序列；

系统过程噪声和观测噪声的统计特性，设定如下：

其中，Q_k是系统过程噪声W_k的方差矩阵，R_k是系统量测噪声V_k的方差矩阵，k和j表示时间序列中的两个不同时刻，δ_kj是Kronecker-δ函数；

步骤4.2：给定初始值和P₀，根据k时刻的观测值Z_k，实时递推计算得到k时刻的状态估计kalman滤波器计算过程如图3所示，具体求解过程如下：

状态一步预测：

状态估计：

滤波增益矩阵：

一步预测误差方差矩阵：

估计误差方差矩阵：P_k＝[I-K_kH_k]P_k,k-1；

其中，I表示单位矩阵；

步骤4.3：利用步骤4.2中获得的状态估计去修正SINS2中输出的导航参数，从而得到误差不随时间积累的导航定位结果。

本发明的有益效果通过如下仿真得以验证：

Case1：无动力下潜/上浮

下潜/上浮过程没有水平动力，受海流影响飘移，在不同深度具有不同的流速,会形成不同的垂向流速剖面。波浪振荡周期集中于4s～16s，由几个正弦波叠加：

其中，j表示X、Y、Z；h表示深度信息。

图4为载人潜水器无动力下潜/上浮仿真结果：图4(a)为速度对比结果，图4(b)为速度误差结果，图4(c)为组合导航结果；图4中各曲线表明，载人潜水器无动力下潜/上浮时，本发明设计的方法有效地输出不随时间累积的高精度定位误差。

Case2：螺旋下潜/上浮

设定载人潜水器航速2m/s，下潜倾角30°，回旋半径5m；图5为载人潜水器螺旋下潜仿真结果：图5(a)为速度对比结果，图5(b)为速度误差结果，图5(c)为组合导航结果；图5中曲线表明，载人潜水器螺旋下潜/上浮时，本发明设计的方法有效地输出不随时间累积的高精度定位误差。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (6)

1.一种深潜载人潜水器的SINS自辅助导航方法，其特征在于：该方法包括以下步骤：

步骤1：利用载人潜水器上的惯性测量单元(IMU)提供的角运动和线运动测量作为捷联惯性导航系统(SINS)的输入，并行执行两次导航解算算法，输出两组完全相同的导航参数，即姿态、速度和位置，从而获得两套完全相同的捷联惯性导航系统SINS，即SINS1和SINS2；

步骤2：对步骤1中SINS1输出的水平速度进行频率差异特性分析，根据载人潜水器下潜/上浮运动特征以及SINS误差传播特性，将真实的水平速度视为高频信号，将水平速度误差视为低频信号；

步骤3：根据步骤2中的频率差异特性分析，设计高通无时延数字滤波器，滤除SINS1输出的水平速度中包含的低频速度误差分量，从而获得载人潜水器真实的水平速度；

步骤4：利用步骤3获取的真实水平速度，通过kalman滤波与SINS2共同构建速度匹配组合导航，从而获得定位误差不随时间累积的组合导航结果。

2.根据权利要求1所述的一种深潜载人潜水器的SINS自辅助导航方法，其特征在于：步骤1所述导航解算算法如下：

步骤1.1：选取当地地理坐标系作为导航坐标系，分别指向北、东、地，而载体坐标系则分别指向载体的前、右、下；记导航坐标系为n，载体坐标系为b，惯性坐标系为i以及地球坐标系为e，得到n系下导航解算的微分方程；

步骤1.2：已知初始时刻的姿态、速度和位置，通过对导航解算微分方程进行积分可以实时递归计算得到当前时刻的姿态、速度和位置。

3.根据权利要求2所述的一种深潜载人潜水器的SINS自辅助导航方法，其特征在于：步骤1.1所述n系下导航解算的微分方程分别为：

其中，表示载体坐标系到导航坐标系的姿态矩阵；表示载体坐标系相对于导航坐标系的角速率在导航坐标系下的投影；表示地球坐标系相对于惯性坐标系的角速率在导航坐标系下的投影；表示导航坐标系相对于地球坐标系的角速率在导航坐标系下的投影；Vⁿ＝[V_N V_E V_D]^T是对地速度在导航坐标系的投影；V_N、V_E、V_D分别表示对地速度在导航坐标系中北向、东向和地向的投影；表示加速度计输出的比力信息；gⁿ表示重力加速度在导航系下的投影；L、λ和h分别表示纬度、经度和高度；R_n、R_e分别表示地球子午圈、卯酉圈曲率半径；

所述表达式如下：

其中，表示陀螺仪输出的角运动信息，Ω是地球自转角速率。

4.根据权利要求3所述的一种深潜载人潜水器的SINS自辅助导航方法，其特征在于：步骤2所述对SINS1输出的水平速度进行频率差异特性分析，方法如下：

步骤2.1：对SINS1输出的水平速度的组成进行分析，水平速度包括两部分：真实水平速度和水平速度误差；

步骤2.2：方程(1)～(3)中姿态、速度和位置的计算值跟真实值之间存在误差，采用扰动法推导出SINS误差传播方程：

其中，φ＝[φ_N φ_E φ_D]^T为欧拉失准角，用于描述计算的导航坐标系n'与真实的导航坐标系n之间的旋转；δVⁿ＝[δV_N δV_E δV_D]^T为速度误差，δV_N、δV_E、δV_D分别为北向、东向、地向速度误差；为导航坐标系相对惯性坐标系的角速率在导航坐标系下的投影；为导航坐标系相对惯性坐标系的角速率误差在导航坐标系下的投影；为陀螺输出误差；为地球坐标系相对惯性坐标系的角速率误差在导航坐标系下的投影；为导航坐标系相对地球坐标系的角速率误差在导航坐标系下的投影；δf^b为加速度输出误差；δL,δλ,δh分别为纬度、经度和高度误差；

根据SINS的误差方程分析，水平速度误差δV_N和δV_E包含三种不同的振动误差：休拉振荡T_s、地球振荡T_e和傅科振荡T_F，表示如下：

其中，R是地球半径，g是重力加速度，Ω是地球自转角速率，L是纬度；

根据SINS误差传播特性分析，将水平速度误差视为低频信号；根据载人潜水器下潜/上浮的运动特征分析，将真实的水平速度视为高频信号。

5.根据权利要求1-4任一所述的一种深潜载人潜水器的SINS自辅助导航方法，其特征在于：步骤3所述设计高通无时延数字滤波器，方法如下：

步骤3.1：根据要保留和滤除的不同信号间的频率差异特性，设置数字高通滤波器的技术指标，所述技术指标包括：通带截止频率f_pass，阻带截止频率f_stop，通带允许的最大衰减α_P和阻带应达到的最小衰减α_s，同时滤波器的数据采样频率f_s由信号输出频率确定；

步骤3.2：将步骤3.1中给出的数字高通滤波器技术指标转换为数字低通滤波器技术指标，并设计传统的低通数字滤波器；

步骤3.3：采用互补方法，将低通数字滤波器转换为无/小相位滞后的高通数字滤波器，所述相位滞后在预期范围内。

6.根据权利要求1-4任一所述的一种深潜载人潜水器的SINS自辅助导航方法，其特征在于：步骤4所述通过kalman滤波与SINS2共同构建速度匹配组合导航，从而获得定位误差不随时间累积的组合导航结果，方法如下：

步骤4.1：根据选取的状态变量和量测变量，获得离散化的kalman滤波状态方程和量测方程；

选取姿态误差、速度误差、位置误差、陀螺常值误差和加速度计常值误差作为状态变量，状态变量X表示如下：

其中，φ表示欧拉失准角，δVⁿ表示速度误差，δp＝[δL δλ δh]^T表示位置误差，ε^b表示陀螺常值误差，表示加速度计常值误差；

选取东向速度误差和北向速度误差作为量测变量Z＝[δV_N δV_E]^T，根据SINS误差传播方程和获取的速度信息，得到离散化的卡尔曼滤波状态方程和量测方程：

其中，X_k为k时刻的状态估计，X_k-1为k-1时刻的状态估计，Z_k为k时刻的观测值，φ_k,k-1为非奇异状态一步转移矩阵，Γ_k,k-1为系统过程噪声输入矩阵，H_k为观测矩阵，W_k-1是系统随机过程噪声序列，V_k是系统随机量测噪声序列；

系统过程噪声和观测噪声的统计特性，设定如下：

其中，Q_k是系统过程噪声W_k的方差矩阵，R_k是系统量测噪声V_k的方差矩阵，k和j表示时间序列中的两个不同时刻，δ_kj是Kronecker-δ函数；

步骤4.2：给定初始值和P₀，根据k时刻的观测值Z_k，实时递推计算得到k时刻的状态估计具体求解过程如下：

状态一步预测：

状态估计：

滤波增益矩阵：

一步预测误差方差矩阵：

估计误差方差矩阵：P_k＝[I-K_kH_k]P_k,k-1；

其中，I表示单位矩阵；

步骤4.3：利用步骤4.2中获得的状态估计去修正SINS2中输出的导航参数，从而得到误差不随时间积累的导航定位结果。