把“捷联惯导”这几个字拆开看，无非就是要解决“我是谁、我在哪、我要去哪”的持续计算问题。但做过实际项目的人都知道，捷联惯导从上电那一刻起，每一步都在跟误差做斗争。这篇总结覆盖了捷联惯导的几个核心模块：初始对准、位置标定、INS姿态更新、GPS/INS组合。这几块不是孤立的，而是串成一条完整的数据链路——先知道初始姿态和初始位置，然后高频递推姿态与位置，再用GPS这种绝对观测来修正惯导的长期漂移。适合正在做惯性导航算法验证、刚入门的嵌入式导航工程师，或者想把整条链路理清楚的同学参考。
1. 捷联惯导的整体框架与数学基础
1.1 先把坐标系这东西掰扯清楚
搞捷联惯导，第一个绕不开的就是坐标系。很多初学者上来就调算法，姿态四元数写得飞起，结果一上转台就错，多半是坐标系定义没统一。
捷联惯导常用的几个坐标系，我习惯这么记：
- i系（惯性坐标系）：以地心为原点，不随地球自转，是牛顿力学成立的绝对参考。陀螺和加速度计测量的物理量本质上都是相对于这个系的。
- e系（地球坐标系）：固连在地球上，随地球自转。我们常说的经纬度，就是载体相对这个系的位置。
- n系（导航坐标系）：一般取当地水平坐标系，东北天（ENU）或北东地（NED）。国内项目用东北天多一些，但飞控圈子里北东地也很常见。我的建议是：选一个，全项目统一，别混着来。
- b系（载体坐标系）：固连在载体上，一般是右前上（x右、y前、z上），也有前右下或者前右上。IMU的原始输出就是b系下的角增量和速度增量。
- m系（地图坐标系）：某些组合导航产品里会用到，和e系之间有固定的旋转关系，主要服务地图显示。
捷联惯导和平台惯导的本质区别就在这里。平台惯导用物理平台去模拟n系，把加速度计和陀螺装在稳定平台上，姿态角直接由平台框架读出。捷联惯导没有物理平台，它用计算机里的姿态矩阵去“虚拟”一个数学平台，把b系的传感器输出实时投影到n系。这个“虚拟平台”的精度，完全取决于姿态更新算法的精度和陀螺的精度。
1.2 捷联惯导的核心方程
从工程实现的角度，捷联惯导的每一拍计算都是围绕三组方程展开的：
姿态微分方程是捷联惯导的心脏。姿态矩阵 ( C_b^n ) 的变化率由载体相对导航系的角速度决定，在四元数表示下写成：
[ \dot{q}n^b = \frac{1}{2} q_n^b \otimes \omega{nb}^b ]
这里的 ( \omega_{nb}^b ) 是载体相对导航系的角速度在b系的投影，它不能直接用陀螺输出代替，而是要扣除地球自转和载体在地球表面运动引起的牵连角速度：
[ \omega_{nb}^b = \omega_{ib}^b - C_n^b (\omega_{ie}^n + \omega_{en}^n) ]
很多第一次写惯导程序的人会漏掉后面两项，结果就是静态下姿态缓慢漂移，转台测试过不了。
比力方程用来更新速度：
[ \dot{v}^n = C_b^n f^b - (2\omega_{ie}^n + \omega_{en}^n) \times v^n + g^n ]
加速度计测的是比力，不是纯加速度。要得到导航系下的真实加速度，必须先去掉哥氏加速度和重力。这句说起来简单，但 ( 2\omega_{ie}^n + \omega_{en}^n ) 这两项的符号方向稍微搞错，误差就会随速度增长。
位置方程用来更新经纬度和高度。一般把速度投影到子午圈和卯酉圈曲率半径上，求纬度和经度的变化率：
[ \dot{L} = \frac{v_N}{R_M + h}, \quad \dot{\lambda} = \frac{v_E}{(R_N + h)\cos L}, \quad \dot{h} = v_U ]
写到这里顺便说一句，位置更新虽然公式简单，但收敛性和数值稳定性同样要关注，尤其是高动态载体和长时间惯性纯推演时，位置误差是速度误差积分出来的，二阶发散，比姿态误差跑得快得多。
2. 初始对准：解决“从哪开始算”的问题
2.1 初始对准到底在干什么
捷联惯导的“初始对准”这四个字，很多人理解成“让姿态角归零”，这是不对的。初始对准的目标是确定载体坐标系相对导航坐标系的初始姿态矩阵 ( C_b^n(0) )。注意，是“确定”，不是“归零”。飞机停在机坪上，机头朝东和朝北，初始姿态矩阵完全不同。
初始对准分两大类：静基座对准和动基座对准。日常项目里，静基座对准最常用，也最基础；动基座对准，比如车辆跑起来之后才对准、飞机在舰船上对准，属于进阶玩法。
静基座对准又能分成粗对准和精对准两个阶段。粗对准在几十秒内完成，精度几度到零点几度；精对准在几分钟内把水平姿态对准到角分级、航向对准到0.1度级甚至更高。
2.2 解析式粗对准的原理与实现
粗对准的原理，本质上是利用两个在n系下已知、在b系下可测的矢量来构建初始姿态矩阵。
第一个矢量是重力。静基座下，加速度计测到的比力在n系下就是 ( -g^n )，方向指向地心；在b系下的投影就是加速度计的实际输出 ( \bar{f}^b )。这个矢量能确定水平姿态（俯仰和横滚）。
第二个矢量是地球自转角速度。陀螺静基座下输出 ( \omega_{ie}^b )，在n系下 ( \omega_{ie}^n ) 是已知的，水平分量为 ( \omega_{ie} \cos L ) 指向北向，天向分量为 ( \omega_{ie} \sin L )。利用这个矢量就能确定航向角。
工程实现上常用的做法是构建两个相互正交的矢量，用双矢量定姿求解初始姿态矩阵：
- 取 ( \mathbf{v}_1 = \bar{f}^b )（重力矢量）；
- 取 ( \mathbf{v}2 = \bar{f}^b \times \bar{\omega}{ie}^b )（重力与地球自转角速度的叉乘，再归一化）；
- 取 ( \mathbf{v}_3 = \mathbf{v}_1 \times \mathbf{v}_2 ) 构成正交系；
- 分别求n系和b系下的这一组正交基，然后直接解算出 ( C_b^n )。
这个方法的推导并不复杂，但有几个工程细节必须注意。第一，加速度计和陀螺的输出必须先做平滑滤波，取几十秒内的均值，否则晃动噪声直接进姿态，粗对准精度打折。第二，陀螺噪声大的MEMS器件，( \omega_{ie} ) 信号可能被噪声淹没，航向精度很差，这时候粗对准航向只用来做精对准的初值，不需要强求精度。第三，如果载体有轻微振动或阵风扰动，可以用更长的平滑时间和更鲁棒的滤波策略来缓解。
2.3 精对准：罗经对准与卡尔曼滤波对准
粗对准之后，姿态误差还在度级，尤其航向误差可能到几度，这对导航来说不够。精对准的任务就是把残差压下去。
经典的静基座精对准分水平对准和方位对准两条线：
- 水平精对准：利用水平回路的舒拉调谐特性，把失准角引起的水平加速度误差反馈到姿态修正中，让水平姿态误差收敛到陀螺漂移的量级。简单说，如果调平不准，重力分量会投影到水平加速度计上，形成虚假水平加速度，位置环和速度环会产生振荡信号，把振荡信号提取出来反向修正姿态角，姿态就逐渐对正了。
- 方位精对准：利用罗经效应。静基座下航向误差会让水平陀螺敏感到地球自转的北向分量，并通过水平回路形成一个等效的“罗经力矩”，把航向误差慢慢拉向零。航向收敛速度很慢，因为罗经回路的带宽很低，一般需要几分钟到十几分钟。
现代工程里，除了经典控制回路方式，更多用卡尔曼滤波来做静基座对准。把失准角、陀螺漂移、加速度计零偏放进状态量，用速度误差作为量测更新。静基座下速度真值为零，惯导计算速度就是速度误差，这个量测干净且直观。
卡尔曼滤波对准比经典罗经对准的调试效率高很多，因为不用手工设计回路参数，把噪声矩阵调合理就收敛。但代价是滤波器的可观性依赖可观测条件，静基座下航向误差的可观性比较弱，所以航向收敛慢，这与罗经对准殊途同归。
2.4 动基座对准与传递对准一句话总结
如果载体一直在动，比如车载惯导在行驶中开机，静基座对准没法做。这时常用的手段是：
- 行进中对准：依靠GPS速度或位置信息辅助，利用车辆运动中的机动来激励航向角。直行时航向不可观，有转向机动后航向误差才快速收敛。所以实际调试中常要求车辆跑一个S形或蛇形路线。
- 传递对准：高精度主惯导带动低精度子惯导，利用杆臂补偿和时间同步，通过速度或姿态匹配，在短时间内让子惯导获得主惯导的精度。
动基座对准的复杂度和调试成本比静基座高一个量级，如果项目条件允许，尽量在静止状态下完成初始对准再出车。
3. 位置标定：惯导的“原始坐标”必须立住
3.1 位置标定不是“校准位置”，而是“确定初始基准”
标题里的“位置标定”，我理解成两层含义：一是惯导启动时需要装订初始位置（经纬度和高度），二是惯导安装到载体上之后，安装位置和杆臂的标定。这两件事看着不相关，实际都会直接决定捷联惯导的定位起点准不准。
初始位置装订是常识，但坑很多。惯导上电后如果初始位置误差很大，比如差了几公里，那接下来几分钟内的位置输出都会带一个巨大的固定偏置，卡尔曼滤波收敛也救不回来，因为初始位置误差直接进位置状态。
初始位置怎么装订？工程上有三招：
- 人工输入：操作员通过界面输入当地经纬度和高度。简单，但容易输错，必须做合理性检查。
- GPS自动装订：启动时用GNSS定位结果作为初始位置。最常用，但要注意GPS定位可能有短时跳变，取几十秒稳定值再做装订。
- 存储回读：如果载体是在已知地点定期运行，比如公交场站、固定机位，可以把上一帧的最终位置或预设位置存进非易失存储，下次启动直接读取。
3.2 杆臂标定：GPS天线和惯导不在一处
这是组合导航里特别容易忽略的问题。惯导安装在车辆后桥附近或机舱里，GPS天线装在车顶或机身顶部，两者之间的距离就是杆臂。如果把GPS的位置观测直接跟惯导的位置输出做差，这个杆臂会以米级误差的形式进入组合滤波器的量测。
杆臂补偿分静态和动态两种。静态杆臂是安装位置的三维偏移，用卷尺都能量出来，但量测精度有限。动态杆臂是载体晃动时GPS天线相对惯导的微米级运动，通常建模为小量噪声。
更稳妥的做法是把杆臂也放进卡尔曼滤波的状态量里估计，尤其是对经常拆装、安装位置每次都变化的设备。有一种经验做法是：让载体做一段直线加转弯的运动，GPS位置和速度信息足够让杆臂误差在几十秒内收敛到厘米级。如果安装点固定，标定一次以后就可以直接当作常量使用。
3.3 安装误差角的标定
安装误差角是另一个和“位置标定”容易混淆的概念。它指的是IMU的b系和载体实际轴线（比如车辆航向轴、飞机机体轴）之间的夹角。如果IMU装歪了1度，那么姿态输出就带1度固定偏差，组合导航的航向和位置也会被牵连拉偏。
安装误差角的标定一般用转台或高精度真值：
- 转台标定：把惯导固定在转台上，转动到多个已知角度，用姿态输出的偏差反算安装误差角。精度高，但需要转台设备。
- 车载标定：借助高精度组合导航系统或RTK，让载体跑直线和转弯，用速度或航向差反算安装误差角。精度不如转台，但完全够大多数车辆导航使用。
标定完之后，把安装误差矩阵 ( C_{install} ) 串进姿态链里：先算IMU相对载体的姿态，再转到导航系。
3.4 高度位置的特殊性
位置标定还有一个小话题：高度。气压高度计、GNSS高程、惯导积分高度，三者系统误差源完全不同。惯导高度通道本身是发散的，纯惯性高度几分钟就飘，所以组合导航里高度一般直接用GNSS高程或气压高度约束，不给惯导高度通道太多权重。初始高度装订个粗略值就行，滤波会快速修正。
4. INS姿态更新：一毫秒一毫秒地把姿态“转”出来
4.1 姿态表示方法对比
姿态更新是捷联惯导里计算量最大、最容易出数值问题的模块。先把表示方法说清楚。
- 欧拉角：直观，三个角度（横滚、俯仰、航向），但存在万向节锁死问题，且微分方程里含三角函数，实时计算开销大。一般只用于显示和外部接口。
- 方向余弦矩阵（DCM）：不存在奇异问题，但9个元素相互冗余，归一是麻烦事。适合做姿态互转。
- 四元数：4个参数，无奇异，更新计算量小，但是容易受到非正交误差影响，需要周期归一化。工程上主算法基本都用四元数，DCM只作为最终输出转换用。
我的习惯是：内部递推用四元数，输出姿态角时再把四元数转成欧拉角。这个转换四元数到欧拉角的过程虽然简单，但要特别注意角度范围的定义，尤其是航向角0到360度和-180到180度的约定，不同客户要求不一样。
4.2 姿态更新的黑魔法：旋转矢量与不可交换性误差
捷联惯导姿态更新的核心问题，是如何用陀螺输出的有限时间内的角增量，去逼近真实的姿态变化。
陀螺输出的是角增量，不是角速度连续函数。如果载体在高动态环境中同时绕两个轴旋转，比如既俯仰又横滚，角速度矢量在空间中是旋转的，这时直接把各轴角增量相加当成总旋转矢量来更新，就会产生“不可交换性误差”。最经典的例子就是圆锥运动：载体在锥面上绕顶点摆动，每拍角增量都不大，但累积的姿态漂移却相当可观。
解决不可交换性误差的标准做法是旋转矢量法。姿态更新不再直接用角增量，而是先构造旋转矢量 ( \boldsymbol{\phi} )，然后通过Bortz方程或它的近似形式更新。工程里最常见的是单子样、双子样、三子样算法：
- 单子样算法：每个周期只用一个角增量，圆锥补偿项为零。适合低动态或高更新率的场景。
- 双子样算法：每个周期取两个角增量，中间产生了圆锥补偿项，可以在圆锥环境中大幅抑制漂移。多数中低动态项目够用。
- 三子样算法：每个周期取三个角增量，圆锥补偿更精细，适合高动态和高精度的组合。
这类算法的核心思想是：利用多个子样之间的角增量叉乘来估算角速度方向的变化率，从而对不可交换性误差做补偿。
写代码时有个教训：子样算法里的补偿项，不是把三个子样简单相加，而是两两叉乘再乘系数。系数用错了，补偿效果直接反折扣，甚至会引入更大的误差。算法推导过程不复杂，但建议直接把经过验证的嵌入式库函数拿过来用，不要自己临时推导。
4.3 速度更新里的划摇补偿
姿态更新有不可交换性误差，速度更新里对应的问题叫划摇效应（sculling）。想象一个物体在振动环境中既有线振动又有角振动，比力积分时如果直接把加速度计输出当成简单的线性积分，会产生额外的速度误差。
速度更新的标准做法是把比力方程在积分周期内展开，把角速度和比力的叉乘项做成划摇补偿项。高阶划摇补偿的推导思路跟圆锥补偿很相似，都是利用多子样数据的叉乘乘积来逼近真实积分。
很多教科书把圆锥补偿和划摇补偿分开讲，代码实现时放在一起。尤其在高振动的车辆或无人机场景里，划摇补偿不做好，速度发散会很明显。我在实际测试中见过一辆怠速抖动的汽车，MEMS级惯导的速度误差从0.05 m/s抖到0.3 m/s，加了划摇补偿之后直接恢复到0.05 m/s级别。
4.4 姿态更新周期的选择
姿态更新周期不是越短越好，要看陀螺采样率和CPU负载。MEMS陀螺输出率通常100 Hz到1 kHz，高精度光纤陀螺可以到2 kHz以上。
原则上：姿态更新率至少要是载体最高动态频率的10倍以上。对普通车载应用，100 Hz够了；对无人机、导弹这类高机动载体，建议400 Hz以上。
我见过一个项目用100 Hz更新率跑旋转弹应用，圆锥漂移大得离谱。把更新率提到500 Hz，同样的算法代码，姿态漂移直接砍半。算法再好，采样率不足也白搭。
4.5 归一化和反向运算
四元数更新过程中，浮点舍入误差会慢慢让四元数的模偏离1。每几百个周期做一次四元数归一化是必要的，否则姿态矩阵会逐渐失去正交性，姿态输出会产生慢漂。
这里有一个容易被忽视的点：四元数归一化的频率要足够高。如果只在进入组合滤波时才归一化，那两次归一化之间累积的误差可能已经在高精度应用里不可接受了。我习惯每更新100到200拍就归一化一次，开销很小，但数值稳定性好不少。
5. GPS/INS组合：惯导不飘、GPS不跳的秘诀
5.1 为什么一定要组合
纯惯性导航的问题是误差随时间累积。陀螺零偏导致姿态漂移，姿态漂移导致加速度计比力投影错误，速度误差积分又导致位置误差二次方增长。哪怕高精度光纤陀螺，纯惯性导航10分钟位置误差也可能到百米。
GPS的问题则相反：长期来看不飘，绝对精度在米级到厘米级（RTK），但更新率低（常见5到20 Hz），高动态下可能丢星，城市峡谷里信号遮挡严重。
GPS/INS组合的本质，是把这两个系统放在一个卡尔曼滤波器里，用GPS的绝对观测去估计并补偿惯导的误差源，同时用惯导的高频输出填补GPS丢星和低更新率的空缺。最后输出的导航解，比单独任何一个系统都稳。
5.2 松组合的架构与状态量设计
工程里最常用的是松组合。它把GPS解算出来的位置和速度当作量测，和惯导预测的位置、速度做差，送到卡尔曼滤波器里，去估计误差状态。
一个典型的15维状态量包含：
- 3个姿态误差（失准角）
- 3个速度误差
- 3个位置误差
- 3个陀螺漂移（通常建模为一阶马尔可夫或随机游走）
- 3个加速度计零偏
有的方案会扩展到18维、21维，把杆臂误差、时间同步误差、GPS钟差等也加进去。状态量越多，系统越复杂，可观测性分析也越难。常规项目先用15维打底，根据实际误差表现再扩展。
5.3 卡尔曼滤波的工程细节
卡尔曼滤波的核心公式谁都会写，工程里真正的差距在模型噪声矩阵 ( Q ) 和量测噪声 ( R ) 的整定上。
Q矩阵表示状态模型的过程噪声。陀螺零偏和加速度计零偏的噪声量级，要参考IMU数据手册和艾伦方差分析。我的经验是：初值先按手册给，然后跑一段真实数据，看估计出来的状态方差是否合理，再微调放大或缩小Q。
R矩阵表示量测噪声。GPS位置和速度的R值要根据GPS器件型号和差分状态设置。RTK模式下位置R可以给厘米级，单点定位模式下要给3到5米的方差。R给太大，修正力度弱，惯导飘起来GPS拉不回来；R给太小，GPS噪声会直接灌进滤波输出，导航曲线看起来会毛糙。
还有一个工程细节是量测更新周期。GPS的更新率低，惯导的预测更新率高，滤波器是“高频预测、低频更新”。在GPS更新间隙，卡尔曼滤波器只做时间更新，把状态和协方差往前推；收到新GPS数据后，再做一次量测更新。这个机制理解清楚了，代码结构就不会出错。
5.4 反馈校正还是开环输出
组合导航结果的输出有两种方式。
- 开环方式（误差反馈）：卡尔曼滤波估计的是误差状态，最终的导航解在主惯导解算路径上加上修正量后输出。滤波器本身不改变捷联解算内部的状态，稳定性好，但误差状态线性化假设在大误差时可能失真。
- 闭环方式（全反馈）：把卡尔曼估计出的误差直接反馈修正惯导解算的姿态、速度、位置，甚至修正陀螺和加速度计的零偏，惯导内部一直保持一个干净的导航解。这种方式精度和稳定性都好，但要注意反馈频率和控制律，反馈过头会亏。
我个人的做法是：在INS更新和GPS量测更新之间做闭环反馈，并且把反馈量做平滑和限幅处理，避免一次GPS跳变打乱整个解。
5.5 时间同步问题
GPS/INS组合里最容易踩的坑是时间同步。GPS的位置和速度观测，对应的是GPS接收机输出的脉冲时刻或数据帧时刻。惯导的预测结果对应的是惯导自己的解算时间戳。两者时间对不齐，哪怕只差10毫秒，在高速运动场景下就会产生显著的位置和速度误差。
工程上有几个处理思路：
- 硬件脉冲对齐：GPS接收机输出PPS脉冲，惯导系统在PPS中断里采样，把惯导状态打上GPS时间戳。这需要硬件支持，精度最高。
- 软件补偿：根据时间戳差值，用惯导的速度对GPS量测做外推或内插，把它折算到惯导解算时刻。
- 滤波状态扩展：把时间同步误差当作一个状态量去估计。
前两种最常见，第三种适合对时间同步精度极其苛刻的场景。我建议做项目时优先保证时间戳的统一，在输出层面就用同一个时间基准，否则后面组合滤波器的调试会让你心力交瘁。
5.6 紧组合和深组合的适用边界
紧组合不再用GPS解算后的位置速度作为量测，而是直接利用伪距、伪距率和载波相位观测。相比松组合，紧组合在GPS卫星数不足时可以继续使用部分卫星数据，观测量更原始，信息量更大。但实现复杂度高，需要自己维护卫星星历和接收机钟差。
深组合把GPS接收机的跟踪环路和惯导紧耦合，用惯导辅助接收机跟踪，动态适应能力强，抗干扰能力好。但这个方向主要是硬件和射频端的活，软件算法反而是配角，一般团队碰得少。
中小项目我建议先做松组合，它已经能解决90%的问题，而且调试工具成熟。只有当松组合在弱信号、多径场景下明显不满足指标时，再考虑紧组合。
6. 常见问题与排查技巧实录
6.1 静态下姿态缓慢漂移
静止状态下，姿态输出一直在缓慢变化，幅度从几分到几度每小时不等。优先检查三件事：
- 陀螺零偏是否补偿干净。MEMS陀螺的零偏稳定性差，温度变化也会引入额外零偏，最好加温度补偿表。
- 陀螺的比力敏感项和交叉轴灵敏度。有些低成本MEMS陀螺对加速度敏感，静止时的重力会激励出虚假角速度。
- 是否正确扣除了地球自转角速度。如果初始对准时把 ( \omega_{ie} ) 项忽略，静态姿态就会缓慢漂移。
6.2 GPS短时跳变拉偏导航解
GPS在城市环境里多径、遮挡严重，位置会发生几米到几十米的跳变。如果组合滤波器R设得太小，量测更新会强行把导航解拉向错误的GPS位置，产生“犬牙差互”的输出曲线。
常用的防护手段：
- 卡方检验异常检测：计算量测新息（innovation），如果超过阈值，认为量测异常并拒绝更新。
- R自适应调整：根据当前GPS的定位质量指标动态放大R，比如单点定位时R放大，RTK时缩小。
- 量测限幅：对位置/速度残差做限幅，超过安全范围时只做部分或零更新。
这些方法不冲突，可以在一个项目里叠加使用。
6.3 航向收敛慢或不收敛
卡尔曼滤波对航向的可观测性依赖载体运动激励。静基座或直线运动时航向误差收敛很慢，这属于系统可观性限制，不是代码bug。
解决办法：让载体做机动，比如S形行驶。测试时要设计合理的运动路径，让航向误差在几分钟内被激励到可观。如果是车载产品，建议在出厂测试说明里明确写出：“产品安装后需进行一次包含转弯的校准行驶。”
还有一种可能是陀螺Z轴零偏偏置较大，卡尔曼滤波把航向误差和陀螺零偏混淆了，导致航向收敛后又被拉偏。此时要检查滤波器的可观测性和状态模型，必要时把陀螺零偏建模得更贴合实际。
6.4 粗对准时航向差180度
解析式粗对准偶尔会出现航向差了180度的情况，根因是双矢量定姿时使用的矢量方向约定不一致，或者两个参考矢量的叉乘顺序不对。比如把重力方向取成 ( +g ) 而不是 ( -g )，或者 ( v_1 \times v_2 ) 的叉乘顺序反了，都会造成180度翻转。
排查方法很简单：对准完成后，把计算出的姿态矩阵拿去计算“重力在b系的投影”，跟加速度计实际输出对比，方向一致则基本正确，相反则说明定姿方向反了。
6.5 组合后位置精度反而下降
这种情况多半是时间不同步或坐标基准不统一。GNSS解算的坐标是WGS84或CGCS2000，惯导的位置更新用的是NED系下的移动距离，二者换算时椭球参数、投影带设置不一样，位置就会长期偏离。
另外，检查GNSS输出的高度基准。有些设备默认输出椭球高，有些输出海拔高，混用会造成高度方向偏差，并间接影响水平定位。
6.6 一个完整的调试数据流建议
最后分享一个我常用的调试套路：
- 先记录原始IMU数据，做零偏估计和温度补偿验证。
- 静基座跑一次对准，观察对准收敛曲线和最终姿态角是否符合预期。
- 用已知轨迹（转台或车辆直线、转弯）考验姿态更新，检查圆锥补偿和划摇补偿是否生效。
- GPS/INS融合后，先看残差序列，再调Q/R矩阵；不要一上来就动滤波器模型。
- 每次改参数都保留日志文件，对比前后结果。导航算法的调试本质上是“实验科学”，数据日志是最重要的资产。
我个人在实际项目里最深的体会是：捷联惯导的算法每一个模块都不算难，难的是把误差源一个个抠干净，把坐标系、时间戳、杆臂这些东西理清楚。一个角度符号错了，可能要花好几天才能从数据里定位到根因。所以做这套系统，耐心和数据管理能力，有时候比数学功底还重要。希望这篇总结能帮你少踩几个坑，把从初始对准到组合导航这条路走得顺畅一些。
` 与 FPS 的两类谎言)
