● 摘要
位置姿态测量系统(Position and Orientation System, POS)作为高分辨率航空遥感系统运动补偿的一种关键技术，其主要构成部分为捷联惯导系统(Strapdown Inertial Navigation System, SINS)和全球卫星定位系统(Global Position System, GPS)。POS将SINS数据短期精度高、输出数据频率高的优点和GPS数据长期稳定性好、不随时间漂移的优点集为一体，进行了SINS/GPS数据融合处理，可为遥感载荷的运动补偿提供高精度的位置、速度和姿态信息。随着遥感图像分辨率的不断提高，高精度的运动补偿日益显示出其重要性，因此对POS的精度和性能提出了更高的要求。
由于POS工作环境复杂恶劣引起的惯性器件误差和系统输出参数中的随机误差现象十分严重，因而在POS器件精度不变的情况下，POS的测量精度和性能的高低取决于对其各种误差源的有效处理。本论文主要研究POS的高精度误差建模、POS的高精度重力扰动补偿方法、GPS失锁情况下POS组合定姿定位方法以及POS在高分辨率机载SAR运动补偿中的高精度数据处理方法，主要创新研究成果如下：
1、为了提高POS系统误差模型的建模精度，针对传统误差模型由于忽略惯性器件标定残差及简化误差源模型带来的不足，本文在15维传统误差模型的基础上，考虑刻度因子误差和安装误差的标定残差，并使用随机常值和一阶马尔科夫过程表示陀螺的随机漂移和加速度计的随机偏置，建立了一个39维的高阶误差模型，并进行POS与相机的联合飞行实验，验证了该模型的准确性和实用性。
2、针对POS导航计算中通常采用标准重力模型，而忽略了不同地点的重力扰动对POS结果产生影响的问题，本文提出了一种精确重力扰动补偿方法，该方法集合了直接求差法和模型法的优点，利用直接求差法获取一定精度的重力扰动值并建立一个合适的重力扰动模型，并基于此模型通过Kalman滤波器获得重力扰动的最优估计值。POS与相机的联合飞行实验结果表明，基于本文提出的重力扰动补偿方法的POS水平姿态精度有明显提高。
3、针对长时间GPS失锁情况下由于SINS误差累积而导致POS精度下降的问题，本文提出一种解决长时GPS失锁的基于RBF神经网络和时间序列分析的混合预测方法，这种方法对GPS失锁期间滤波量测信息进行预测，从而辅助Kalman滤波器进行SINS/GPS数据融合处理。最后通过飞行实验验证了该方法的有效性和精确性。
4、针对应用于机载SAR运动补偿中的POS数据处理方法的不足，提出一种基于滤波校正值平滑的POS数据处理方法，满足了高分辨率机载SAR实时成像运动补偿的需求。最后通过POS与SAR的联合飞行实验验证了该方法在高分辨率机载SAR实时成像运动补偿中的有效性。