智能多源导航系统时间不确定性研究：影响分析、算法设计与应用验证——以仿生偏振导航系统（BPNS）为例

《Research》：Time Uncertainty in Intelligent Multi-Source Navigation Systems: Impact Analysis, Algorithm Design, and System Applications

　　

智能多源导航系统（intelligent multi-source navigation systems, IMSNS）旨在融合来自光学、机械、电气、磁和热等多个物理域的信息，在保障飞行器跨域智能飞行方面发挥着关键作用。随着跨域智能飞行器作战场景日益复杂，扰动与不确定性在IMSNS中愈发普遍。作为以强时空耦合为特征的系统，IMSNS的性能高度依赖于精确、可靠的时间信息。特别是在高动态运动条件下，时间不确定性已成为制约系统性能进一步提升的关键因素。针对一类通用的IMSNS，本文首先阐述了时间不确定性的产生机理与影响特性。依据物理来源，IMSNS中的时间不确定性被划分为两类：（a）绝对时间不确定性（absolute time uncertainty, ATU），以时间传递误差为代表，涉及时间基准问题；（b）相对时间不确定性（relative time uncertainty, RTU），以守时误差为代表，对应时间对齐问题。分别分析了两类时间不确定性对IMSNS的影响机理。在此基础上，提出了一种硬件增强与算法优化相结合的时间不确定性抑制方案。该方案通过优化的系统设计、考虑多源异构时间不确定性的系统建模以及精化的估计与补偿算法，能够有效应对时间不确定性问题。为验证和检验所提方案，以仿生偏振导航系统（bioinspired polarization navigation system, BPNS）作为代表性IMSNS进行案例研究。仿真与实验结果验证了所提时间不确定性抑制方案的有效性。

智能多源导航系统时间不确定性研究论文解读

跨域智能飞行器已成为航空航天领域的研究热点，其导航系统提供姿态、速度与位置等核心信息，被视为飞行器的“运动神经系统”。然而，惯性导航系统（INS）存在长时误差累积，全球导航卫星系统（GNSS）易受信号干扰与拒止，单一导航手段难以同时满足自主性、精确性与完备性要求。融合光、机、电、磁、热等多物理域信息的智能多源导航系统（IMSNS）被认为是实现可靠、弹性导航的重要途径，也是中国下一代综合定位、导航与授时（PNT）基础设施的核心组成。IMSNS是强时空耦合系统，其性能高度依赖时间信息的精确与可靠。已有研究多聚焦杆臂误差、安装误差、GNSS多径、偏振光折射误差等空间不确定性，而时间不确定性研究相对匮乏。事实上，时间误差已在实际系统中造成严重危害：2019年伽利略系统因地面站时间故障导致服务中断，俄乌冲突中HIMARS因卫星信号遭电子干扰而打击精度下降。因此，厘清时间不确定性的产生机理与影响链条，发展系统化的抑制方案，是提升IMSNS在高动态、强对抗环境下性能的迫切需求。

在IMSNS中，时间不确定性按物理来源可分为绝对时间不确定性（ATU）和相对时间不确定性（RTU）。ATU以时间传递误差为代表，涉及UTC时间基准受干扰、欺骗以及传输时延等问题，主要影响依赖天文学星历的偏振传感器（PS）、太阳敏感器（SS）和星敏感器（ST）；RTU以守时误差为代表，涵盖时间参考不一致、采样时间抖动与数据传输延迟，主要影响多源传感器的时间对齐与融合精度。论文提出“硬软协同”的时间不确定性抑制方案，以仿生偏振导航系统（BPNS）为代表性案例进行验证。硬件层面将芯片级原子钟（CSAC）引入系统集成架构，提供高精度秒脉冲（PPS）同步信号，从根源上抑制ATU并消除传感器间时间基准不一致误差；算法层面建立同时考虑采样抖动ζ_k与时间同步误差Δt_k的PS/INS紧组合导航模型，并设计复合扰动观测器+卡尔曼滤波（DO+KF）方案，其中扰动观测器估计与补偿传输延迟，卡尔曼滤波抑制随机采样抖动影响。研究数据来自半物理实验与车载实验：半物理实验于2025年1月7日在北京航空航天大学进行，利用CSAC、BPNS与高精度光纤组合导航系统（INS900A）采集共60000组数据；车载实验于2026年1月27日在北京航空航天大学操场（116.3398657°E，39.9794614°N）开展，PS以10Hz采样，INS以100Hz采样。

ATU的检测与抑制。仿真建立了时间误差与航向误差的定量映射：10s时间误差对应小于0.01°的航向误差，30s内不超过0.05°，超过30s后二者呈近似线性关系。据此提出基于CSAC的ATU检测方法，通过设定检测门限实现原子钟授时与GNSS授时自主切换。半物理实验中，研究人员注入斜坡式时间扰动，GNSS授时策略出现明显漂移，而CSAC策略能够实时检测扰动并切换至内部授时模式，航向误差的均方根（RMS）、标准差（SD）和平均绝对误差（MAE）分别由0.47°、0.28°、0.38°降至0.05°、0.05°、0.04°，降幅达89.4%、82.1%和89.5%，验证了CSAC对ATU的抑制效果。

RTU的抑制与补偿。仿真设置20ms时间基准不一致、10ms传输延迟和标准差3ms的采样抖动，对比无CSAC常规方法（方法1）、含CSAC常规方法（方法2）与含CSAC且采用时间不确定性补偿模型的方法（方法3）。CSAC消除了时间基准不一致误差，方法2较方法1航向RMS降低58.1%；方法3在约14s内收敛，延迟估计精度达99.6%，同时有效抑制采样抖动，航向RMS较方法2进一步降低69.2%，MAE降低72.7%。

消融研究。分别移除时间基准不一致补偿模块（TRICM）、传输延迟补偿模块（TDCM）与采样时间抖动补偿模块（STJCM）。移除TRICM后RMS与MAE分别增至全补偿时的5.00倍与6.33倍；移除TDCM后增至2.75倍与3.33倍；移除STJCM后SD增至2.00倍。结果表明时间基准不一致与传输延迟对航向误差的均值水平影响最大，而采样抖动对误差离散程度影响最显著，三类RTU均不可忽略。

不同条件下的对比与车载实验。在矩形、“8”字形与圆形轨迹下，方法3的RMS均维持在0.05°及以下。传输延迟为10、20、30ms时，延迟估计精度分别为99.6%、99.8%与99.8%，航向误差RMS均不超过0.05°；采样抖动标准差为3、5、7ms时，补偿后三项指标均降至0.05°以下。车载实验测得系统固有传输延迟约150ms（约一个PS采样周期），补偿后航向RMS由1.25°降至0.75°，降低40.0%；进一步注入1000ms已知延迟后，估计值为1002ms，相对误差仅0.2%，直接验证了传输延迟估计精度。

总结与结论。研究将时间不确定性系统划分为ATU与RTU两类，沿“物理来源—影响机理—抑制策略”的主线构建了“硬软协同”的通用框架。该框架不依赖特定传感器构型，其分类方法和补偿策略适用于一类通用IMSNS。BPNS因对两类时间不确定性均高度敏感，被选为代表性系统完成仿真与实验验证。讨论部分指出，时间同步误差的影响在高动态机动（大角速度、大加速度）条件下显著放大，在低动态场景下要求相对宽松。论文结论强调，CSAC硬件增强与多源异构时间不确定性建模相结合，可实现时间误差的精细估计、补偿与抑制，显著提升IMSNS在干扰和欺骗环境下的时间精度与导航性能。未来研究将向时空耦合不确定性的数学表征、深度耦合多源异构导航模型以及包含更多类型导航传感器的IMSNS平台拓展。