作业内容： 数据说明： 1：惯导系统为指北方位的平台系统。 初始经度为：116.344762072818度 纬度为：39.981430918136度 高度为：40.8236米。 初始姿态角为[0 0 0]（俯仰，横滚，航向，单位：度，航向角以逆时针为正）。 初始速度为0米/秒，飞行高度不变（即：无须计算高度通道）。 2：fw中保存的为比力信息f（单位：m/s^2）和陀螺仪角速率信息w（单位：rad/s）, 排列顺序为 一~三行分别为东、北、天向信息,共600秒数据，陀螺仪和加速度计采样周期为0.01秒。

U6050模块下位机源程序 STM32惯性导航算法程序

袁信老师的书，捷连惯导中的比较好的，学导航的可以看看

定位HJWC201202HJWC201HJWC20120200002_20200002_00002_

通过MATLAB对惯性导航进行初步仿真，只用于初步了解惯性导航的新手对惯性导航方程的了解。

本资料包，包括了捷联惯导解算，经典罗经法对准，基于惯性系的粗对准，基于kalman滤波的对准技术，组合导航技术，有源代码是良好的学习和开发导航系统的参考资料。

汽车惯性导航报告：惯性导航，被低估的自动驾驶关键技术（17页）,资源名称：汽车惯性导航报告：惯性导航，被低估的自动驾驶关键技术（17页）汽车行业惯性导航专题报告：惯性导航，被低估的自动驾驶关键技术，千亿级市场撬杆-20180912-基业常青经济研究院-17页.zip...

原始数据为严恭敏老师stim300。此程序利用Allan方差求解陀螺五个系数，速率斜坡系数（K速率随机游走系数，B零偏稳定性，N角度随机游走系数，Q量化噪声系数）

使用惯性导航原理-任思聪 pdf版，是学习惯性导航的非常好的教材

本文提出了一种仅基于惯性测量单元（IMU）的自定位轮式机器人长期惯性导航的实时方法。该方法基于两个部分：1）一个稳健的检测器，使用递归深层神经网络动态检测各种感兴趣的情况，如零速度或无横向滑动；2）最先进的卡尔曼滤波器，将这些知识作为定位的伪测量值。对公开的汽车数据集的评估表明，在配备中等精度IMU（陀螺仪漂移率为10 deg/h）的情况下，对于21 km长的车辆行驶超过一小时的轨迹，拟议方案的最终精度可能达到20 m。据我们所知，这是第一篇将复杂的深度学习技术与用于轮式车辆纯惯性导航的最新过滤方法相结合的论文，因此为新型数据驱动惯性导航技术开辟了道路。此外，尽管我们的方法仅适用于基于IMU的定位，但我们的方法可作为配备更完整传感器套件的轮式机器人自定位的组件。 索引项惯性导航，深度学习，不变扩展卡尔曼滤波器，自主车辆，惯性里程计