2025年5月19日，武汉大学卫星导航定位技术研究中心多源智能导航（i2Nav）实验室硕士学位论文答辩在星湖实验大楼17楼1718会议室顺利举行。本届答辩的毕业同学分别是丁龙阳、周龙、王冠、胡俊东、陈世一、夏大洲和杨硕。七位同学的论文选题涵盖多个前沿方向，既包括低成本车载GNSS/INS/磁场匹配组合定位、MEMS惯导辅助GNSS多径、抑制点线特征融合视觉/惯性/地图导航等复杂环境精准定位研究，也涉及小腿安装惯导行人定位、复杂环境多源融合行人定位、混合专家模型轻量行人航位推算等行人定位工作，还有城市地下管道气动惯性测量球定位新探索。

受邀参加答辩的评委分别是海军工程大学的常路宾教授、武汉理工大学的邓辰龙副教授、武汉大学测绘遥感全国重点实验室的王磊副教授、武汉大学人工智能学院的苏鑫副教授、武汉大学卫星导航定位技术研究中心的陈渠森副教授。评委们对学生的论文和答辩进行了客观准确的评价，提问全面深刻，点评中肯犀利，现场讨论热烈。

丁龙阳同学的论文题目是《面向复杂城市道路环境的低成本车载GNSS/INS/磁场匹配组合定位算法研究》。论文针对复杂城市道路环境下的鲁棒精准车辆定位需求开展了GNSS/INS/磁场匹配融合定位算法研究。 提出了一种GNSS伪距和多普勒观测序列辅助的鲁棒INS状态初始化方法， 提高了复杂环境中MEMS惯导的初始化精度和效率；提出了一种基于GNSS观测残差时空一致性检验的鲁棒GNSS/INS紧组合方法，同公开方案GLIO-DS相比，综合考虑精度、计算量和成本，所提方法具有优势；提出了一种粗-精磁场轮廓匹配方法，并应用于GNSS/INS/磁场融合方案，在典型城市复杂环境中实现了车道级定位。成果发表发表SCI期刊《IEEE Transactions on Intelligent Transportation Systems》论文2篇，EI期刊《哈尔滨工程大学学报》论文1篇。

图 1 所提GNSS/INS/磁匹配车道级定位系统（MGINS）框架

周龙同学的论文题目是《城市复杂环境MEMS惯导辅助GNSS多径抑制技术》。论文针对城市复杂环境智能移动终端GNSS信号跟踪难、观测质量差的问题，分别在GNSS信号和观测量两个层面开展了多径抑制技术研究。提出了基于MEMS惯导辅助基带信号长时相干积分的多径抑制、基于装袋树（装袋集成学习框架下的决策树算法）的惯导辅助GNSS观测多径抑制方法，开发了一套兼容车辆/行人载体动态的GNSS/INS深组合接收机系统，实现了城市楼群、高架、树荫等挑战场景车辆和行人的精准定位。成果发表在SCI期刊《IEEE SENSOR JOURNAL》。

图 2 接收机系统结构图

王冠同学的论文题目是《面向园区场景的点线特征融合视觉/惯性/地图导航技术研究》。论文围绕智能无人系统在结构化园区中的分米级定位需求，提出了惯导增强的点线特征融合VIO方法和基于RANSAC的2D-3D线特征匹配定位算法。前者通过融合惯导先验提升特征跟踪稳定性，构建点线联合测量模型，实现高精度相对递推定位；后者利用RANSAC实现2D视觉图像与3D点云地图之间的线特征跨模态匹配定位，具备良好的鲁棒性与定位精度。基于上述方法开发的多源紧耦合融合导航软件，在复杂园区中实现连续、可靠的分米级定位能力。

图 3 紧耦合导航软件结构框图

胡俊东同学的论文题目是《基于气动惯性测量球的城市地下管道定位方法研究》。论文针对城市小口径地下管道定位问题，开展了气动惯性测量球的方法研究，提出了城市地下管线的气动惯性测量球定位新方法，设计了新的作业模式，设计并实现了硬件原型系统。同时，针对地下管线定位测量场景中惯导修正信息稀缺的问题，设计了专用的双向机械编排平滑算法，显著提升了轨迹的平滑度和精度。成果发表在SCI期刊《IEEE SENSOR JOURNAL》，并申请国家专利3项。

图 4 气动惯性测量球整体作业示意图

夏大洲同学的论文题目是《基于小腿安装IMU的行人自主定位算法研究》。论文针对传统的足绑式惯导（Foot-mounted INS）方法穿戴不便、传感器工作环境恶劣、复杂步态适应能力差等问题，提出了一种小腿安装惯导（Shin-mounted INS，简称小腿惯导或 Shin-INS）的行人定位方法。相较于足绑式惯导，小腿惯导安装更便利，且大幅提升了跑步场景下的定位精度和稳定性。此外，论文设计了一种相对磁场约束增强的小腿惯导方法，有效抑制了小腿惯导的航向漂移问题。在小腿惯导行人定位方法的基础上，融合外接 GNSS 模块设计了一套室内外无缝行人定位方案，并在Android平台上搭建了定位Demo。成果发表SCI期刊《IEEE SENSOR JOURNAL》论文2篇。

图 5 小腿惯导行人定位（shin-INS）算法流程图

陈世一同学的论文题目是《复杂城市环境下INS/运动约束/磁场匹配组合的行人定位算法研究》。面向全天候室内外无缝行人定位需求，探索在复杂城市环境中利用惯导、行人运动约束以及磁场匹配定位的可行性。针对现有楼层切换判别方法因气压计或信号指纹库缺失导致的不可用问题，提出了基于INS/运动约束的楼层切换判别算法，为多层建筑内行人楼层切换判别提供一种无需依赖先验信息的普适性解决方案。此外，针对城市峡谷场景GNSS因信号反射和遮挡导致的定位精度低的问题，通过分析城市峡谷场景的磁场特征分布，提出了深度学习惯性里程计增强的磁场匹配定位算法，满足了城市峡谷场景中行人用户的米级定位需求。成果发表在SCI期刊《IEEE SENSOR JOURNAL》。

图 6 惯性里程计/磁场匹配组合的城市峡谷环境下定位算法框图

杨硕同学的论文题目是《基于混合专家模型的轻量行人航位推算》。论文针对传统PDR误差大、精度较低与基于深度学习的PDR计算量大等问题，提出了基于混合专家网络模型（MoE）模型的PDR模型，与单一稠密网络相比降低推理时计算量降低了71.06%。此外，进一步引入了知识蒸馏技术对模型进行轻量化处理。以性能优异但参数规模较大的MoE模型作为教师模型，通过压缩专家网络的层数与特征维度、对每个专家网络的单独蒸馏。使得学生模型在大幅降低计算复杂度的同时，仍能保持与教师模型相近的定位精度，从而为实时高效的室内定位提供了新的解决方案。

图 7 基于专家层级的模型蒸馏算法流程示意图

上述七位同学的研究工作获得了答辩专家的一致认可，均顺利通过了硕士学位论文答辩。他们美好而充实的硕士生活即将画上圆满句号，将前往华为、腾讯等大厂就业，继续开展相关领域的研发工作，开启一段崭新的人生旅途。祝七位同学前程似锦、幸福快乐！

答辩合影

前路漫漫，任重道远，不忘初心，克难奋进！

成果列表：

[1] X. Niu, L. Ding, Y. Wang and J. Kuang. MGINS: A Lane-Level Localization System for Challenging Urban Environments Using Magnetic Field Matching/GNSS/INS Fusion[J/OL]. IEEE Transactions on Intelligent Transportation Systems.

[2] J. Kuang, L. Ding, Y. Wang, Y. Yuan, P. Jiang, Q. Zhou and X. Niu. A Robust INS State Initialization Method for Vehicular GNSS/MEMS-INS Integrated Navigation in Urban Environment[J]. IEEE Transactions on Intelligent Transportation Systems .

[3] 丁龙阳, 旷俭, 陈起金, 牛小骥. GNSS拒止环境下的手机车载定位研究[J]. 哈尔滨工程大学学报.

[4] T. Zhang, L. Zhou, X. Feng, J. Shi, Q. Zhang and X. Niu. INS-Aided GNSS Pseudo-Range Error Prediction Using Machine Learning for Urban Vehicle Navigation[J]. IEEE Sensors Journal, 2024

[5] 张提升, 王冠, 陈起金, 等. GNSS/MEMS IMU车载组合导航中IMU比例因子误差的影响分析[J]. 大地测量与地球动力学, 2024, 44(2): 134-137.

[6] Niu X, Hu J, Chen Q*, et al. A MEMS IMU-Based Air-Propelled Positioning Ball for Small-Diameter Underground Pipelines Localization [J]. IEEE Sensors Journal, 2025, Early Access, Page (s): 1–1. DOI: 10.1109/JSEN.2025.3555335.

[7] 牛小骥，陈起金，胡俊东，张晓江，李思琪，姜卫平. 武汉大学. 地下管线的惯性吹球测量系统及方法：CN202211460791.7[P]. 2023-03-17.

[8] J. Kuang, D. Xia, Y. Wang, X. Meng and X. Niu, "A Shin-Mounted Inertial Navigation System for Pedestrian Walking and Running Gait," in IEEE Sensors Journal, vol. 25, no. 6, pp. 9449-9458, 15 March15, 2025, doi: 10.1109/JSEN.2025.3533138.

[9] J. Kuang, D. Xia, T. Liu, Q. Chen and X. Niu, "Shin-INS: A Shin-Mounted IMU-Based Inertial Navigation System for Pedestrian," in IEEE Sensors Journal, vol. 23, no. 21, pp. 25760-25769, 1 Nov.1, 2023, doi: 10.1109/JSEN.2023.3312631.

[10] 夏大洲,姜卫平,旷俭,牛小骥.一种穿戴式多IMU的航向对齐方法[J].导航定位学报,2024,12(5):1-8

[11] S. Chen, J. Kuang, D. Xia and X. Niu, "Height Estimation for Floor Identification in Elevator and Escalator Scenarios Based on Smartphones Built-In IMU," in IEEE Sensors Journal, vol. 24, no. 19, pp. 29795-29805, 1 Oct.1, 2024, doi: 10.1109/JSEN.2024.3444918.