关于"衍生的UKF紧密耦合的INS/GPS集成导航"的研究论文，内容主要集中在利用衍生的无迹卡尔曼滤波器（Unscented Kalman Filter，简称UKF）解决紧密耦合的惯性导航系统（Inertial Navigation System，简称INS）和全球定位系统（Global Positioning System，简称GPS）集成导航中遇到的非线性和计算成本问题。
INS/GPS集成导航系统因其能提供高精度、高可靠性的定位与导航信息，在众多领域得到广泛应用。紧密耦合的INS/GPS集成系统是将GPS的伪距观测信息直接与INS输出结合，以实现更为紧密的导航数据融合。然而，由于伪距观测是非线性的，它使得卡尔曼滤波器的测量方程也具有非线性特性。传统的方法是使用扩展卡尔曼滤波器（Extended Kalman Filter，简称EKF）来近似处理这种非线性问题，通过线性化伪距观测值来减少模型误差。但是，EKF在处理非线性问题时，可能会引入较大的模型误差，严重时甚至会导致导航解的退化。
为了解决这一问题，本文提出了一种新型的测量方程构建方法。具体而言，该方法通过在泰勒级数展开中包含伪距测量的二阶项来构造非线性测量方程，以改善EKF的性能。然而，当使用UKF对INS/GPS集成导航进行导航估计时，预测过程中由于系统状态方程的线性特性，尤其是系统状态向量维度远高于测量向量的情况，会导致大量的冗余计算。为了解决这一计算负担问题，本文进一步发展了一种基于构建的非线性测量方程的衍生UKF。
衍生的UKF在预测过程中采用了原始卡尔曼滤波器（Original Kalman Filter，简称KF）的简洁形式，而在更新过程中则采用无迹变换技术。理论分析和仿真结果表明，与传统UKF相比，衍生UKF能在更高的精确度的同时，显著降低计算成本。
研究论文中还提到了一些关键词，如INS/GPS集成、非线性测量方程、无迹卡尔曼滤波器、计算成本等。这些都是理解和研究INS/GPS集成导航系统的重点。INS/GPS集成是提高导航系统精度与可靠性的关键手段，非线性测量方程的建立是为了适应GPS伪距测量的非线性特性，无迹卡尔曼滤波器则是一种有效的非线性状态估计方法，而计算成本的优化是确保系统实时性和实用性的基础。
文章的引言部分指出，惯性导航系统本身可以通过加速度计和陀螺仪独立于外部信号进行定位与导航，但这种独立工作方式会因为累积误差而导致定位精度随时间下降。GPS可以提供精确的位置和速度信息，但也会受到环境干扰如遮挡、多径效应等问题的影响。因此，将INS与GPS结合起来，利用各自的优点，可以实现更为准确可靠的导航。
"衍生的UKF紧密耦合的INS/GPS集成导航"的研究，不仅丰富了导航系统集成的理论基础，而且在实际应用中提供了更为高效和精确的解决方案。通过理论分析和仿真测试，衍生UKF展示了其在提高集成导航系统性能的同时，有效降低了计算资源的消耗，对实际应用具有重要的指导意义和实用价值。
