谢邀。
这里我说说我的看法
首先题主提到的这个方式,我理解的是间接反馈形式的扩展卡尔曼滤波的SIN/GNSS的组合方式,这里就以最简单松组合形式为例子。在这种形式下,观测量为SINS和GNSS对速度位置的差值,估计的状态量包含对IMU的误差建模,利用扩充状态量维度的扩展方法,组合滤波后都可以反馈给IMU的原始输出进行补偿。那么在这种情况,理想状态下,IMU的误差都得到了一定量的补偿,保证了在积分时间(一般采用离散时间积分)间隔内,IMU的误差在小量范围,进一步保证了泰勒展开下观测方程的线性化有据可依,也就是另一位答主Leastsq提到的卡尔曼的线性要求。
还有一个点,就是为什么要用SIN的运动方程(误差方程)作为状态方程描述载体的运动情况。一般认为,SINS具有更直接的对载体运动状态的估计。简单地说,在GNSS和INS组合,那么INS可以输出对速度位置和姿态的全方位估计,对载体的线运动和角运动都有涉及,而GNSS如果需要估计姿态还是有些麻烦。同时,在一般的应用场合,SINS具有更高的输出频率。
当然,除了间接反馈的卡尔曼形式,还有直接估计的卡尔曼形式,就是SINS的机械编排做状态方程,GNSS的位置速度估计做观测量的方法。这种方法相比之下结构简单,但SINS的误差没有得到补偿,在长时间应用场合下还是会存在一定的问题。