多传感器滤波融合的惯性定位算法

针对在导航系统姿态解算中,陀螺仪和电子罗盘在解算姿态时分别存在积分误差和磁场干扰的问题,提出了利用Kalman滤波和互补滤波相融合的算法进行定位。首先将电子罗盘和陀螺仪通过Kalman滤波得出最优估计四元数,然后利用互补滤波算法对陀螺仪的漂移进行补偿得到校正后的四元数,将此次得到的四元数和Kalman滤波得出最优估计四元数再次通过Kalman滤波对四元数进行第二次最优估计,进而输出姿态角。实验中对比了本算法和互补滤波算法、无滤波算法的效果。实验证明,该算法不仅可以有效解决方位角误差发散问题,还有效解决了磁场干扰问题,实现了高精度的方位输出。     

基于梯度下降法和自适应参数相结合的姿态解算方法

为了解决四旋翼无人机在姿态解算时的高精度和实时性问题,提出了一种基于参数自适应的梯度下降法和互补滤波相结合的多传感器数据融合算法。该算法采用四元数表示姿态信息,利用梯度下降法对磁力计和加速度计数据进行预处理,并根据陀螺仪输出的角速度和外部加速度大小自适应选择梯度下降参数β,再将其和陀螺数据更新后的四元数进行互补滤波用于补偿陀螺的累积误差,解算出三个姿态角。最后设计仿真与实验分析。实验结果表明,相对于传统的梯度下降法和互补滤波法,该算法姿态估计误差小且具有更好的静态和动态性能。     

基于MIMU和磁力计的姿态更新算法研究

针对传统人体姿态解算算法中存在MEMS陀螺误差发散快的问题,提出一种基于微惯性测量单元( MIMU)及磁力计信息融合的姿态解算算法。该算法利用互补滤波结合PI调节控制完成陀螺零偏校正,然后在加速度计和磁强计的辅助校正下,通过EKF( Expand Kalman Filter)滤波器更新四元数法实现陀螺姿态解算。本算法采用MPU9150传感器模块完成测试实验,实验中对比分析了单独扩展卡尔曼滤波算法与本算法的滤波效果。实验结果表明,本算法能够有效地抑制陀螺的发散,实现稳定地输出高精度姿态数据。     

基于IMEMS传感器的汽车运动姿态测量系统研究

针对传统的采用机械转子陀螺构成机械平台来测量汽车姿态方法的不足,研究开发了基于集成微机电系统（IMEMS）传感器的捷联式汽车运动姿态测量系统。该系统采用四元数法作为汽车运动姿态的解算方法,并由Kalman滤波器完成对姿态角四元数估计误差和加速度计及角速度陀螺信号的融合,得到汽车姿态角的最优估计值,阐述了该系统硬件构成和软件设计,并通过汽车道路试验对系统的可行性进行了验证。结果表明：此测量系统能够满足汽车运动姿态测量的精度要求,是确实可行的测量系统。     

基于STM32的四旋翼飞行器姿态解算的研究

分析了四旋翼飞行器的姿态解算原理,提出了一种基于 STM32的姿态测量系统。系统由 STM32F407微控制器和捷联惯性测量组件(IMU)组成。利用四元数描述姿态进行坐标换算,采用多传感器数据融合方案,通过互补滤波算法进行数据融合,获取精确的姿态角,并完成姿态解算。实验结果表明,采用互补滤波算法有效融合了捷联惯性测量组件的传感器数据,实现了四旋翼飞行器的高精度姿态解算。     

四旋翼飞行器姿态解算与滤波

四旋翼飞行器的运动控制关键在于对飞行过程中的实时姿态角控制。目前实时姿态角信息还不能直接测量出来。为了能利用已有的传感器数据解算出更准确的姿态角,通过物理实验详细分析了四旋翼飞行器姿态角的解算和滤波算法。首先,通过联立欧拉方向余弦矩阵与四元数矩阵,得到用四元数表达的姿态角表达式。然后,结合加速度计和磁强计实时测量的数据,分别采用互补滤波和卡尔曼滤波两种方法来补偿四元数结果,分别分析如何选取最佳参数,并对比分析了两种滤波方式的优缺点。在一定精度要求范围内,这两种滤波方式都能获得更加准确的姿态角,但是互补滤波相对卡尔曼滤波有一定的解算时延。因此在精度要求一般的系统中,这两种滤波方式都可以用来求解姿态角,卡尔曼滤波方法则更适于对实时性要求更高的系统。     

蛇形机器人互补滤波和四元数的姿态解算

针对蛇形机器人姿态解算问题,陀螺存在漂移特性,加速度计的测量值包含重力加速度和运动加速度,磁强计易受周围环境地磁干扰,并且蛇形机器人采用嵌入式微处理器,需要减少计算量.设计了用互补滤波器来实现惯性传感器的数据融合,用四元数进行姿态解算的方法.经过实验验证表明：采用互补滤波和四元数进行姿态解算能有效融合各个惯性传感器的数据,计算量小,能够满足蛇形机器人对精度和实时性的要求.     

基于DSP的遥测数据压缩系统硬件电路的实现

主要介绍了一种基于DSP的数据压缩系统的硬件电路的实现过程,文章把整个硬件系统分成2个模块来介绍:数据采集模块以及DSP解算模块.数据采集模块采集前端信号在CPLD的控制下经过AD和FIFO把数据写入DSP解算模块,DSP接收到信号后,把数据进行压缩.每个模块从核心器件的选择、硬件电路的总体设计方案以及实现过程进行了介绍.实验表明该方案是行之有效的.     

改进Allan方差的自适应滤波在姿态解算中的应用

对低成本的惯性导航系统精度不足从而导致姿态解算容易发散的问题,提出一种改进Allan方差的自适应卡尔曼滤波算法。在滤波之前,先用四元数改进型PID的互补滤波来融合数据,以抑制数据的波动,同时也加快了运算速率,在对噪声进行分析时,运用Allan方差的分析方法,并组合高斯牛顿优化算法,提高了姿态解算的精度,能够对姿态角实现短时间内的稳定以及精确的跟踪。实验结果表明,使用自适应Sage-Husa算法处理两种噪声时比标准卡尔曼滤波算法的精度提高了30%左右,使用改进的Allan方差自适应滤波比使用自适应 Sage-Husa滤波算法精度提高了40%左右,该算法也可用于精确单点定位与伪距定位。     

基于互补滤波和粒子滤波融合的球形机器人姿态解算

针对球形机器人在运动控制中难以实时、准确地获取机器人的位置和姿态估计精度的问题,提出了一种基于互补滤波和粒子滤波相融合的姿态解算算法.为了避免使用磁力计数据参与四元数计算时俯仰角和横滚角误差较大的问题,使用陀螺仪和磁力计互补滤波算法单独对球形机器人的偏航角进行解算,同时,通过信息熵评估磁力计噪声大小,动态调整磁力计在互补滤波中的权值.实验结果表明,在外部磁场干扰实验中,偏航角误差在3?以内,在球形机器人动态和静态实验中,偏航角误差在0.3?左右,俯仰角和横滚角误差能够控制在0.1?之内.因此,该算法能够保证球形机器人姿态解算的实时性,增强准确性和和抗干扰能力,有效提高球形机器人运动控制的精度.     

Robust unscented Kalman filter for nanosat attitude estimation

A robust unscented Kalman filter based on a multiplicative quaternion-error approach is proposed for nanosat estimation in the presence of measurement faults. The global attitude parameterization is given by a quaternion, while the local attitude error is defined using a generalized three-dimensional attitude representation. The proposed algorithm uses a statistical function including measurement residuals to detect measurement faults and then uses an adaptation scheme based on multiple measurement scale factor for filter robustness against faulty measurements. The proposed algorithm is demonstrated for the attitude estimation of a nanosat with an on-board three-axis magnetometer and rate-integrating gyros in the presence of measurement faults as well as satellite orbit errors. To compare the estimation performance of the proposed algorithm, the robust unscented Kalman filter with single measurement noise scale factor, the standard extended Kalman filter and the unscented Kalman filter are also implemented under the same simulation conditions.     

基于共轭梯度法和互补滤波相结合的姿态解算算法

为了提高姿态解算精度,提出了一种基于共轭梯度和互补滤波相结合的多传感器数据融合策略。系统采用四元数方法进行姿态解算。利用加速度计和磁强计的输出数据,通过共轭梯度方法对姿态四元数进行寻优估计,再将其和利用陀螺仪输出数据更新的四元数进行互补滤波,解算出姿态角。实验测试表明,这种融合策略使姿态检测系统静态性能和和动态性能均有所提高,尤其在姿态剧烈变化时,其性能明显优于卡尔曼滤波和梯度下降法。     

基于卡尔曼滤波的航姿参考系统设计

针对传统的航姿参考系统AHRS（Attitude and Heading Reference System）中姿态角精度不高的问题,设计了一种新型的基于卡尔曼滤波的姿态检测系统。该系统采用了三轴磁传感器、三轴陀螺仪及三轴加速度计,用四元数的方法来描述载体运动的姿态,通过陀螺仪测姿态四元数,卡尔曼滤波算法融合加速度计和磁传感器数据,对姿态四元数进行修正,从而提高姿态解算精度。实验数据表明,系统能够较好修正陀螺仪漂移,且三个角度的均方根误差均优于0.25°,具有良好的噪声抑制能力。     

基于DSP的航姿系统多传感器信息融合技术

设计了基于DSP的专用导航计算机,并以此为硬件平台,采集陀螺仪、加速度计、磁航向传感器和速度传感器信号,利用卡尔曼滤波技术进行多传感器信息融合,成功搭建了低成本小型航姿系统。针对该航姿系统的特点,设计了导航计算机程序快速更新软件,对卡尔曼滤波器进行低阶处理。针对导航计算机“数字信号处理器(DSP)+单片机(MCU)”的特殊结构,设计了合理的多传感器信息融合程序。实验证明:航姿系统利用多传感器信息融合技术,使用自行研制的专用导航计算机平台,姿态误差小于0.2,°航向误差小于0.5°,且大大减小了系统成本、体积和功率,具有实际应用价值。     

微型捷联姿态系统的硬件设计

对一种基于微机械惯性器件设计的捷联姿态系统硬件结构进行了介绍。该系统主要由ADXRS150微机械陀螺仪、ADXL202E加速度计、MAX125的14位A/D转换器、8253定时/计数器及TMS320VC5509 DSP组成。说明了微陀螺仪与加速度计的基本性能及使用方法、数据的采集与校正的方法,并对A/D转换的精度及DSP的性能进行了分析。实验证明,MEMS惯性器件虽精度较低,但仍能满足捷联姿态系统的性能要求,MAX125的14位A/D转换器转换速度及TMS320VC5509 DSP处理速度很快,均满足捷联姿态系统的实时性要求。     

示教机械臂姿态解算改进方法仿真研究

在示教机械臂姿态解算精度优化的研究中,针对使用单组传感器进行数据融合,姿态解算的传统方法中存在的精度低,稳定性差的问题,设计了一种组合MEMS传感器的姿态解算方法。将六组传感器安装于载体坐标系三个轴上,分别测量两组传感器数据。以传感器量测数据与四元数估计数据的向量积代替姿态角误差作为互补滤波器的输入量,分别利用模糊控制器和PI控制器,根据互补滤波原理调节陀螺仪输出量。通过拓展卡尔曼滤波器进行姿态估计,得到更精确的四元数,进而转化为姿态角。仿真结果表明,在静态和动态情况下,多组传感器组合调节后的姿态角数据相比单组传感器PI调节在姿态角精度和系统稳定性上有进一步提高。     

微机电系统姿态估计系统算法与仿真

结合陀螺仪、加速度计误差模型,实现了以微机电系统(MEMS)陀螺仪与MEMS加速度计为基础的姿态估计硬件仿真系统,可用于模拟任意噪声强度和安装偏差下三轴捷联惯导系统(INS),即按照给定运动曲线仿真输出陀螺仪与加速度计数据,为设计姿态估计算法提供仿真验证平台.同时,以姿态四元数为状态变量,载体俯仰角与横滚角为观测值设计了基于扩展卡尔曼滤波器(EKF)的姿态估计算法,俯仰角估计误差小于0.04°,横滚角估计误差小于0.05.,偏航角漂移速度0.01(°)/s.     

改进粒子滤波与预测滤波相结合的单星敏姿态估计

针对卫星姿态估计的非线性、非高斯特性,提出一种粒子滤波和预测滤波相结合的估计方法,在无角速率测量时,首先利用预测方法在线估计系统模型误差和姿态角速度,再通过改进的规则化粒子滤波器估计姿态四元数.粒子初始化和重要性函数等的设计加快了算法的收敛速度,预测方法的引入有效降低了粒子维数.在某通用小卫星平台上进行仿真,并与扩展卡尔曼滤波(EKF)比较,所得结果表明,算法在不同初始姿态估计时具有较好的稳定性和收敛精度.算法还为粒子滤波和无陀螺定姿的研究提供了参考.     

小型集成三通道机抖激光陀螺数字式控制电路设计

针对军事和民用工程中亟待解决的捷联式机械抖动激光陀螺惯导的小型化、集成化和高精度问题,提出了一种以单块电路板实现对3个机械抖动激光陀螺进行数字式稳频控制、抖动控制、稳流控制、信号检测及脉冲计数的全功能小型机抖激光陀螺集成控制方案,设计了以DSP和FPGA为核心控制器的陀螺电路。试验结果表明,该集成控制电路能同时实现3路陀螺的自动控制,参数调整灵活方便,控制精确稳定,在实现小型化集成化的同时,提高了激光陀螺的输出精度,为捷联式机械抖动激光陀螺惯导的小型化、集成化和高精度奠定了基础,已在多个项目中获得工程应用,具有较高实用价值。