基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法

对传统多旋翼无人机姿态估计算法难以兼顾高精度、强实时性以及抗干扰能力差的问题,首先基于一种计算量较小的衍生无迹卡尔曼滤波算法,在量测更新中,将加速度数据和磁力计数据分为两个阶段进行姿态四元数校正处理,然后从旋转四元数的本质出发,推测出四元数各元素分别包含着不同的姿态角信息,最后将校正四元数分别乘上为降低校正过程中的相互干扰所设计的系数,提出一种基于四元数衍生无迹卡尔曼滤波的二段式多旋翼无人机姿态估计算法.通过使用PIXHAWK飞控数据,与传统姿态估计算法进行仿真实验对比,实验表明,本文提出算法与传统使用扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)的姿态估计算法相比,在实时性、解算精度和抗干扰能力方面有较大提升.     

用四元数状态切换无迹卡尔曼滤波器估计的飞行器姿态

在较大初始姿态误差角下, 针对捷联惯导/CCD星敏感器(strap-intertial navigation system/CCD star sensor, SINS/CCD)姿态估计系统扩展卡尔曼滤波(extended Kalman filter, EKF)算法精度下降的问题, 提出了基于四元数的状态切换无迹卡尔曼滤波算法. 通过状态实时切换降低了全维无迹卡尔曼滤波(unscented Kalman filter, UKF)的维数, 减小了计算复杂度, 提高了系统的实时性. 文中采用基于特征向量求解的代价函数法计算四元数均值避免了UKF算法中四元数规范化的限制; 利用乘性误差四元数表示姿态更新点与估计点之间的距离, 解决了四元数协方差阵奇异性问题. 仿真实验结果表明: 与EKF相比, 该算法在精度上有较大提高; 与全维UKF算法和修正罗德里格斯参数UKF算法相比, 该算法精度相当但估计时间均有不同程度的减少.     

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.     

基于变尺度变换减少Sigma点的粒子滤波算法研究

为了减少传统无味粒子滤波(Unscented particle filter, UPF) 算法的计算负担, 提出了最小斜度单形无味转换(Minimal skew simplex UT, MSSUT) 方法, 这种方法是用最小斜度无味卡尔曼滤波来产生粒子的重要性函数. 它不仅能够扩大重要性分布与系统状态的后验概率密度的重叠性, 而且能够通过减少Sigma 点来减少计算负担. 但是, 随着状态空间维数的增加, Sigma 点集的覆盖半径增大, 导致了Sigma 点集的聚集性变差. 辅助随机变量变尺度无味变换(Auxiliary random variable formulation of the scaled unscented transformation, ASUT) 能够克服Sigma 点集分布扩展的缺点. 所以, 提出了一种高维空间中改进的变尺度最小斜度无味粒子滤波(Scaled minimal skew simplex unscented particle filter, SMSSUPF) 算法. 仿真结果表明: 在高维状态空间中, 与传统的无味粒子滤波(UPF) 相比, 计算复杂度和计算负担显著减少. 与最小斜度无味粒子滤波(Minimal skew simplex unscented particle filter, MSSUPF) 相比, SMSSUPF 减少了系统噪声方差和测量噪声方差所带来的估计误差.     

UKF与EKF在卫星姿态估计应用中的比较

针对卫星的姿态和角速度估计问题,分别给出基于Unscented卡尔曼滤波(UKF)与推广卡尔曼滤波(EKF)的估计算法,并做了相应比较.为了避免欧拉角带来的奇异问题,UKF选用Rodrigues参数而EKF选用四元数参数法来描述姿态误差.考虑卫星的非线性模型,UKF采用Unscented变换而EKF采用线性化方法对姿态误差进行估计.利用陀螺和磁强计的测量信息,KF和EKF都可得到三轴稳定卫星的姿态估计值,但UKF的收敛速度高于EKF.数值仿真结果表明,当初始姿态存在大偏差时,所给出的UKF的滤波算法性能明显优于EKF.     

状态切换CDKF算法及其在低成本紧组合导航系统中的应用

成本SINS/GPS紧组合导航系统在大失准角情况下出现的滤波发散现象,建立了基于乘性四元数的非线性导航系统误差模型,并提出一种基于乘性四元数的状态切换中心差分卡尔曼滤波算法.该算法通过在均值四元数计算过程中引入修正的罗德里格参数进行状态切换,解决了传统中心差分卡尔曼滤波算法中对于四元数正交规范化的限制.仿真实验结果表明,本文提出的方法能够有效实现对于载体运动状态的在线估计,且与无迹卡尔曼滤波算法相比,具有更高的滤波精度.     

基于CDKF的飞机姿态角估计

针对扩展卡尔曼滤波(Extend Kalman Filter ,EKF)在飞机姿态估计中存在着计算复杂、线性化误差大等缺点,将一种基于Stirling内插公式的非线性滤波算法—中心差分卡尔曼滤波算法(Central Difference Kalman Filter, CDKF)应用于由低精度高噪声传感器组成的低成本飞机姿态估计系统中。首先建立基于四元数的飞机姿态数学模型,然后用CDKF方法进行姿态估计,并通过实测数据进行验证。实验结果表明, CDKF方法不仅有效地提高了飞机姿态估计的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更容易实现,优于常用的EKF方法。     

基于UKF的编队卫星的相对姿态确定算法

针对编队卫星相对姿态确定问题,采用一种改进的无迹卡尔曼滤波UKF进行了系统滤波器设计,根据UKF滤波器的性质,推导出了适用于编队卫星相对姿态确定的UKF滤波算法.较之传统的EKF滤波器,UKF不仅提高了滤波精度,简化了计算过程,减少了计算量,而且更易于实现.应用四元数法描述卫星姿态,避免了欧拉角法的奇异性问题.仿真结果表明,UKF滤波器收敛速度大大高于EKF滤波器.而状态估计精度与EKF相当,方差估计优于EKF,且数值稳定性好.     

基于修正的卡尔曼滤波的姿态估计算法研究

研究惯导系统的稳定性问题,其中微惯性测量单元(MIMU)可以为捷联惯导系统提供实时的姿态和航向信息。研究姿态估计提高导航精度,由于陀螺漂移引起姿态误差,单独使用MIMU使姿态精度差。为了克服陀螺误差随时间积累不断增大,无法长时间提供稳定的姿态的缺点,提出采用磁强计修正的卡尔曼滤波四元数姿态估计算法。算法以姿态四元数为状态向量,通过四元数更新方程建立离散滤波状态方程,将加速度计和磁强计输出的六维数据转化为四元数的量测值建立量测方程,有效减少了计算量,补偿陀螺的漂移误差带来的影响。仿真结果表明改进算法提高了捷联惯导系统的精度和稳定性。     

基于分解四元数的自适应姿态四元数卡尔曼滤波

基于Clifford代数的四元数卡尔曼滤波在融合陀螺/加表/磁强计以估计姿态时,由于四元数各参数与欧拉角不是一一对应关系,无法独立估计各个欧拉角.这样即使重力观测量是可信的,受到干扰的磁场观测量也会影响整个估计结果.为了消除磁场观测量对四元数中横滚角和俯仰角分量的影响,对四元数进行分解,以重新组合重力/磁场观测量.同时,为了减少载体附近磁场和线性加速度干扰对姿态估计的影响,构造了观测噪声自适应算法和观测量自适应干扰补偿.消费级微机电系统(micro-electro-mechanical system,MEMS)传感器的实验结果表明,对比四元数卡尔曼滤波的原型,改进后的抗干扰能力明显提升.但由于自适应过程引入了两个经验参数,这使得其工作范围和抗干扰能力有待考验.