基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

基于自适应CKF的姿态数据融合算法

为了提高基于MEMS惯性传感器的捷联惯性导航系统姿态解算的精度,提出了一种自适应容积卡尔曼滤波（CKF）数据融合算法。该数据融合算法将姿态四元数作为系统状态,将加速度计信息和磁力计信息作为系统观测量,对系统过程噪声矩阵和观测噪声矩阵进行实时的自适应估计,解决了因系统噪声突变引起的姿态解算精度急剧下降的问题。实验结果表明,采用自适应CKF数据融合算法比单纯基于陀螺仪的捷联姿态解算精度有明显的提高,在载体动态时测得的横滚角和俯仰角误差在1°以内,航向角误差在2°以内。     

基于 Mahony 与改进 Kalman 融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

EWT 算法在姿态解算中的应用

针对陀螺仪存在低频噪声和漂移误差导致姿态测量精度下降的问题,提出采用经验小波变换( empirical wavelet transform,EWT)算法融合陀螺仪、加速度计解算姿态角。 首先运用 EWT 算法对陀螺仪采集的数据进行频谱分割,得到信号的 模态分量;其次采用小波自适应软阈值去噪的方法对信号进行降噪处理并重构信号,得到处理后的陀螺仪数据;然后根据 PID 互补滤波方法,利用加速度计的数据实现对陀螺仪数据的修正;最后利用校正后的陀螺仪数据,结合龙格库塔法解算四元数,从 而通过四元数获得精确的姿态角。 实验结果表明,EWT 算法融合陀螺仪和加速度计,能够将姿态解算精度提高 50%,且降噪效 果良好,满足姿态解算准确性的要求。     

基于 Mahony-EKF 算法的手臂运动姿态测量系统

针对传统姿态解算方法效率迟缓、精度低下及稳定性差等问题,提出一种基于Mahony和扩展卡尔曼(EKF)相融合的算法,并开发出一种新型人体手臂姿态测量系统。首先,通过STM32微处理器采集MEMS传感器测得的数据,借助Mahony滤波器解算加速度计、磁力计和陀螺仪的数据,以此得到初步姿态四元数。其次,将初步姿态四元数作为EKF量测值,依据非重力加速度调节量测噪声协方差矩阵。然后,根据陀螺仪测得的角速度信息建立EKF状态方程,通过EKF滤波更新状态,获取解算融合后的手臂姿态数据。最后,将数据发送到上位机,通过上位机软件实时监测姿态角数据,再构建三维模型实时还原手臂的运动状态。经实验验证,应用EKF算法矫正Mahony滤波解算出的姿态数据,不仅可以使误差减小到0.5°、消除超调量和降低噪声干扰,还能有效克服传统姿态解算方法中需要大量数据集和计算时间长问题,从而抑制了随机波动,提高姿态解算精度。     

基于MEMS/GPS/地磁组合的弹体姿态解算

MEMS惯性器件由于具有自主性、连续性和隐蔽性等优点被广泛运用于载体的姿态解算中,但由于MEMS惯性器件的制作精度和误差积累等问题使得解算出的姿态信息并不准确.同时由于地磁传感器可以实现高精度的姿态测量,但不能独立解算出姿态信息.因此为了提高惯导姿态解算的精度,所以采用GPS、地磁辅助惯导进行姿态解算.设计的方案是在传统惯导姿态解算误差状态方程的基础上,将地磁和GPS解算的滚转、偏航和俯仰角与惯导解算出来的相应角的差值添加到传统惯导姿态解算误差状态方程中,以速度误差和滚转、偏航和俯仰角误差为量测值,估计出组合系统的姿态误差,并与惯导解算出的姿态误差进行对比,从而验证所提出的方法的可行性.     

基于选星算法的GPS载体姿态测量系统研究

传统的GPS载体姿态测量算法是利用全部可见卫星的测量信息进行姿态计算的,针对这一情况提出将选星算法应用于姿态测量过程的改进算法.首先依据参数的约束条件,确定选星数目为5,在解算方程组中,存在GDOP值随方向余弦矩阵的行列式绝对值的增大而总体趋势减小的关系,记录下能使方向余弦矩阵行列式绝对值最大的5组卫星组的行列式绝对值及其卫星标号,分别计算这5组卫星组的GDOP的值,GDOP值最小的即为选星结果.MATLAB仿真结果表明,改进的算法虽然在基线解算的精度上降低了一个数量级,基线误差由毫米级降低到厘米级,但是姿态角的解算精度与原算法相当,并且在程序运行时间方面提高了将近一倍.在工程应用中,对于载体的姿态解算在时间代价方面要求较高,因此,改进的算法有一定的优越性.     

基于MEMS的海洋漂流浮标运动姿态测量系统设计

针对海洋漂流浮标运行时运动轨迹姿态多变影响传感器观测要素可靠性的特点，设计了基于三轴MEMS陀螺仪、加速度计、磁阻传感器的漂流浮标姿态测量系统。介绍了系统硬件组成结构及软件算法流程，采用四元数方法和PI调节算法进行姿态解算以及数据融合，并采用椭球拟合和阀值滤波方法修正补偿系统误差。实验测试表明，系统姿态测量效果良好，静态误差小、动态抗干扰性能较好，满足海洋漂流浮标姿态测量基本需求。     

随钻测量钻具重力加速度提取方法

针对随钻测量(MWD)中钻具重力加速度受振动干扰大引起的井斜角解算严重失真问题,提出基于联邦自适应无迹卡尔曼滤波(FAUKF)的钻具重力加速度提取方法。首先,建立无重置结构的联邦重力信息融合提取框架,选取基于陀螺仪数据的递推重力值作为联邦滤波的公共参考值,分别与解耦的地磁数据观测的重力加速度组合作为子滤波器1,与加速度计数据观测的重力加速度组合作为子滤波器2。然后,对子滤波器的重力状态进行无迹卡尔曼滤波(UKF)算法,期间根据地磁数据观测重力值的抗振性优于加速计的特性,设计子滤波器2对应的抗振因子,再根据陀螺仪短时精度高的输出特性,找到基于陀螺仪数据解耦的地磁参考斜率值,来设计子滤波器1对应的抗磁因子,提升子滤波器性能,接着用自适应开窗因子来确定开窗估计法则中的开窗值,调节新息协方差,通过对新息协方差的估计实现子滤波器量测噪声协方差的实时估计,提高无迹卡尔曼滤波算法精度,进而得到可靠的重力信息局部自适应估计值。最后通过联邦信息融合,进一步得到重力信息的全局估计。通过模拟钻进和实钻实验结果表明,FAUKF算法和FKF算法相比,井斜角误差减小了±1.9°,FAUKF算法下的井斜角误差可控制...     

精度鉴定试验中GPS测姿方法及测姿精度分析

为了分析GPS双天线的实测精度,以精度鉴定试验GPS双天线测姿为研究对象,依据测姿原理,通过坐标转换简化了姿态解算方法和误差分析算法。经高动态实测数据对GPS双天线测姿系统测量的俯仰角、航向角进行了精度分析,测试结果表明:其测姿精度优于0.2°,显著优于电子罗盘测姿系统2°的精度,很好的解决了电子罗盘测姿时标校难、精度低且易受干扰的问题,可用于高动态、高精度、直航路、匀航速、高采样率的GPS精度鉴定系统试验机载姿态测量任务。     

Modified multiplicative quaternion cubature Kalman filter for attitude estimation

In this paper, a modified multiplicative quaternion cubature Kalman filter (CKF) for attitude estimation is proposed. For high‐dimensional state estimation, the CKF that uses third‐degree spherical‐radial cubature rule can provide a more accurate estimation than the unscented Kalman filter. However, for the attitude estimation in the case of larger initial conditional errors, the results may be reversed. To take full advantage of the CKF, the Lagrange cost function method is introduced to solve the quaternion weighted mean, then, the mean is used as the reference quaternion for the measurement update in the CKF framework. The choice of the reference quaternions and the quaternion update method is different from the existing literature to avoid the algorithm from failing. In addition, the unconstrained three‐component vectors represent the attitude error quaternion in the filtering algorithm, whereas the quaternion is used to perform attitude propagation. Simulation results demonstrate the better performance of the proposed modifying filter algorithm in comparison with the multiplicative extended Kalman filter, the unscented Kalman filter, and the CKF under larger initial condition errors.     

基于UWB和IMU紧组合的室内定位导航算法

针对超宽带(UWB)在室内复杂环境中定位导航精度低,受非视距(NLOS)误差影响严重,且无法提供目标姿态信息的问题,提出一种基于UWB和惯性测量单元(IMU)紧组合的室内定位导航算法。以位置、速度、四元数、加速度计偏差和陀螺仪偏差为状态向量,通过扩展卡尔曼滤波算法融合UWB和IMU测量信息,加速度计偏差校正速度和位置,陀螺仪偏差校正四元数;用测量残差计算量测噪声因子,组成残差矩阵,动态调整量测噪声协方差矩阵,抑制NLOS误差对定位导航的影响。结果表明,在室内复杂环境下,基于UWB和IMU紧组合的定位导航算法比仅使用UWB定位时LS-Taylor算法精度提高了88.6%,增强了系统抗NLOS误差的能力,提高了动态定位精度,并能得到较准确的姿态信息,具有良好的实用性和鲁棒性。     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model,IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM,AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度...     

基于平方根容积卡尔曼滤波的发电机动态状态估计

发电机动态状态估计是电力系统动态安全分析的重要内容。针对容积卡尔曼滤波(CKF)在迭代中协方差阵不对称或非正定导致的估计精度下降甚至滤波发散问题,利用平方根滤波(SRF)能确保协方差阵非负定和数值稳定性方面的优势,提出基于平方根容积卡尔曼滤波(SRCKF)的发电机动态状态估计方法,并给出了计算步骤。最后,利用仿真系统和实际系统比较了SRCKF、CKF和无迹卡尔曼滤波(UKF)三种算法的估计性能,证明了SRCKF算法能够解决CKF滤波中因协方差阵非正定导致的滤波发散问题;同时SRCKF算法在计算效率、滤波精度和数值稳定性方面均优于CKF和UKF算法。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于Pn P的自适应线性卡尔曼滤波位姿估计求解方法。将Pn P位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model, IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM, AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度和分配的合理性,同时提高了IMM算法的跟踪精度。其次,将平方根容积卡尔曼滤波(square root cubature Kalman filter, SRCKF)引入到 AIMM 算法中,以解决在迭代滤波过程中协方差矩阵出现的非正定的问题,改善了数值稳定性,提出一种适用于机动目标跟踪的AIMM SRCKF算法,仿真实验结果表明,该算法能提高匹配模型概率,缩短模型切换时间。     

多传感器组合导航系统的联邦 UKF 算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦 UKF 算法。 首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准 UKF 进行了简化;然后,以简 化 UKF 为基础提出了多传感器组合导航系统的联邦 UKF 算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容 错性能;最后,以 GNSS / CNS / SINS 多传感器组合导航系统为例进行了仿真验证。 仿真结果表明,相对于联邦线性卡尔曼滤波 器,联邦 UKF 算法可提高位置及姿态精度约 25. 8%、22. 2%,同时继承了联邦线性卡尔曼滤波器的容错性能。     

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法.在模型参数辨识的基础上,构建...