基于等式约束卡尔曼的双MIMU行人导航方案

基于微机电系统(MEMS)的自主式行人导航系统通常安装在步行者的足部,利用零速校正来提高系统的定位精度。针对零速校正航向不精确问题,提出了基于等式约束卡尔曼滤波的双微型惯性测量组合(MIMU)行人导航方案。根据所设计的双MIMU系统在物理空间的相对位置关系,构造二阶非线性等式约束方程,并详述了等式约束卡尔曼滤波的解算过程。结合MEMS真实试验进行研究,对脚部负载双MIMU系统离线数据处理。根据试验结果验证了相比较于单MIMU行人导航方案,基于等式约束的双MIMU行人导航系统具有更高的定位精度。     

基于惯性系重力的高精度水平姿态确定方法

针对舰载星敏感器定位需依赖外部提供的水平姿态基准,提出了一种基于惯性系重力的高精度水平姿态确定方法。该方法利用星敏感器输出的载体系相对于惯性系的姿态转换矩阵,将加速度计的测量信息投影转换至惯性坐标系,设计自适应滤波器对加速度计投影后信息进行滤波,最大限度地对风浪和加速度计的噪声等外部干扰信息进行剔除,根据提取出的较纯净的重力矢量信息解算高精度的水平姿态,把这一高精度水平姿态作为星敏感器定位所需外部水平基准。仿真结果表明,该方法能有效剔除舰船海上航行时的各种扰动信息,水平姿态精度较高且误差不随时间积累,进而提高了星敏感器的定位精度,满足舰船长时间海上航行对于导航精度的要求。     

基于迭代平方根CKF的SLAM算法

在大尺度环境中,平方根容积卡尔曼同步定位与地图构建算法的非线性误差严重制约了算法的定位精度,为解决这一问题,提出了一种基于迭代平方根容积卡尔曼滤波的改进算法,该算法结合迭代理论,对平方根容积卡尔曼滤波的量测更新过程进行迭代更新,充分利用最新的观测信息,降低滤波的估计误差,从而构建精确的地图并获得高精度的定位信息。仿真实验结果表明,采用本算法后, x轴和y轴方向上的位置误差均在1?5 m以内,估计结果明显优于SRCKF－SLAM、CKF－SLAM和EKF－SLAM算法;添加不同的环境噪声后进行仿真实验,该算法所取得的位置误差相比仍是最小的。利用该算法可以有效地减小非线性误差造成的影响,提高SLAM的定位精度。