基于新息突变约束的自适应卡尔曼滤波研究

针对微机电系统(MEMS)陀螺仪易受影响且随机误差较大,导致建立模型不准确和测量精度低的问题,该文提出了一种改进的自适应卡尔曼滤波方法。首先建立ARMA模型,在传统卡尔曼算法中引入衰减系数以减小系统旧值的影响,同时引入基于系统新息突变的预测误差矩阵清除系统的突变值。使用Allan方差对原始陀螺仪数据和滤波后的陀螺仪数据进行分析对比。结果表明,实验所用陀螺仪的角度随机游走、零偏不稳定性和角速率随机游走至少小了1个数量级,标准差明显减小,这表明改进算法有效抑制了随机噪声,提高了MEMS的性能。     

基于大动态环境下的高阶迭代姿态优化算法

针对MEMS惯性导航系统大动态坏境下不可交换误差问题,提出了一种改进的高阶迭代姿态优化算法。为解决大动态环境下不可交换误差对整个惯性导航系统带来的影响,推导了传统等效旋转矢量算法,针对此算法仅依靠提高子样数来提高解算精度,忽略了高阶项在大动态环境下会产生较大误差的问题。设计了快慢回路的方法,分别求得不同阶次的旋转矢量解,再通过周期性迭代算法得到快慢回路的迭代解。最后通过大动态环境仿真实验以及高精度三轴转台摇摆动态实验,验证了高阶迭代算法的性能优势。实验结果表明,大动态环境下,相较于传统算法,改进的高阶迭代姿态优化算法精度提高了两个数量级。