宽带移动卫星通信系统低成本姿态估计算法

针对低成本微机电惯性测量单元无法满足宽带移动卫星通信系统姿态估计精度的问题,提出了以单基线GPS为辅助传感器的低成本姿态估计(LCAE)算法.该算法通过互补滤波器对陀螺测量值与加速度计姿态角进行传感器融合.为了克服机动加速度干扰,借助单基线GPS的速率信息及航向信息,加入了机动加速度补偿和侧滑角补偿;为了降低算法对GPS信号的依赖,加入了开关结构.实验结果表明,LCAE算法能够有效去除加速度计测量值中的非重力信息,隔离载体运动对加速度计输出的干扰,姿态角估计精度在GPS信号完全锁定的情况下达到±0.5°以内,在GPS信号不完全锁定的情况下,姿态角估计精度优于开关卡尔曼方法,达到±1°以内,满足低成本移动卫星通信系统要求.     

宽带移动卫星通信低成本组合姿态确定算法

针对现有低成本微机械惯性器件无法满足宽带移动卫星通信系统在机动状态下天线指向精度的问题,提出了微机械惯性测量单元与闭环跟踪信息相结合的姿态确定算法.该算法在航向上引入闭环跟踪的指向偏差角,经PI控制器反向校正航向陀螺的漂移误差,并利用跟踪指向信息的低频分量和陀螺的高频分量估计航向角.在横滚和俯仰上,首先以改进欧拉角作为状态向量,根据陀螺角速率信息和加速度计的重力场信息分别建立状态方程和测量方程;然后依据航向角速率和俯仰角偏差对载体运动状态进行判别,并在载体机动下调整方差矩阵以依赖陀螺进行姿态估计,克服机动加速度的扰动.实验结果表明,该算法与自适应卡尔曼滤波器相比,在载体机动状态下精度更高,其航向估计精度在±0.8°,倾角在±0.5°内,满足动中通姿态稳定精度要求.     

基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

移动卫星通信系统组合姿态估计算法

针对宽带移动卫星通信系统传感器直接融合姿态估计算法易受外界因素干扰、估算误差难以校正的问题,提出了一种移动卫星通信系统组合姿态估计算法。该算法以移动卫星地球站载体的位置误差、速度误差和姿态误差为系统状态量,建立了9状态的组合导航姿态估计模型;通过使用GPS航向角辅助观测解决了组合姿态估计算法航向角可观性弱、姿态角估计值易发散的问题;通过将转弯判断规则和Sage-Husa自适应控制算法进行融合,降低了GPS航向角测量误差对姿态估计的影响,提高了组合姿态估计算法的精度。实验结果表明:移动卫星通信系统组合姿态估计算法计算简单、实时性好,姿态估计精度优于传感器直接融合算法,其姿态估计误差可控制在±0.5°以内,最小均方误差值小于0.4,满足低成本宽带移动卫星通信波束对准要求。     

基于船舶的GPS/单陀螺航向融合算法

研究一种应用于船舶的GPS/单陀螺航向融合算法.首先,根据陀螺输出的角速率来估算船舶航向角信息;然后,采用改进的卡尔曼滤波的GPS/单陀螺融合算法,估算出陀螺的航向角估计误差和陀螺的漂移;最后,得出船舶航向角的准确信息.试验结果表明,该融合算法使得航向角实际应用误差控制在±1°之内,其输出值相当平滑,是一种有效的航向角确定算法.     

基于多台GPS接收机的三维姿态确定与精度分析

根据一个模拟动态定位实例,采用多台GPS接收机动态定位,得到单历元定位结果,然后采用不同的天线组合解算姿态.结果显示,对于约5 m长宽的基线组合,获得的航向角精度约为0.05°,横滚角和纵摇角的精度约为0.2°;对于约10 m长宽的基线组合,航向角精度约为0.03°,横滚角和纵摇角的精度约为0.11°.可知,姿态角的精度与纵横向的基线长度有关.当基线长度相同时,航向角的精度高于横滚角和纵滚角.其中,航向角和纵滚角的精度主要与航向长度有关,而横滚角则与横向长度有关.基线越长,对应的姿态角的精度越高.     

一种自适应跟踪滤波方法

本文针对防空系统中警戒雷达的跟踪滤波问题,采用了一种以目标飞行的航向角作为模型参数的卡尔曼滤波器。通过对航向角的实时估计,模型在目标机动或非机动的情况下、均能与目标的运动相适应。本文对航向角的估计提出了一种新的估计方法。使用该方法,航向角的估值在任何情况下都有较高的精度,从而使滤波器能较好地跟踪各种机动目标。     

基于惯性测量单元旋转的陀螺漂移估计和补偿方法

陀螺仪的漂移误差是影响惯性导航系统的姿态测量精度的重要因素。常用的陀螺漂移估计及航向角误差修正方法需要用磁强计或GPS等外部传感器的辅助数据来实现,存在室内、磁干扰等环境下应用受限的问题。对此该文提出了惯性测量单元旋转的改进方法。该方法在测量过程中对陀螺仪施加独立于物体运动的特定旋转,通过旋转前后不同姿态下陀螺仪和加速度计输出的倾角数值,得到惯性测量单元漂移估计。实验表明,该估计算法可有效地提高航向角的测量精度。     

自适应滤波器在微型姿态确定系统中的应用

基于MEMS的IMU由于低成本、体积小和低耗能得到了很广泛的应用.但是,惯性MEMS传感器有很大的噪声、偏差以及刻度误差,由于传统低成本的MEMS传感器使用的捷联算法很难取得令人满意符合性能要求的姿态确定值.利用改进的自适应增益卡尔曼滤波器在随机模式下建立一个小型姿态确定系统.这个改进的滤波器在一个时间变量转移矩阵中有六个状态量,它们分别是:三个姿态倾斜角和三个陀螺偏移误差.滤波器用三个加速度计的测量量和磁罗盘来驱动状态的更新.当系统处于非加速度状态下,加速度计对重力加速度的测量以及磁罗盘对航向的测量很显然可以产生很好的状态估计量;当系统处于高速动态状态并且偏移可以收敛到一个精确估计值时,对姿态的估算就需要很长一段时间.自适应滤波器可以在动态状况下用加速度计自动调整增益产生最佳性能.提供了这种技术的算法,并且对此进行分析,之后给出实验结果.     

自适应软测量算法的汽车行驶状态估计

为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态.