一种基于位置修正和卡尔曼滤波的姿态角推算算法

在动态载体如汽车、船舶或静态载体如桥梁,房屋的姿态推算中,使用全球导航卫星系统(global navigation satellite system,GNSS)进行载体测向比起使用惯性传感器成本较低,且随时间不会累积误差。针对在多天线基线解算时存在的接收机时钟不同步造成基线解算精度下降,以及载体运动过程中多径和周跳等造成的误差问题,本文提出了一种基于参考天线位置修正的扩展卡尔曼滤波(extended kalman filter,EKF)算法,根据载体移动速度和接收机之间的时钟差对每一历元载体参考天线位置矫正,提高基线解算的精度,从而提高姿态角精度。基线解算采用实时动态定位技术(real time kinematic,RTK),根据接收机给出的载波相位观测量,在参考天线和其他天线之间做双差建立观测方程,求解出基线向量。将得到的多组基线向量利用最小二乘法求解出姿态角。根据实际测试表明,该方法在基线长度不超过1.5米的情况下,静态航向角和俯仰角精度达到0.2°,低动态情况下航向角精度达到0.2°,俯仰角精度达到0.3°。     

GPS姿态测量并行遗传算法快速搜索技术

提出了一种基于并行遗传算法细粒度模型和模糊度函数法的GPS姿态测量快速搜索技术 (ambiguityfunctionparallelgeneticalgorithms,AFPGA) ,它能够避开整周模糊度的求解而直接解算载体的航向和姿态 .AFPGA采用个体邻域间的进化 ,既具备了较强的全局搜索能力 ,又减小了各处理器之间的数据通信量 ,从而保证在获得全局最优解的前提下加快姿态解算速度 ,并易于算法的硬件实现 .运用AFPGA对一组GPS实测数据进行了 1 0 0次独立搜索 ,得到 :航向角搜索方差为 0 .2 4°,俯仰角搜索方差为 0 .1 5°;平均搜索时间为 0 .6s,成功率为 1 0 0 % ,搜索空间为模糊度函数法的 0 .0 5 % .通过对AFPGA不同的模型进行分析 ,并与SGA(simplegeneticalgo rithm) ,AFGA(ambiguityfunctiongeneticalgorithm)进行对比 ,结果表明AFPGA是一种更为有效的搜索技术     

基于改进型最小二乘搜索的 GNSS 姿态测量方法

结合全球卫星导航系统(global navigation satellite system,GNSS)用于姿态测量具有基线已知的特点,提出了一种改进型最小二乘搜索算法:将整周模糊度分为基本组和剩余组,在伪距精度和基线长度约束条件下确定出基本模糊度组的搜索空间;然后根据模糊度与基线俯仰角、航向角的关系,并以俯仰、航向角度组合作为联系基本组和剩余组的中间变量,通过搜索基本模糊度组来确定出剩余模糊度组合;最后利用最小二乘解算基线矢量,在二次残差比值检验条件下,完成整周模糊度的固定及姿态解算.实验结果表明,改进算法不仅有效减小了模糊度的搜索空间,而且缩短了模糊度初始化时间,具有较高的测姿精度,适用于GNSS姿态测量.     

基于基线约束及递推多历元的改进GNSS定姿技术

在GNSS单频姿态测量技术中,利用单差载波相位和码相位结合模型以及CLAMBDA算法(带有基线约束的最小二乘降相关平差算法)解算整周模糊度可以达到较好的定姿结果,但解算成功率不高。针对这一问题,提出了一种多基线三角形约束的递推多历元方法。三角形基线约束主要针对副基线,利用它可以使CLAMBDA算法得出的整周模糊度更准确。而递推多历元则保证了在此时刻没有解出整周模糊度时仍然可以计算出姿态角,主、副基线都适用。2种方法结合,进一步提高了姿态解算的成功率。对副基线的解算进行了验证,实验证明,这种方法将副基线的成功率提高到99.7%以上。     

基于组合载波相位的飞行器姿态确定

为解决全球导航卫星系统(GNSS)姿态测量中整周模糊度的快速求解问题,提出一种基于组合载波相位的短基线整周模糊度解算方法,利用单个历元的观测数据解算整周模糊度.根据多颗卫星的单频载波相位整周模糊度解算结果,应用最小二乘原理对基线向量进行精确求解,进而由基线向量确定出飞行器的姿态角.仿真结果表明,该模糊度解算方法在单个历元内至少能够解算出8颗卫星的载波相位整周模糊度,解决了GNSS动态测姿领域的一个关键性问题.测姿结果显示,偏航角和俯仰角的测量误差均小于0.2°.该研究成果可以为GNSS姿态测量系统在航空、航天等对实时性要求较高的领域中的应用创造条件.     

单频GPS基线精化解算的经验模式分解方法

为了削弱非模型化误差对单频GPS基线解算的影响,引入经验模式分解法对原始双差观测值进行自适应滤波消噪.在此基础上应用消噪后的双差观测值结合LAMBDA方法进行整周模糊度确定,进而计算基线固定解.算例分析结果表明:此方法可以有效增强基线解算的可靠性并能明显改善定位精度.     

基于多传感器数据融合的四旋翼飞行器的姿态解算

 用于农田信息采集的四旋翼飞行器姿态解算过程中,存在姿态角测量不够准确这一难题。选择基于加速度计、电子罗盘与陀螺仪的捷联式惯性测量系统,采用卡尔曼滤波算法,通过融合多个传感器的测量数据,解算出高精度的姿态角。为验证卡尔曼滤波算法的有效性和实用性,搭建了四旋翼飞行器姿态检测实验平台。结果表明,经卡尔曼滤波算法处理之后的姿态角动态响应好,解算精度高,其最大跟踪误差控制在±1.5°以内,消除了由加速度计或电子罗盘带来的测量白噪声,也有效抑制了陀螺仪的温度漂移,满足四旋翼飞行器对姿态解算精度的要求。     

基于SVD-RLS的动对动整周模糊度解算方法

针对动对动相对定位时基线参量实时变化而难以准确求解模糊度浮点解的问题,提出了一种基于奇异值分解-递推最小二乘(SVD-RLS)的动对动整周模糊度解算方法:该方法首先对基线矢量系数矩阵进行奇异值分解(SVD)并变换双差方程以消除基线参量,然后采用递推最小二乘(RLS)实时推算双差整周模糊度的浮点解及其协方差矩阵,最后利用最小二乘模糊度降相关平差(LAMBDA)算法搜索和固定模糊度;试验结果表明,采用基于SVD-RLS的动对动模糊度解算方法,在100s左右即可正确解算出单频整周模糊度,基线误差在1cm以内,能够较好地适用于动对动高精度相对定位的实时解算。     

低成本捷联惯导系统的静基座快速精对准方法

针对低成本捷联惯导系统难以完成航向自对准以及静基座对准可观性和可观度低的问题,提出了同时将速度误差、姿态误差和航向误差作为观测量的卡尔曼滤波对准方案;建立了姿态误差、航向误差与数学平台误差角之间的量测关系;推导了利用加速度计计算姿态的方法,并配置磁传感器作为外观测设备提供航向参考基准,从而获得滤波器观测量.结果表明,建立的对准模型和方法有效提高了系统的可观性和可观度,缩短了对准时间、提高了对准精度,并且实现了低成本捷联惯导系统的航向对准,具有重要的工程实用价值.     

基于四元数EKF算法的小型无人机姿态估计

针对小型无人机设计的姿态测量系统,提出一种用于小型无人机姿态估计的四元数扩展Kalman滤波算法.该算法通过建立四元数姿态运动模型和航姿传感器测量模型,构建了以四元数和陀螺仪随机漂移为状态向量、以加速度计测量值和磁阻仪解算的航向角为观测向量的扩展Kalman滤波器,并设计了自适应测量噪声协方差矩阵修正法.实验结果表明,该算法不但解决了微机电系统惯性器件用于载体姿态测量时精度低、易发散、易被干扰的问题,而且显著减小了陀螺仪随机漂移对姿态估计的影响,有效提高了姿态估计的精度.     

基于超短基线的双频整周模糊度单历元取整固定算法

针对使用伪距取整固定宽巷整周模糊度效率高,但是宽巷一周取整错误发生频繁,伪距误差较大时还会出现大于一周的取整错误的问题,设计了一种可以弥补宽巷取整错误的整周模糊度固定算法.通过宽巷分离出的L₁浮点解小数探测和修复宽巷一周取整错误,使用RAIM算法排除大于一周的宽巷取整错误,最后使用正确的整周模糊度固定全部整周模糊度,完成高精度定位.使用实际GPS超短基线数据比较该算法与单历元LAMBDA算法的性能.该算法提高了直接使用伪距取整宽巷整周模糊度的固定率.相比单历元LAMBDA算法,本文算法的固定率稍低,但计算效率有明显提升.      

改进型单频非遍历值域姿态测量算法

非遍历值域搜索算法利用二维模糊度搜索范围压缩了姿态角搜索空间,由于二维模糊度搜索空间较大,造成压缩姿态角搜索空间效率较低,提出了一种采用多约束条件以提高压缩姿态角搜索空间效率的方法。选取仰角最高的4颗卫星作为主星,采用最小二乘搜索算法利用单个历元观测数据确定三维模糊度搜索空间,结合基线长度及低成本微机电系统(micro electrical mechanical system,MEMS)提供的俯仰角信息对三维模糊度搜索空间进行筛选,取仰角最高的3颗卫星构成二维模糊度搜索空间,将其代入搜索模型解算整周模糊度候选值,采用残差比例检验法进行模糊度固定。试验结果表明,相比于原算法,姿态角搜索数目由576组降至8组,残差比峰值由16增至1 279,固定所需时长从35 s缩短至单个历元。     

基于陀螺星光加激光交会雷达的相对姿态确定

针对编队飞行中从飞行器与主飞行器的相对姿态确定问题,提出了基于扩展卡尔曼滤波(EKF)的相对姿态确定方法. 采用修正罗德里格参数(MRPs)作为姿态描述参数避免奇异点. 姿态敏感器采用陀螺 星敏感器 激光交会雷达的配置模式,并且结合相对姿态动力学方程得到相对姿态确定的状态方程,建立起相对姿态确定的EKF模型. 仿真实例表明,EKF状态能在最慢300 s内收敛,MRPs的估计误差在10-5范围以内,该方法正确有效.     

一种基于改进卡尔曼滤波的姿态解算算法

针对多传感器融合姿态解算精度不高的问题,本文提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(Extended Kalman Filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效的解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载IMU(InertialSmeasurementSunit)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明：本文提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。     

基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算

为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。     

模糊度二维搜索的姿态测量改进算法

值域算法由于采用遍历姿态角的方式建立搜索空间,从而会造成初始化时间较长的问题,故提出了一种基于窄巷组合的模糊度二维搜索算法:首先基于卫星空间几何关系对参考星与两颗主星间的窄巷主模糊度范围进行约束,利用其与姿态角之间的关系推得全体候选姿态角,从而以一种非遍历且不遗漏正确候选姿态角的途径得到搜索范围。然后基于值域二维搜索模型求解各候选姿态角相对应的窄巷模糊度浮点解,就近取整后依次采用模糊度整数特性法、基线先验信息法以及基线残差平方和最小准则固定整周模糊度。试验结果表明:文中算法相比原算法,不仅初始化时间由先前的153 s缩短至76 s,而且姿态精度总体提高近15%。     

基于EKF的多MEMS传感器姿态测量系统

姿态信息是飞行控制中最关键的参数之一,因此姿态测量成为飞行控制系统首要解决的问题。利用多M EM S传感器研制了一种微型姿态测量系统。利用三轴M EM S加速度计和三轴M EM S陀螺数据,由方向余弦矩阵的姿态表示形式推导了扩展K a lm an滤波方程,解算出飞行器的俯仰角和横滚角;设计专家系统判断飞行器的运动状态,并根据该状态调整滤波算法中的测量噪声矩阵,使系统可同时满足静态情况和动态情况的使用;利用空速和高度数据对俯仰角进行修正,利用GPS解算航向角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较,二者在静态情况下非常吻合,在动态情况下基本吻合。     

基于改进扩展卡尔曼滤波的爬架运行安全姿态估计

为了实时准确的获取爬架运行时的姿态信息，提出了一种基于改进Sage-Husa扩展卡尔曼滤波算法（ISHEKF）的爬架姿态估计方法。首先建立了爬架姿态估计模型，然后在扩展卡尔曼滤波（EKF）对传感器进行融合滤波时，加入Sage-Husa扩展卡尔曼算法（SHEKF）对时变噪声进行调节，再以协方差匹配技术对Sage-Husa进行滤波发散判定，通过在调节因子中引入爬架实时运动速度，改进滤波发散判定依据，从而满足爬架运行时高精度的滤波要求。实验结果表明：静态实验中以横滚角为例，ISHEKF的最大误差较SHEKF减少了21.9%，较EKF最大误差减少了70.8%；动态实验中ISHEKF表现出更好的稳定性和滤波精度，能够准确反映爬架运行的状态变化。     

基于 MEMS 辅助的单基线北斗融合测姿算法

载体的姿态信息是导航的重要参数,随着北斗卫星导航系统（Beidou navigation satellite system,BDS）和微机电系统（micro-electro-mechanical systems,MEMS）惯性传感器的发展与完善,高精度、低成本、自主化的融合测姿技术具有广阔的应用前景,因此,提出MEMS辅助单基线北斗融合测姿算法。根据MEMS惯性传感器解算出的姿态信息确定基线向量的搜索范围,从而辅助模糊度函数法（ambiguity function method,AFM）减小整周模糊度搜索空间,提高整周模糊度快速求解的成功率和计算效率。将BDS输出的姿态角信息作为观测信息,对MEMS陀螺仪解算出的姿态信息进行实时校正,实现BDS和MEMS传感器二者的数据融合算法。通过实测数据仿真验证,该算法能够解决信号失锁带来的整周模糊度求解困难的问题,并且测姿系统能在遮挡和动态等复杂环境下提供高质量姿态测量结果。