小波变换法在姿态解算中的应用

在惯性导航系统中,为提高陀螺仪的姿态测量精度,抑制低频噪声的影响,提出采用小波变换法融合陀螺仪、加速度计数据解算姿态角。首先将陀螺仪采集的数据进行2层小波分解,剔除低频分量和不稳定的信号,并和高频分量重构,得到滤波后的陀螺仪数据。然后利用加速度计采集的数据解算姿态角,用来不断迭代初始四元数,由初始四元数求出重力向量,再由重力向量叉积求出误差,并作PID控制来修正陀螺仪的角度。最后把修正和滤波后的陀螺仪数据用龙格库塔法计算新的四元数,用该四元数进行负增益调节,最终解算出精确的姿态角。仿真结果表明,解算姿态角的精度提高了80%,可以有效地抑制低频噪声,更加精确地计算姿态角,从而进一步提高导航系统的定位精度。     

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 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。     

基于四元数改进型互补滤波的MEMS姿态解算

针对四旋翼飞行器的姿态解算问题,设计了由STM32、陀螺仪、加速度计等组成的姿态测量单元,采用四元数法对姿态角进行描述,详细分析了姿态解算的过程,建立了系统及传感器模型,并在互补滤波算法的基础上,构造了一种改进型互补滤波器来完成姿态解算。实验测试表明,与传统的卡尔曼滤波算法和互补滤波算法比较,改进型互补滤波算法的数据平滑能力更强,收敛速度更快,有效地实现了飞行器姿态数据的融合,提高飞行器的姿态估计精度,满足了小型四旋翼飞行器姿态控制的要求,增强了系统的鲁棒性与稳定性。同时通过实际飞行实验,验证了算法的可行性。     

基于加速度变噪声EKF的无人机姿态融合算法

针对传统无人机姿态解算方法过程复杂、计算量大、动态性能差的缺点,建立无人机姿态模型;采用陀螺仪对加速度计直接进行滤波的方法,设计出新的基于扩展kalman滤波的加速度滤波器;并且考虑到无人机非重力加速度的影响,对常规kalman滤波器进行了变噪声的改进。利用STM32微控制器和MEMS惯性单元搭建硬件平台进行对比实验。结果表明:在168 MHz时钟频率下,一次传感器数据读取和姿态解算总共耗时3.27 ms,数据更新率可达100 Hz。新算法飞行动态误差小于1°,而传统四元数法动态误差为2°左右;变噪声处理后静态瞬时偏差由4°降到1°。说明新算法的抗震效果和解算精度更好,可以为无人机自主飞行提供更准确的姿态信息。     

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。     

加速传感器在高速列车服役安全监测中的应用

本文介绍了一种对高速列车姿态测定方法。首先分析惯性测量单元输出信号所包含的静、动态误差以及随机误差分量,建立关于惯性测量器件随机漂移数据的时间序列模型,采用自回归滑动模型ARMA拟合随机漂移数据。使用MEMS陀螺仪和加速度传感器组合采集加速和转弯的数据,使用卡尔曼滤波器处理随机漂移数据,有效地抑制随机误差。运用四元数法进行姿态解算,更新列车的姿态角,使用融合滤波进行误差补偿。根据补偿后的姿态角对加速度传感器数据,得到准确的列车行驶速度与走行距离,证明了本列车故障检测系统的适用性。     

750kV变电站设备支架姿态测量系统设计

为了消除750 kV变电站设备支架安装过程中的位置误差,在研究现有设备支架位置检测方法的基础上,设计了以STM32单片机为控制核心的设备支架姿态测量系统.该系统以三轴陀螺仪传感器测量设备支架的角速度数据,使用双加速度计以不同频率采样传感器数据以消除累积误差,增加测量系统的鲁棒性,利用四元数法解算出设备支架在三轴坐标系的姿态角,将陀螺仪和加速度计的数据进行融合,设计自适应姿态融合校准算法提高系统长期精度,实现对750 kV变电站设备支架姿态的准确测量,确保其安装过程中的位置精度.     

基于卡尔曼滤波的MUH姿态信号融合算法研究

利用MEMS陀螺仪和加速度计获取姿态的方法已被广泛用于低成本的民用无人直升机上,陀螺仪的漂移和加速度计中的运动加速度都会影响估计精度,设计了基于四元数的卡尔曼滤波器,根据三轴角速率陀螺和加速度计信号,融合无人直升机姿态信号,并针对陀螺仪的漂移和加速度计的测量误差,设计了自适应的量测噪声方差矩阵,补偿融合精度,得到稳定可靠且精度较高的姿态信息,用于无人直升机的内环增稳控制.实验表明,该方法估值精度较高,能有效解决小型无人直升机姿态求解问题.     

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。     

基于四元数卡尔曼滤波的四旋翼姿态测量系统设计与实现

在嵌入式微小型四旋翼姿态测量系统中,姿态算法、系统冗余、硬件方案等直接影响了测量系统的性能和实用性。针对上述问题构建了一种兼具实用性、鲁棒性以及准确性的姿态测量系统。系统使用四元数卡尔曼滤波对微机电陀螺仪、微机电加速度计以及微机电磁力计进行数据融合处理,在硬件设计中采用双加速度计,并同时采用不同采样频率对其采样以增强系统的冗余性。仿真结果表明该数据融合方法的稳定性以及准确性,同时仿真数据表明系统的测量误差在0.5°以内,能够满足微小型四轴飞行器控制系统所需的姿态测量要求。     

小型飞行器姿态估计系统设计与实现

提出了一种基于最小二乘拟合和四元数拓展卡尔曼滤波器小型无人机姿态系统估计方法。首先建立三轴磁力计的物理模型,采用最小二乘拟合算法估算磁力计的干扰向量,然后采用加速度计对磁力计进行倾斜补偿,最后采用拓展卡尔曼滤波器融合加速度计、陀螺仪和磁力计的4数据,估计飞行器三维姿态。测试结果表明,姿态系统的方位角的线性误差最大为4°,倾斜40°情况下,方位角最大误差为2.6°,静止放置时,横滚角、俯仰角和方位角最大的静止偏差分别为0.215°、0.103°和0.464°。     

航位推算法在导航定位中的仿真研究

航位推算(DR)法最初用于船舶的航行定位中,所使用的加速度计、磁罗盘、陀螺仪成本高,尺寸大.而随着微机电系统技术的发展,加速度计、数字罗盘、陀螺仪尺寸、重量、成本都大大降低,使得其可以在行人导航中得以应用.针对DR算法的原理,利用GPS/INS紧密组合导航系统INS 1200进行导航实验,采集实时数据,利用DR算法以及坐标转换算法对实验数据进行处理,通过MATLAB软件模拟了经过坐标变换后的定位图.仿真结果表明,DR算法在短时间内有较高的导航精度,对短时间导航有较大意义.     

基于DSP的MEMS陀螺去噪算法研究

作为惯导系统的重要传感器,陀螺仪的精度直接影响到导航定位的精确性,而随机噪声是影响其精度的重要因素.对随机漂移进行建模并在系统中加以补偿是提高陀螺及其导航系统精度的关键.本文对MEMS陀螺的信号进行分析,对高于通频带的噪声用切比雪夫低通滤波器进行滤波,对带内的噪声运用改进的中值滤波进行处理.DSP仿真结果表明,该方法能在保证实时性的情况下降低陀螺噪声误差对系统精度的影响,可以将信号的信噪比提高8 dB.