航姿参考系统AHRS
AHRS使用说明
航姿参考系统
系统综述： 该系统为捷联式航姿参考系统，系统采用基于MEMS 技术的陀螺仪、加速度计和磁传感器，集成度高、体积小、重量轻、成本低，可以对运动载体进行全姿态测量，实时输出载体的姿态角(俯仰角、横滚角、航向角)信息。
同时，系统具有很好的抗干扰能
力。
系统主要功能： 实时输出载体的姿态角(俯仰角、横滚角、航向角)信息； 支持欧拉角输出 支持四元数输出
支持传感器(陀螺仪、加速度计、磁传感器)原始数据的输出
系统主要用途： 车辆的导航与控制 船舶姿态的动态测量 平台稳定 机器人 集装箱跟踪
主要技术指标
更新频率：１～10０Ｈｚ 启动时间：<1s 初始化时间：60s
航向角：
范围：±１８０°
正常条件下静态精度：＜0.5° 全温度的静态精度：<1° 动态精度：1.5°(RMS) 噪声：0.01°(RMS) 分辨率： 0.1°
姿态角(俯仰角、横滚角)：
范围：±90°，±180°
在正常条件下静态精度：<0.2° 全温度的静态精度：0.3° 动态精度：0.5°(RMS) 噪声：0.01°(RMS) 分辨率：0.1° 环境：
工作温度：-40°~80° 储存温度：-55°~85°
电气特性：
供电电压：4.5V~40V 功耗：<500mW
数字输出格式：RS-232
物理特性：
大小：50mm * 60mm * 30mm 重量：60g。
基于卡尔曼滤波和互补滤波的AHRS系统研究
本栏目责任编辑：梁书计算机工程应用技术基于卡尔曼滤波和互补滤波的AHRS 系统研究蔡阳，胡杰❋（长江大学计算机科学学院，湖北荆州434023）摘要：AHRS 航姿参考系统中通常需要融合MEMS 传感器数据来进行姿态解算，由于MEMS 传感器自身的一些缺陷导致在姿态解算中会出现较为严重的误差。
AHRS 中常见对加速度计、陀螺仪和磁力计进行卡尔曼滤波、互补滤波的方法，由于使用单一的滤波算法时会出现误差，导致姿态角解算精度不高。
本文采用卡尔曼滤波融合互补滤波的滤波算法，通过卡尔曼滤波对加速度计和陀螺仪起抑制漂移作用，进而得到最优估计姿态角，减小传感器引起的误差，再由估计值和磁力计经过互补滤波滤除噪声，提高姿态角的解算精度。
仿真实验表明：融合滤波算法可以抑制漂移和滤除噪声，在静态和动态条件下，都有良好表现。
关键词：AHRS;MEMS ；姿态解算；卡尔曼滤波；互补滤波中国分类号：TP301文献标识码：A 文章编号：1009-3044(2021)10-0230-03开放科学（资源服务）标识码（OSID ）:Research on AHRS System Based on Kalman Filter and Complementary Filter CAI Yang,HU Jie(School of Computer Science,Yangtze University,Jingzhou 434023,China)Abstract:AHRS heading and attitude reference system usually needs to fuse MEMS sensor data for attitude calculation.Due to some defects of MEMS sensor itself,there will be more serious errors in attitude calculation.Kalman filtering and complementary filtering methods for accelerometers,gyroscopes,and magnetometers are common in AHRS.Due to errors when a single filtering al⁃gorithm is used,the accuracy of the attitude angle calculation is not high.In this paper,the Kalman filter fusion complementary fil⁃ter filter algorithm is used to suppress drift of the accelerometer and gyroscope through Kalman filter,and then obtain the optimal estimated attitude angle,reduce the error caused by the sensor,and then pass the estimated value and the ple⁃mentary filtering filters out noise and improves the accuracy of attitude angle calculation.Simulation experiments show that the fu⁃sion filtering algorithm can suppress drift and filter noise,and it performs well under static and dynamic conditions.Keywords:AHRS;MEMS;attitude calculation;Kalman filter;complementary filter航姿参考系统AHRS(Attitude and Heading Reference Sys⁃tem)由MEMS(Micro-Electro Mechanical System)惯性传感器三轴陀螺仪、三轴加速度计和磁力计的数据融合来进行姿态解算[1]。
航姿参考系统中的三种简易四元数平均算法
第28卷第2期 中国惯性技术学报 V ol.28 No.2 2020年04月 Journal of Chinese Inertial Technology Apr. 2020 收稿日期：2019-11-12；修回日期：2020-04-06基金项目：南京邮电大学校级科研基金（NY217138，NY219054）；江苏省高等学校自然科学研究面上项目（17KJD535001）；江苏省自然科学基金（BK20170898）作者简介：谭彩铭（1987—），男，讲师，从事定位导航研究。
E-mail ：********************联 系 人：高翔（1967—），女，教授。
E-mail ：**************.cn 文章编号：1005-6734(2020)02-0186-07 doi.10.13695/ki.12-1222/o3.2020.02.008Three simple quaternion averaging algorithms used in attitude andheading reference systemTAN Caiming 1,2, GAO Xiang 1,2, CHEN Sheng 1,2, XU Guozheng 1,2(1. College of Automation and College of Artificial Intelligence, Nanjing University of Posts and Telecommunications, Nanjing 210023, China; 2. Robotics Information Sensing and Control ResearchInstitute, Nanjing University of Posts and Telecommunications, Nanjing 210023, China)Abstract: Unit quaternion averaging is normally defined as the optimal solution to a constrained minimization problem, which is computationally time-consuming. Considering that there are only two quaternions in an attitude and heading reference system (AHRS) for weighted averaging, three easy two-quaternion averaging formulas are obtained from each minimization-based quaternion averaging algorithm, respectively. The data analysis demonstrates that the quaternions obtained using the three easy two-quaternion averaging formulas are very close, and the angular distances between them are less than 0.04 °. The large angle maneuver experiment confirms that the three two-quaternion averaging formulas can be used in the quaternion-based AHRS. The conclusions provide a reference for the effective application of quaternion averaging algorithm in AHRS and other related fields.Key words: unit quaternion; quaternion averaging; attitude and heading reference system; Kalman filter; complementary filter航姿参考系统中的三种简易四元数平均算法谭彩铭1,2，高 翔1,2，陈 盛1,2，徐国政1,2（1. 南京邮电大学 自动化学院、人工智能学院, 南京 210023； 2. 南京邮电大学 机器人信息感知与控制研究所，南京 210023）摘要：单位四元数平均运算通常被定义为求解约束最小化问题的最优解，在计算上很耗时。
一种基于SVDCKF的无人机动态自适应航姿算法
２０２１年４月第３９卷第２期西北工业大学学报ＪｏｕｒｎａｌｏｆＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙＡｐｒ．Ｖｏｌ．３９２０２１Ｎｏ．２ｈｔｔｐｓ：／／ｄｏｉ．ｏｒｇ／１０．１０５１／ｊｎｗｐｕ／２０２１３９２０３５０收稿日期：２０２０⁃０６⁃２９基金项目：国家自然科学基金（６１５７３２８６，６２０７３２６６）与航空科学基金（２０１９０５０５３００３）资助作者简介：杨跃（１９９４ ），西北工业大学博士研究生，主要从事无人机多传感器组合导航和视觉感知定位研究㊂通信作者：刘小雄（１９７３ ），西北工业大学副教授，主要从事导航制导与控制研究㊂㊀ｅ⁃ｍａｉｌ：ｌｉｕｘｉａｏｘｉｏｎｇ＠ｎｗｐｕ．ｅｄｕ．ｃｎ㊂一种基于ＳＶＤＣＫＦ的无人机动态自适应航姿算法杨跃，刘小雄，章卫国，刘旭航，郭一聪（西北工业大学自动化学院，陕西西安㊀７１０１２９）摘㊀要：针对小型无人机在复杂飞行条件下的航姿解算精度和鲁棒性问题，提出了一种动态自适应调节的奇异值容积卡尔曼滤波航姿估计算法㊂考虑到低成本航姿传感器随机偏差大的问题，将航姿传感器随机偏差作为待估计参数，以消除传感器随机偏差的影响㊂由于无人机航姿模型的非线性和滤波中协方差矩阵的非正定问题，设计了一种融合容积卡尔曼滤波（ｃｕｂａｔｕｒｅＫａｌｍａｎｆｉｌｔｅｒ，ＣＫＦ）和奇异值分解（ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＳＶＤ）的非线性航姿滤波器来改善航姿解算精度㊂另外考虑到不同的飞行条件下，航姿传感器中三轴加速度对无人机航姿解算的影响，基于自适应滤波的思想，提出了一种动态自适应因子来不断地调节加速度测量噪声方差，提高了航姿滤波在复杂条件下的鲁棒性㊂实验结果表明，所提算法不仅有效地改善了非线性航姿模型的航姿解算精度，满足小型无人机的飞行需求，而且消除了航姿传感器随机偏差和三轴加速度测量噪声对航姿解算的影响，提高了算法的鲁棒性和抗扰性㊂关㊀键㊀词：小型无人机；奇异值分解；容积卡尔曼滤波；低成本航姿传感器；动态自适应因子中图分类号：Ｖ２４９．３２＋８㊀㊀㊀文献标志码：Ａ㊀㊀㊀文章编号：１０００⁃２７５８（２０２１）０２⁃０３５０⁃０９㊀㊀近些年来，无人机应用在许多领域，如空中监视［１］㊁三维地图重构［２］㊁搜索救援［３］等㊂其中，航姿参考系统（ａｔｔｉｔｕｄｅａｎｄｈｅａｄｉｎｇｒｅｆｅｒｅｎｃｅｓｙｓｔｅｍｓ，ＡＨＲＳ）作为无人机自主飞行系统的关键部分，主要由航姿传感器（陀螺仪㊁加速度计㊁磁力计）和微处理器组成，利用传感器融合算法解算无人机航姿，并且无需其他传感器辅助㊂本文重点是对低成本航姿传感器的小型无人机航姿解算进行研究㊂目前，小型无人机航姿解算算法主要包括互补滤波［４］㊁卡尔曼滤波［５］等㊂其中，互补滤波依靠传感器之间的频率互补特性，融合传感器数据来计算航姿㊂梯度下降滤波通过一种迭代的方式寻找最优值，具体的实现过程是根据目标函数斜率的负方向搜索解㊂不过这两种方法都没有考虑低成本航姿传感器噪声对航姿解算精度的影响㊂相较于互补滤波和梯度下降滤波，卡尔曼滤波是将带有噪声的多种传感器进行融合的线性最小方差估计方法，同时在建模过程中也会考虑噪声的影响㊂通常在高斯噪声分布系统中，卡尔曼滤波被看作是一种最佳估计器，经常用作处理线性系统模型㊂不过在实际应用中，无人机航姿系统是非线性模型㊂此时卡尔曼滤波处理非线性模型会导致航姿解算精度下降，甚至发散，因此一些改进的非线性卡尔曼滤波［６］逐渐被用作无人机航姿解算㊂针对无人机航姿解算问题，文献［７］提出了一种扩展卡尔曼四元数航姿算法，使用扩展卡尔曼滤波对建立的非线性航姿模型进行处理，并且将四元数和陀螺仪随机偏差作为状态估计参数㊂文献［８］利用多级可变扩展卡尔曼滤波算法，使用低成本惯性器件㊁磁力计以及ＧＰＳ导航系统等多种传感器，设计出一种可以实时估计无人机航姿的滤波估计器㊂扩展卡尔曼滤波是一种对非线性函数进行一阶泰勒展开的近似方法，这样会使得模型存在舍入误差㊂所以一些基于确定采样型的非线性卡尔曼滤波相继被提出，主要包括无迹卡尔曼滤波［９］㊁容积卡尔曼滤波［１０］㊁粒子滤波［１１］等㊂文献［１２］提出了一种基于自适应无迹卡尔曼滤波的四第２期杨跃，等：一种基于ＳＶＤＣＫＦ的无人机动态自适应航姿算法元数航姿滤波算法，相比于扩展卡尔曼滤波，该算法可以将非线性航姿模型精确到二阶及二阶以上的精度，并且无需对模型进行雅可比矩阵显式计算㊂容积卡尔曼滤波采用容积加权采样点，对非线性函数模型的逼近可以达到三阶及三阶以上，精度较无迹卡尔曼滤波进一步提高㊂粒子滤波是一种基于贝叶斯采样估计的重要性序列采样滤波方法，虽然与无迹卡尔曼滤波和容积卡尔曼滤波相比精度更高，但是粒子滤波计算量大，实时性较差㊂同时在滤波过程中，容易出现粒子退化问题，导致滤波器发散㊂实际上，当无人机在进行飞行时，航姿模型统计特性会受到一些不确定因素的影响，导致航姿解算的鲁棒性下降㊂文献［１３］提出一种新的卡尔曼航姿滤波用于估计姿态四元数，同时设计了一种自适应滤波方法用于减少系统噪声特性中的模型误差，提高了滤波抗扰性㊂文献［１４］设计了自适应增益方法来调节航姿测量噪声方差，并且消除了不确定性误差的影响，解算出可靠的无人机航姿㊂本文首先建立了无人机非线性航姿系统模型，将姿态四元数和航姿传感器随机偏差作为状态向量估计参数㊂针对航姿模型系统的非线性和滤波过程中协方差矩阵出现的非正定问题，设计了奇异值容积卡尔曼滤波，提高了航姿解算精度㊂考虑到飞行过程中三轴加速度对无人机航姿解算的影响，设计了一种动态自适应调节因子，改善了加速度测量噪声方差㊂最后通过仿真和实验结果表明该算法可以提高无人机航姿解算的精度和鲁棒性㊂１㊀航姿数学模型１．１㊀四元数姿态更新模型在无人机捷联姿态表示方法中，通常用单位四元数进行姿态更新和刚体转换的快速计算㊂ｑ＝ｑｗ＋ｑｘｉ＋ｑｙｊ＋ｑｚｋ＝ｑｗｑｖéëêêùûúú＝ｃｏｓ（θ／２）ｅｘｓｉｎ（θ／２）ｅｙｓｉｎ（θ／２）ｅｚｓｉｎ（θ／２）éëêêêêêùûúúúúú（１）式中：ｑｗ是四元数实部；ｑｖ是四元数虚部且有ｑｖ＝ｑｘｉ＋ｑｙｊ＋ｑｚｋ；θ是旋转角；ｅ是旋转轴且ｅ＝［ｅｘ，ｅｙ，ｅｚ］Ｔ㊂四元数连续乘法运算可以定义如下ｐ⊗ｑ＝ｐｗｑｗ－ｐＴｖｑｖｐｗｑｖ＋ｑｗｐｖ＋ｐｖˑｑｖéëêêùûúú（２）ｑ⊗ｑ－１＝［１，０，０，０］Ｔ（３）㊀㊀（２）式和（３）式中，⊗表示四元数乘法算子㊂ｑ－１是ｑ的可逆四元数，同时四元数必须满足（４）式的正交原则㊂｜ｑ｜＝ｑ⊗ｑ－１＝ｑ２ｗ＋ｑ２ｘ＋ｑ２ｙ＋ｑ２ｚ＝１（４）㊀㊀本文利用单位四元数进行无人机姿态更新，对四元数姿态微分方程使用一阶毕卡迭代法进行求解，并给出离散模型㊂ｑ（ｔｋ）＝ｑ（ｔｋ－１）⊗ｑ（Δｔ）（５）式中：ｑ（ｔｋ）和ｑ（ｔｋ－１）分别是在时间点ｔｋ－１和ｔｋ的单位四元数；ｑ（Δｔ）由陀螺仪三轴角速度进行更新㊂ｑ（Δｔ）＝ｅｘｐ（ΩｗΔｔ）＝㊀ðɕｎ＝０（ΩｗΔｔ）ｎｎ！ʈＩ４ˑ４＋ΩｗΔｔ２æèçöø÷（６）式中，Ωｗ是陀螺仪三轴角速度的反对称矩阵，具体形式如下Ωｗ＝０－ｗｘ－ｗｙ－ｗｚｗｘ０ｗｚ－ｗｙｗｙ－ｗｚ０ｗｘｗｚｗｙ－ｗｘ０éëêêêêêêùûúúúúúú（７）式中，ｗ＝［ｗｘ，ｗｙ，ｗｚ］Ｔ是陀螺仪在机体系下的三轴角速度㊂φ＝ａｔａｎ２（２（ｑｗｑｘ＋ｑｙｑｚ），１－２（ｑ２ｘ＋ｑ２ｙ））θ＝ａｓｉｎ（２（ｑｗｑｙ－ｑｘｑｚ））ψ＝ａｔａｎ２（２（ｑｗｑｚ－ｑｘｑｙ），１－２（ｑ２ｘ＋ｑ２ｙ））ìîíïïïï（８）１．２㊀航姿传感器模型航姿解算离不开航姿传感器的测量值㊂本文使用低成本航姿传感器，主要包括陀螺仪，加速度计和磁力计㊂这些传感器固联在小型无人机机体重心，并且传感器的三轴之间在理想条件下相互正交㊂＾ω（ｔ）＝ｋωω（ｔ）＋ｂω（ｔ）＋ｎω（ｔ）＾ａ（ｔ）＝ｋａ（ａ（ｔ）＋Ｃｂｎ（ｇ））＋ｂａ（ｔ）＋ｎａ（ｔ）＾ｍ（ｔ）＝ｋｍｍ（ｔ）＋ｂｍ（ｔ）＋ｎｍ（ｔ）ìîíïïïï（９）式中，＾ω（ｔ），＾ａ（ｔ）和＾ｍ（ｔ）分别是机体坐标系下角速度㊁加速度和磁场强度的测量值㊂假设航姿传感器在使用前已经被校准过，此时标度因子ｋω，ｋａ和ｋｍ都为１㊂ｂω（ｔ），ｂａ（ｔ）和ｂｍ（ｔ）是航姿传感器的随㊃１５３㊃西㊀北㊀工㊀业㊀大㊀学㊀学㊀报第３９卷机偏差，他们会随着时间不断变化㊂本文将航姿传感器随机偏差作为航姿状态估计的一部分，消除偏差可以提高传感器测量值精度㊂ｎω（ｔ），ｎａ（ｔ）和ｎｍ（ｔ）是航姿传感器高斯白噪声㊂１．３㊀航姿问题表述无人机航姿模型在实际情况中是非线性系统，因此本文建立了高斯离散状态下航姿非线性系统模型㊂ｘｋ＝ｆ（ｘｋ－１，ｖｋ－１）＋ｍｋ－１ｚｋ＝ｈ（ｘｋ）＋ｎｋ{（１０）式中：ｘｋ是航姿状态估计参数；ｆ（㊃）是非线性动力学函数；ｖｋ－１是航姿传感器输入参数；ｚｋ是航姿观测参数，ｈ（㊃）是非线性观测函数㊂其中，ｍｋ－１和ｎｋ分别是系统动态噪声和观测噪声，假设两者都是零均值高斯白噪声且互不相关㊂１．４㊀非线性航姿模型对于无人机航姿解算，建立无人机航姿模型是非常有必要的㊂根据对四元数姿态更新㊁航姿传感器模型以及航姿问题的分析，本文设计了一种非线性四元数航姿模型系统㊂（１１）式是航姿系统动力学方程，其中航姿状态参数ｘ（ｔｋ）包括四元数ｑ（ｔｋ）以及航姿传感器偏差［ｂω（ｔｋ），ｂａ（ｔｋ），ｂｍ（ｔｋ）］Ｔ㊂ｘ（ｔｋ）＝ｑ（ｔｋ）ｂω（ｔｋ）ｂａ（ｔｋ）ｂｍ（ｔｋ）éëêêêêêêùûúúúúúú＝Ｉ４ˑ４＋ΩｗΔｔ２æèçöø÷ｑ（ｔｋ－１）ｂω（ｔｋ－１）ｂａ（ｔｋ－１）ｂｍ（ｔｋ－１）éëêêêêêêêùûúúúúúúú＋㊀㊀ｍｑ（ｔｋ－１）ｍｗ（ｔｋ－１）ｍａ（ｔｋ－１）ｍｍ（ｔｋ－１）éëêêêêêùûúúúúú（１１）式中，ｍｑ（ｔｋ－１），ｍｗ（ｔｋ－１），ｍａ（ｔｋ－１）和ｍｍ（ｔｋ－１）是系统过程噪声且满足以下条件ｍｑ（ｔｋ－１） Ｎ（０，σ２ｑ），ｍｗ（ｔｋ－１） Ｎ（０，σ２ｗ）ｍｍ（ｔｋ－１） Ｎ（０，σ２ｍ），ｍａ（ｔｋ－１） Ｎ（０，σ２ａ）{㊀㊀在系统观测模型中，对于加速度计和磁力计数据采样频率不一致的问题，可以考虑单独设计相应航姿传感器系统观测模型㊂（１２）式是观测传感器为加速度计的非线性观测方程㊂ｚａ（ｔｋ）＝ａｘ（ｔｋ）ａｙ（ｔｋ）ａｚ（ｔｋ）éëêêêêùûúúúú＝－２ｇ（ｑｘ（ｔｋ）ｑｚ（ｔｋ）－ｑｗ（ｔｋ）ｑｙ（ｔｋ））－２ｇ（ｑｙ（ｔｋ）ｑｚ（ｔｋ）＋ｑｗ（ｔｋ）ｑｘ（ｔｋ））－ｇ（ｑ２ｗ（ｔｋ）－ｑ２ｘ（ｔｋ）－ｑ２ｙ（ｔｋ）＋ｑ２ｚ（ｔｋ））éëêêêêùûúúúú＋ｎａ（ｔｋ）（１２）式中，［ａｘ（ｔｋ），ａｙ（ｔｋ），ａｚ（ｔｋ）］Ｔ是三轴加速度测量值，ｇ是当地重力加速度约为９．８０６６５ｍ／ｓ２㊂ｎａ（ｔｋ）是加速度测量噪声且满足ｎａ（ｔｋ） Ｎ（０，Ｒ２ａ）㊂在解算无人机偏航角时，使用磁力计测量当地磁场强度数值，并且将计算得到的航向角作为观测值㊂（１３）式和（１４）式为偏航角非线性观测方程㊂ｍｘ＝－２（ｑｘ（ｔｋ）ｑｙ（ｔｋ）－ｑｗ（ｔｋ）ｑｚ（ｔｋ））ｍｙ＝ｑ２ｗ（ｔｋ）－ｑ２ｘ（ｔｋ）＋ｑ２ｙ（ｔｋ）－ｑ２ｚ（ｔｋ）{（１３）ｚｍ（ｔｋ）＝ａｔａｎ２（ｍｘ，ｍｙ）＋ｎｍ（ｔｋ）（１４）式中：ｚｍ（ｔｋ）为航向角观测值；ｎｍ（ｔｋ）是磁力计航向角观测值噪声且满足ｎｍ（ｔｋ） Ｎ（０，Ｒ２ｍ）㊂２㊀非线性航姿ＳＶＤＣＫＦ滤波针对非线性航姿滤波问题，本文采用ＣＫＦ滤波方法，较之于ＥＫＦ和ＵＫＦ有更好的解算精度㊂利用Ｃｈｏｌｅｓｋｙ分解状态协方差矩阵Ｐ且Ｐ＝ＵＴＵ，Ｕ是三角矩阵㊂不过使用Ｃｈｏｌｅｓｋｙ分解会出现一些问题：１）Ｃｈｏｌｅｓｋｙ分解状态协方差矩阵Ｐ时，Ｐ必须满足正定或者对称正定的性质，这样做限制了Ｐ的取值范围，导致航姿解算不稳定；２）状态协方差矩阵在航姿滤波算法运行期间可能会成为稀疏矩阵，破坏了Ｃｈｏｌｅｓｋｙ分解对Ｐ的要求㊂因此本文利用奇异值分解（ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＳＶＤ）来代替Ｃｈｏｌｅｓｋｙ分解，使得状态协方差矩阵Ｐ可以克服上述问题㊂Ｐ＝ＵＳＶＴ（１５）㊀㊀（１５）式为奇异值分解，其中Ｐ为ｍˑｍ维的任意矩阵，Ｕ和Ｖ是单位正交矩阵㊂Ｓ是对角矩阵，并且Ｓ矩阵对角线上的元素称为 奇异值 ㊂Ｓ＝ｓ１０００ｓ２ ０︙︙︙００ｓｎéëêêêêêùûúúúúú（１６）㊀㊀将ＳＶＤ奇异值分解和ＣＫＦ滤波结合，设计一种航姿ＳＶＤＣＫＦ滤波算法，图１是非线性航姿滤波㊃２５３㊃第２期杨跃，等：一种基于ＳＶＤＣＫＦ的无人机动态自适应航姿算法框图，具体步骤如下：ｓｔｅｐ１㊀设置航姿滤波的初始值＾ｘ０｜０和＾Ｐ０｜０，然后依据多维球径规则，计算出ＣＫＦ滤波的ｃｕｂａｔｕｒｅ采样点ξｉ和权重因子ｗｉ㊂＾ｘ０｜０＝Ｅ（ｘ０）＾Ｐ０｜０＝Ｅ［（ｘ０－＾ｘ０｜０）（ｘ０－＾ｘ０｜０）Ｔ］{（１７）ξｉ＝ｍ２［１］ｉｗｉ＝１ｍ，ｉ＝１，２， ，ｍ；ｍ＝２ｎìîíïïïï（１８）式中：ｎ是滤波状态维数；ｍ是ｃｕｂａｔｕｒｅ采样点个数㊂本文航姿状态维数ｎ＝１３，ｃｕｂａｔｕｒｅ采样点个数ｍ＝２６㊂ｓｔｅｐ２㊀航姿滤波状态预测㊂航姿滤波协方差矩阵＾Ｐｋ－１｜ｋ－１通过（１９）式进行奇异值分解㊂＾Ｐｋ－１｜ｋ－１＝Ｕｋ－１｜ｋ－１Ｓｋ－１｜ｋ－１ＶＴｋ－１｜ｋ－１（１９）式中，＾Ｐｋ－１｜ｋ－１是对称矩阵，因此Ｕｋ－１｜ｋ－１＝Ｖｋ－１｜ｋ－１㊂计算ｃｕｂａｔｕｒｅ采样点Ｘｉ，ｋ－１｜ｋ－１（ｉ＝１，２， ，ｍ）㊂Ｘｉ，ｋ－１｜ｋ－１＝Ｕｉ，ｋ－１｜ｋ－１（Ｓｋ－１｜ｋ－１）ξｉ＋＾ｘｋ－１｜ｋ－１（２０）㊀㊀将ｃｕｂａｔｕｒｅ采样点Ｘｉ，ｋ－１｜ｋ－１通过非线性航姿系统动力学方程进行传递预测㊂Ｘ∗ｉ，ｋ｜ｋ－１＝ｆ（Ｘｉ，ｋ－１｜ｋ－１，ｖｋ－１）（２１）㊀㊀计算航姿状态预测值和状态协方差预测值㊂＾ｘｋ｜ｋ－１＝１ｍðｍｉ＝１Ｘ∗ｉ，ｋ｜ｋ－１＾Ｐｋ｜ｋ－１＝１ｍðｍｉ＝１Ｘ∗ｉ，ｋ｜ｋ－１Ｘ∗，Ｔｉ，ｋ｜ｋ－１－＾ｘｋ｜ｋ－１＾ｘＴｋ｜ｋ－１＋Ｑｋ－１ìîíïïïï（２２）㊀㊀ｓｔｅｐ３㊀航姿滤波状态修正㊂航姿滤波协方差预测矩阵＾Ｐｋ｜ｋ－１通过（２３）式进行奇异值分解㊂＾Ｐｋ｜ｋ－１＝Ｕｋ｜ｋ－１Ｓｋ｜ｋ－１ＶＴｋ｜ｋ－１（２３）㊀㊀计算ｃｕｂａｔｕｒｅ采样点Ｘｉ，ｋ｜ｋ－１（ｉ＝１，２， ，ｍ）㊂Ｘｉ，ｋ｜ｋ－１＝Ｕｉ，ｋ｜ｋ－１（Ｓｋ｜ｋ－１）ξｉ＋＾ｘｋ｜ｋ－１（２４）㊀㊀将ｃｕｂａｔｕｒｅ采样点Ｚｉ，ｋ｜ｋ－１通过非线性航姿观测方程进行更新修正㊂Ｚｉ，ｋ｜ｋ－１＝ｈ（Ｘｉ，ｋ｜ｋ－１）（２５）㊀㊀估计预测观测值＾ｚｋ｜ｋ－１，并且计算更新的协方差矩阵Ｐｚｚ，ｋ｜ｋ－１和互协方差矩阵Ｐｘｚ，ｋ｜ｋ－１㊂＾ｚｋ｜ｋ－１＝１ｍðｍｉ＝１Ｚ∗ｉ，ｋ｜ｋ＝１Ｐｚｚ，ｋ｜ｋ－１＝１ｍðｍｉ＝１Ｚｉ，ｋ｜ｋ－１ＺＴｉ，ｋ｜ｋ－１－＾ｚｋ｜ｋ－１＾ｚＴｋ｜ｋ－１＋ＲｋＰｘｚ，ｋ｜ｋ－１＝１ｍðｍｉ＝１Ｘｉ，ｋ｜ｋ－１ＺＴｉ，ｋ｜ｋ－１－＾ｘｋ｜ｋ－１＾ｚＴｋ｜ｋ－１ìîíïïïïïïïï（２６）㊀㊀计算航姿滤波增益矩阵Ｋｋ㊂Ｋｋ＝Ｐｘｚ，ｋ｜ｋ－１Ｐ－１ｚｚ，ｋ｜ｋ－１（２７）㊀㊀计算航姿状态更新值和状态协方差更新值㊂＾ｘｋ｜ｋ＝＾ｘｋ｜ｋ－１＋Ｋｋ（ｚｋ－＾ｚｋ｜ｋ－１）＾Ｐｋ｜ｋ＝＾Ｐｋ｜ｋ－１－ＫｋＰｚｚ，ｋ｜ｋ－１ＫＴｋ{（２８）图１㊀非线性航姿滤波框图３㊀动态自适应调节因子无人机在不同的飞行条件下，加速度计的三轴加速度会发生很大变化，特别是某些有害的加速度或异常测量值可能会对加速度数值产生影响㊂此外，在无人机飞行期间，机体抖动和气流扰动也会使加速度数值具有不确定性㊂因此本文在自适应调节传感器噪声方差的基础上，设计了一种动态自适应调节因子来改善加速度计观测噪声方差，并且将无人机的飞行条件分为静态条件㊁低动态条件和高动态条件㊂图２是动态自适应ＳＶＤＣＫＦ滤波框图，其中动态加速度因子可以由（２９）式定义㊂∂＝｜ａ２ｆｘ＋ａ２ｆｙ＋ａ２ｆｚ－ｇ｜（２９）式中，［ａｆｘ，ａｆｙ，ａｆｚ］Ｔ是加速度计在机体系的三轴加速度，ｇ是当地重力加速度㊂㊃３５３㊃西㊀北㊀工㊀业㊀大㊀学㊀学㊀报第３９卷图２㊀动态自适应ＳＶＤＣＫＦ滤波框图３．１㊀静态条件无人机起飞之前，在水平地面的飞行状态可以假定为静态条件㊂此时三轴加速度仅受当地重力加速度和机体轻微抖动的影响㊂由于本文使用低成本惯性器件，器件本身带有很大的传感器噪声㊂∂ɤｒ２ａｘ＋ｒ２ａｙ＋ｒ２ａｚ（３０）Ｒ２ａ＝ｒ２ａｘ０００ｒ２ａｙ０００ｒ２ａｚéëêêêêùûúúúú（３１）式中，［ｒ２ａｘ，ｒ２ａｘ，ｒ２ａｘ］Ｔ是加速度观测噪声方差矩阵中对应轴的噪声方差值㊂３．２㊀低动态条件无人机在飞行过程中，受到机体抖动和气流扰动的影响，传递到加速度计中产生有害加速度，这些有害加速度会污染三轴加速度数值，进而导致无人机姿态解算失败㊂ｒ２ａｘ＋ｒ２ａｙ＋ｒ２ａｚ＜∂ɤＴａ（３２）如果动态加速度因子∂满足（３２）式，那么无人机加速度处于低动态条件，阈值Ｔａ通过实验测试进行设定㊂加速度噪声方差可以通过（３３）式进行调节㊂Ｒ２ａ＝∂Ｔａａ２ｆｘ＋ａ２ｆｙ＋ａ２ｆｚｒ２ａｘ０００ｒ２ａｙ０００ｒ２ａｚéëêêêêùûúúúú（３３）３．３㊀高动态条件无人机在飞行过程中可能会受到一些糟糕的因素干扰，例如强风㊁乱流以及鸟类㊂这些突然且急剧的变化都会造成三轴加速度无法使用㊂∂＞Ｔａ（３４）㊀㊀如果动态加速度因子满足（３４）式，那么无人机加速度处于高动态条件，此时加速度测量噪声需要设置成较大的数值，这样可以消除一些异常的加速度对无人机姿态解算的影响㊂Ｒ２ａ＝ｒ２ｌａｒｇｅ０００ｒ２ｌａｒｇｅ０００ｒ２ｌａｒｇｅéëêêêêùûúúúú（３５）４㊀仿真和实验结果分析４．１㊀实验平台本文使用图３的实验平台采集无人机航姿传感器数据㊂其中航姿传感器包括ＭＰＵ６５００惯性测量单元以及ＨＭＣ５８９３磁力计㊂实验过程中，使用图３ａ）旋翼无人机采集静态条件和低动态条件的航姿传感器数据，使用图３ｂ）固定翼无人机采集高动态条件的航姿传感器数据㊂图３㊀无人机航姿实验平台４．２㊀实验结果分析为了更好地验证所提出的航姿滤波算法的性能，利用采集到的航姿传感器数据，在仿真软件上对算法进行分析，并且与ＥＫＦ和ＣＫＦ航姿滤波进行对比㊂图４㊀静态条件下的三轴加速度数值变化图㊃静态条件图４描述了无人机在静态条件下的三轴加速度㊃４５３㊃第２期杨跃，等：一种基于ＳＶＤＣＫＦ的无人机动态自适应航姿算法变化，其中Ｘ轴的变化范围为［－０．０５，０．６］ｍ／ｓ２，Ｙ轴的变化范围为［－０．５５，０．５］ｍ／ｓ２，Ｚ轴的变化范围为［－１０．５，－９．５］ｍ／ｓ２㊂从图５至图７可以看出，相比于ＥＫＦ和ＣＫＦ，所提出的航姿滤波算法的姿态误差最小㊂由于静态条件下三轴加速度变化比较稳定，因此测量噪声对航姿精度的影响较小㊂此时精确的非线性航姿模型和高维的非线性航姿滤波算法将影响航姿精度的解算㊂本文设计了一种１３维航姿估计的模型和高维奇异值容积卡尔曼滤波，提高了航姿滤波精度，同时减少了一些不确定因素的干扰㊂图５㊀静态条件下的滚转角误差图㊀㊀㊀㊀图６㊀静态条件下的俯仰角误差图㊀㊀㊀图７㊀静态条件下的偏航角误差图㊀㊀为了更加直观地比较３种滤波算法的航姿解算精度，表１提供了无人机静态条件下ＥＫＦ㊁ＣＫＦ和ＳＶＤＣＫＦ航姿精度的平均绝对误差（ｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒｓ，ＭＡＥ）㊁标准偏差（ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ，ＳＴＤ）以及均方根误差（ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｓ，ＲＭＳＥ）㊂从表１中可以看出，对于低成本航姿传感器姿态解算精度而言，本文所提出的算法在航姿解算精度方面优于ＥＫＦ和ＣＫＦ，可以更好地处理无人机非线性航姿模型㊂表１㊀ＥＫＦ、ＣＫＦ以及ＳＶＤＣＫＦ航姿精度对比方法姿态角／（ʎ）滚转角Ｒ俯仰角Ｐ偏航角ＹＥＫＦＭＡＥＳＴＤＲＭＳＥ０．８７１５０．９３０９１．０６０４１．２４２３１．３２０３１．４４４８１．４０４８１．５８４５１．８８６２ＣＫＦＭＡＥＳＴＤＲＭＳＥ０．６１２５０．６５５１０．７３３４１．２２６６１．３０５８１．４０６１１．１０９７１．３９８２１．４３８０ＳＶＤＣＫＦＭＡＥＳＴＤＲＭＳＥ０．４９３１０．５４１００．５５５２１．０９９９１．１７０２１．２１９８０．６７４５０．９０２７０．２８６８㊃低动态条件图８描述了无人机在低动态条件下的三轴加速度变化，其中Ｘ轴的变化范围为［－２，４］ｍ／ｓ２，Ｙ轴的变化范围为［－２，２］ｍ／ｓ２，Ｚ轴的变化范围为［－１０．５，－８．５］ｍ／ｓ２㊂图８㊀低动态条件下的三轴加速度数值变化图从图９至图１１中可以看出，在低动态条件下，ＥＫＦ航姿滤波姿态误差最大，主要是因为ＥＫＦ对非线性航姿模型的一阶截断描述引入了舍入误差，进而传递到航姿解算，放大了航姿解算的误差㊂虽然ＣＫＦ航姿解算误差要小于ＥＫＦ，但是在低动态飞行过程中，三轴加速度测量值会受到一些不确定因素的干扰，此时加速度量测噪声将会不断变化㊂ＣＫＦ由于设置的是恒定的加速度量测噪声方差，无法消除这些干扰带来的影响㊂因此本文设计了动态自适应调节因子∂，通过∂来不断地调节加速度噪声方差，减少了航姿误差㊂㊃５５３㊃西㊀北㊀工㊀业㊀大㊀学㊀学㊀报第３９卷㊀图９㊀低动态条件下的滚转角误差图㊀㊀图１０㊀低动态条件下的俯仰角误差图图１１㊀低动态条件下的偏航角误差图㊀㊀表２提供了无人机低动态条件下ＥＫＦ㊁ＣＫＦ和ＳＶＤＣＫＦ航姿精度的平均绝对误差㊁标准偏差以及均方根误差㊂从表２中可以看出，带有动态自适应调节因子的ＳＶＤＣＫＦ航姿滤波算法精度要优于ＥＫＦ和ＣＫＦ，提高了算法的鲁棒性和抗扰性㊂表２㊀ＥＫＦ、ＣＫＦ以及ＳＶＤＣＫＦ航姿精度对比方法姿态角／（ʎ）滚转角Ｒ俯仰角Ｐ偏航角ＹＥＫＦＭＡＥＳＴＤＲＭＳＥ１．１７８３２．２８８６３．８５８６０．８５０４１．７６８２３．８８６５４．５８１３８．６７０２９．８２８３ＣＫＦＭＡＥＳＴＤＲＭＳＥ０．９７９８２．００７１３．０２１８０．８０２４１．６５２９３．５７４６４．４０４２８．２４１２９．１３７２ＳＶＤＣＫＦＭＡＥＳＴＤＲＭＳＥ０．７８１４１．０３８３１．３５３２０．７８８２１．０２９８２．６４０６２．９０７３４．２６４７３．８５７２㊃高动态条件图１２描述了无人机在高动态条件下的三轴加速度变化，其中Ｘ轴的变化范围为［－１０，１０］ｍ／ｓ２，Ｙ轴的变化范围为［－６，１］ｍ／ｓ２，Ｚ轴的变化范围为［－１０．５，－４．５］ｍ／ｓ２㊂本文使用固定翼无人机采集高动态飞行条件下的航姿传感器数据㊂与旋翼无人机相比，固定翼无人机飞行速度快㊁机动灵活㊂从图１３至图１５中可以看出，ＥＫＦ航姿滤波的姿态误差在４０ｓ后急剧变化，这是因为高动态条件下，航姿模型的非线性程度增强，引起ＥＫＦ一阶截断带来的舍入误差越来越大㊂在高动态条件下，带有动态自适应调节因子的ＳＶＤＣＫＦ相比于ＣＫＦ，对加速度量测噪声的处理效果更好，消除了非加速度对航姿解算的影响，提高了解算精度㊂图１２㊀高动态条件下的三轴加速度数值变化图㊀图１３㊀高动态条件下的滚转角误差图㊀图１４㊀高动态条件下的俯仰角误差图图１５㊀高动态条件下的偏航角误差图㊀㊀表３提供了无人机高动态条件下ＥＫＦ㊁ＣＫＦ和ＳＶＤＣＫＦ航姿精度的平均绝对误差㊁标准偏差以及㊃６５３㊃第２期杨跃，等：一种基于ＳＶＤＣＫＦ的无人机动态自适应航姿算法均方根误差㊂从表３中可以看出，本文所提出的航姿滤波算法在高动态条件下通过调节动态自适应因子，降低了航姿解算误差，提高了航姿解算的鲁棒性㊂表３㊀ＥＫＦ㊁ＣＫＦ以及ＳＶＤＣＫＦ航姿精度对比方法姿态角／（ʎ）滚转角Ｒ俯仰角Ｐ偏航角ＹＥＫＦＭＡＥＳＴＤＲＭＳＥ３．２９４７６．０７７５９．０３７３５．１４７８９．８６９７１４．８０１０６．０１１５１２．５９４０２２．６９４０ＣＫＦＭＡＥＳＴＤＲＭＳＥ２．７１２３５．０５７０６．７８６８３．７１４３６．５１０５７．６０８６４．０１４３６．３８０４１０．２６４０ＳＶＤＣＫＦＭＡＥＳＴＤＲＭＳＥ１．７０３６３．５４８２３．３３５１１．９７２３４．３９６８３．４３６３１．９２８０４．４６７２４．１３６２５㊀结㊀论本文提出了一种带有动态自适应调节因子的ＳＶＤＣＫＦ非线性航姿滤波算法，以小型无人机为研究对象，对无人机飞行时的航姿解算需求进行了分析和设计，提高了无人机航姿解算精度和鲁棒性㊂相比于其他航姿算法，本文提出的航姿算法主要有以下优点：１）设计了一种航姿状态的非线性航姿系统模型，将陀螺仪㊁加速度计以及磁力计随机偏差作为状态估计参数，消除了航姿传感器随机误差对航姿解算精度的影响㊂２）针对无人机航姿模型的非线性问题，以及在滤波过程中状态协方差出现的矩阵非正定问题，用奇异值分解代替Ｃｈｏｌｅｓｋｙ分解，然后与容积卡尔曼滤波结合，对非线性航姿模型进行处理，提高了航姿解算精度㊂３）对于无人机在复杂条件飞行时，三轴加速度的变化对航姿解算的影响，设计了一种动态自适应调节因子对加速度量测噪声方差进行处理，提高了航姿滤波的鲁棒性和抗扰性㊂参考文献：［１］㊀ＬＡＳＺＬＯＢ，ＡＧＯＳＴＯＮＲ，ＸＵＱ．Ｃｏｎｃｅｐｔｕａｌａｐｐｒｏａｃｈｏｆｍｅａｓｕｒｉｎｇｔｈｅｐｒｏｆｅｓｓｉｏｎａｌａｎｄｅｃｏｎｏｍｉｃｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｄｒｏｎｅａｐｐｌｉ⁃ｃａｔｉｏｎｓｓｕｐｐｏｒｔｉｎｇｆｏｒｅｓｔｆｉｒｅｍａｎａｇｅｍｅｎｔ［Ｊ］．ＰｒｏｃｅｄｉａＥｎｇｉｎｅｅｒｉｎｇ，２０１８，２１１：８⁃１７［２］㊀ＥＳＲＡＦＩＬＩＡＮＯ，ＧＡＮＧＵＬＡＲ，ＧＥＳＢＥＲＴＤ．ＬｅａｒｎｉｎｇｔｏｃｏｍｍｕｎｉｃａｔｅｉｎＵＡＶ⁃ａｉｄｅｄｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋｓ：ｍａｐ⁃ｂａｓｅｄａｐｐｒｏａ⁃ｃｈｅｓ［Ｊ］．ＩＥＥＥＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＪｏｕｒｎａｌ，２０１８，６（２）：１７９１⁃１８０２［３］㊀ＫＡＳＨＩＮＯＺ，ＮＥＪＡＴＧ，ＢＥＮＨＡＢＩＢＢ．Ｍｕｌｔｉ⁃ＵＡＶｂａｓｅｄａｕｔｏｎｏｍｏｕｓｗｉｌｄｅｒｎｅｓｓｓｅａｒｃｈａｎｄｒｅｓｃｕｅｕｓｉｎｇｔａｒｇｅｔｉｓｏｐｒｏｂａｂｉｌｉｔｙｃｕｒｖｅｓ［Ｃ］ʊ２０１９ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＵｎｍａｎｎｅｄＡｉｒｃｒａｆｔＳｙｓｔｅｍｓ，２０１９：６３６⁃６４３［４］㊀ＷＵＪ，ＺＨＯＵＺ，ＦＯＵＲＡＴＩＨ，ｅｔａｌ．Ｇｅｎｅｒａｌｉｚｅｄｌｉｎｅａｒｑｕａｔｅｒｎｉｏｎｃｏｍｐｌｅｍｅｎｔａｒｙｆｉｌｔｅｒｆｏｒａｔｔｉｔｕｄｅｅｓｔｉｍａｔｉｏｎｆｒｏｍｍｕｌｔｉｓｅｎｓｏｒｏｂｓｅｒｖａｔｉｏｎｓ：ａｎｏｐｔｉｍｉｚａｔｉｏｎａｐｐｒｏａｃｈ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＡｕｔｏｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０１９，１６（３）：１３３０⁃１３４３［５］㊀ＭＥＩＮＨＯＬＤＲＪ，ＳＩＮＧＰＵＲＷＡＬＬＡＮＤ．ＵｎｄｅｒｓｔａｎｄｉｎｇｔｈｅＫａｌｍａｎｆｉｌｔｅｒ［Ｊ］．ＴｈｅＡｍｅｒｉｃａｎＳｔａｔｉｓｔｉｃｉａｎ，１９８３，３７（２）：１２３⁃１２７［６］㊀王小旭，潘泉，黄鹤，等．非线性系统确定采样型滤波算法综述［Ｊ］．控制与决策，２０１２，２７（６）：８０１⁃８１２ＷＡＮＧＸｉａｏｘｕ，ＰＡＮＱｕａｎ，ＨＵＡＮＧＨｅ，ｅｔａｌ．Ｏｖｅｒｖｉｅｗｏｆｄｅｔｅｒｍｉｎｉｓｔｉｃｓａｍｐｌｉｎｇｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓｆｏｒｎｏｎｌｉｎｅａｒｓｙｓｔｅｍ［Ｊ］．ＣｏｎｔｒｏｌａｎｄＤｅｃｉｓｉｏｎ，２０１２，２７（６）：８０１⁃８１２（ｉｎＣｈｉｎｅｓｅ）［７］㊀宋宇，翁新武，郭昕刚．基于四元数ＥＫＦ算法的小型无人机姿态估计［Ｊ］．吉林大学学报，２０１５，５３（３）：５１１⁃５１８ＳＯＮＧＹｕ，ＷＥＮＧＸｉｎｗｕ，ＧＵＯＸｉｎｇａｎｇ．ＳｍａｌｌＵＡＶａｔｔｉｔｕｄｅｅｓｔｉｍａｔｉｏｎｂａｓｅｄｏｎｔｈｅａｌｇｏｒｉｔｈｍｏｆｑｕａｔｅｒｎｉｏｎｅｘｔｅｎｄｅｄｋａｌｍａｎｆｉｌｔｅｒ［Ｊ］．ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，２０１５，５３（３）：５１１⁃５１８（ｉｎＣｈｉｎｅｓｅ）［８］㊀ＹＡＮＧＹ，ＬＩＵＸ，ＬＩＵＸ，ｅｔａｌ．Ｍｕｌｔｉ⁃ｌｅｖｅｌｖａｒｉａｂｌｅｄｉｍｅｎｓｉｏｎｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒａｌｇｏｒｉｔｈｍｆｏｒＵＡＶ［Ｃ］ʊ２０１９ＣｈｉｎｅｓｅＡｕｔｏｍａｔｉｏｎＣｏｎｇｒｅｓｓ，２０１９：１６１５⁃１６２０［９］㊀ＷＡＮＥＡ，ＶＡＮＤＥＲＭＥＲＷＥＲ．ＴｈｅｕｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒｆｏｒｎｏｎｌｉｎｅａｒｅｓｔｉｍａｔｉｏｎ［Ｃ］ʊＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ２０００Ａ⁃ｄａｐｔｉｖｅＳｙｓｔｅｍｓｆｏｒＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，ａｎｄＣｏｎｔｒｏｌＳｙｍｐｏｓｉｕｍ，２０００：１５３⁃１５８［１０］ＡＲＡＳＡＲＡＴＮＡＭＩ，ＨＡＹＫＩＮＳ．ＣｕｂａｔｕｒｅＫａｌｍａｎｆｉｌｔｅｒｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ，２００９，５４（６）：１２５４⁃１２６９［１１］ＡＲＵＬＡＭＰＡＬＡＭＭＳ，ＭＡＳＫＥＬＬＳ，ＧＯＲＤＯＮＮ，ｅｔａｌ．Ａｔｕｔｏｒｉａｌｏｎｐａｒｔｉｃｌｅｆｉｌｔｅｒｓｆｏｒｏｎｌｉｎｅｎｏｎｌｉｎｅａｒ／ｎｏｎ⁃ＧａｕｓｓｉａｎＢａｙｅｓｉａｎｔｒａｃｋｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２００２，５０（２）：１７４⁃１８８㊃７５３㊃㊃８５３㊃西㊀北㊀工㊀业㊀大㊀学㊀学㊀报第３９卷［１２］ＰＯＵＲＴＡＫＤＯＵＳＴＳＨ，ＡＳＬＨＧ．ＡｎａｄａｐｔｉｖｅｕｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒｆｏｒｑｕａｔｅｒｎｉｏｎ⁃ｂａｓｅｄｏｒｉｅｎｔａｔｉｏｎｅｓｔｉｍａｔｉｏｎｉｎｌｏｗ⁃ｃｏｓｔＡＨＲＳ［Ｊ］．ＡｉｒｃｒａｆｔＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｙ，２００７，７９（５）：４８５⁃４９３［１３］ＣＨＯＵＫＲＯＵＮＤ，ＢＡＲ⁃ＩＴＺＨＡＣＫＩＹ，ＯＳＨＭＡＮＹ．ＮｏｖｅｌｑｕａｔｅｒｎｉｏｎＫａｌｍａｎｆｉｌｔｅｒ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＡｅｒｏｓｐａｃｅａｎｄＥｌｅｃ⁃ｔｒｏｎｉｃＳｙｓｔｅｍｓ，２００６，４２（１）：１７４⁃１９０［１４］ＺＨＥＮＢＩＮＧＱＩＵ，ＨＵＡＭＩＮＧＱ，ＧＵＯＱＩＮＧＷ．ＡｄａｐｔｉｖｅｒｏｂｕｓｔｃｕｂａｔｕｒｅＫａｌｍａｎｆｉｌｔｅｒｉｎｇｆｏｒｓａｔｅｌｌｉｔｅａｔｔｉｔｕｄｅｅｓｔｉｍａｔｉｏｎ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｅｒｏｎａｕｔｉｃｓ，２０１８，３１（４）：８０６⁃８１９ＡｄｙｎａｍｉｃａｄａｐｔｉｖｅＡＨＲＳａｌｇｏｒｉｔｈｍｆｏｒＵＡＶｂａｓｅｄｏｎＳＶＤＣＫＦＹＡＮＧＹｕｅ，ＬＩＵＸｉａｏｘｉｏｎｇ，ＺＨＡＮＧＷｅｉｇｕｏ，ＬＩＵＸｕｈａｎｇ，ＧＵＯＹｉｃｏｎｇ（ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｉᶄａｎ７１０１２９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｉｍｉｎｇａｔｔｈｅａｔｔｉｔｕｄｅｓｏｌｕｔｉｏｎａｃｃｕｒａｃｙａｎｄｒｏｂｕｓｔｎｅｓｓｆｏｒｓｍａｌｌＵＡＶｓｉｎｃｏｍｐｌｅｘｆｌｉｇｈｔｃｏｎｄｉｔｉｏｎｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｄｙｎａｍｉｃａｄａｐｔｉｖｅａｔｔｉｔｕｄｅａｎｄｈｅａｄｉｎｇｓｙｓｔｅｍｓ（ＡＨＲＳ）ｅｓｔｉｍａｔｏｒｗｉｔｈｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉ⁃ｔｉｏｎＣｕｂａｔｕｒｅＫａｌｍａｎｆｉｌｔｅｒ（ＳＶＤＣＫＦ）．Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｐｒｏｂｌｅｍｏｆｒａｎｄｏｍｂｉａｓｆｏｒｔｈｅｌｏｗ⁃ｃｏｓｔａｔｔｉｔｕｄｅｓｅｎｓｏｒ，ｔｈｉｓｐａｐｅｒｄｅｓｉｇｎｓａｍｅｔｈｏｄｔｈａｔｔｈｅｓｅｎｓｏｒｒａｎｄｏｍｂｉａｓｉｓｕｓｅｄａｓｔｈｅｓｔａｔｅｖｅｃｔｏｒｔｏｅｌｉｍｉｎａｔｅｔｈｅｅｆｆｅｃｔｏｆｔｈｅｓｅｎ⁃ｓｏｒｒａｎｄｏｍｂｉａｓ．Ｄｕｅｔｏｔｈｅｎｏｎ⁃ｌｉｎｅａｒｉｔｙｏｆｓｍａｌｌＵＡＶｓＡＨＲＳｍｏｄｅｌａｎｄｔｈｅｎｏｎ⁃ｐｏｓｉｔｉｖｅｄｅｆｉｎｉｔｅｐｈｅｎｏｍｅｎｏｎｏｆｔｈｅｃｏｖａｒｉａｎｃｅｍａｔｒｉｘ，ａｎｏｎｌｉｎｅａｒＡＨＲＳｆｉｌｔｅｒｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅＣｕｂａｔｕｒｅＫａｌｍａｎｆｉｌｔｅｒａｎｄｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍ⁃ｐｏｓｉｔｉｏｎｉｓｄｅｓｉｇｎｅｄｔｏｉｍｐｒｏｖｅｔｈｅａｔｔｉｔｕｄｅｓｏｌｕｔｉｏｎａｃｃｕｒａｃｙ．Ｉｎａｄｄｉｔｉｏｎ，ｗｈｅｎｔｈｅＵＡＶｆｌｉｅｓｉｎｔｈｅｄｉｆｆｅｒｅｎｔｆｌｉｇｈｔｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｔｈｒｅｅ⁃ａｘｉｓａｃｃｅｌｅｒａｔｉｏｎｏｆｔｈｅａｔｔｉｔｕｄｅｓｅｎｓｏｒｗｉｌｌａｆｆｅｃｔｔｈｅａｔｔｉｔｕｄｅｓｏｌｕｔｉｏｎ．Ｔｈｕｓ，ａｄｙｎａｍｉｃａｄａｐ⁃ｔｉｖｅｆａｃｔｏｒｂａｓｅｄｏｎａｄａｐｔｉｖｅｆｉｌｔｅｒｉｎｇｉｓｕｓｅｄｔｏａｄｊｕｓｔｃｏｎｔｉｎｕｏｕｓｌｙｔｈｅａｃｃｅｌｅｒａｔｉｏｎｎｏｉｓｅｖａｒｉａｎｃｅｔｏｉｍｐｒｏｖｅｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｔｈｅＡＨＲＳ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄａｎｄａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｎｏｔｏｎｌｙｉｍｐｒｏｖｅｔｈｅａｔｔｉｔｕｄｅｓｏｌｕｔｉｏｎａｃｃｕｒａｃｙ，ａｎｄｓａｔｉｓｆｙｔｈｅｆｌｉｇｈｔｒｅｑｕｉｒｅｍｅｎｔｓｏｆｓｍａｌｌＵＡＶｓ，ｂｕｔａｌｓｏｅｌｉｍｉｎａｔｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅａｔｔｉｔｕｄｅｓｅｎｓｏｒｒａｎｄｏｍｂｉａｓａｎｄｔｈｒｅｅ⁃ａｘｉｓａｃｃｅｌｅｒａｔｉｏｎｆｏｒｔｈｅａｔｔｉｔｕｄｅｓｏｌｕｔｉｏｎｔｏｉｍｐｒｏｖｅｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｒｏ⁃ｂｕｓｔｎｅｓｓａｎｄａｎｔｉ⁃ｉｎｔｅｒｆｅｒｅｎｃｅ．Ｋｅｙｗｏｒｄｓ：ｓｍａｌｌＵＡＶｓ；ｓｉｎｇｕｌａｒｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ；ｃｕｂａｔｕｒｅＫａｌｍａｎｆｉｌｔｅｒ；ｌｏｗ⁃ｃｏｓｔａｔｔｉｔｕｄｅｓｅｎｓｏｒ；ｄｙｎａｍｉｃａｄａｐｔｉｖｅｆａｃｔｏｒ引用格式：杨跃，刘小雄，章卫国，等．一种基于ＳＶＤＣＫＦ的无人机动态自适应航姿算法［Ｊ］．西北工业大学学报，２０２１，３９（２）：３５０⁃３５８ＹＡＮＧＹｕｅ，ＬＩＵＸｉａｏｘｉｏｎｇ，ＺＨＡＮＧＷｅｉｇｕｏ，ｅｔａｌ．ＡｄｙｎａｍｉｃａｄａｐｔｉｖｅＡＨＲＳａｌｇｏｒｉｔｈｍｆｏｒＵＡＶｂａｓｅｄｏｎＳＶＤＣＫＦ［Ｊ］．ＪｏｕｒｎａｌｏｆＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，２０２１，３９（２）：３５０⁃３５８（ｉｎＣｈｉｎｅｓｅ）©２０２１ＪｏｕｒｎａｌｏｆＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ．ＴｈｉｓｉｓａｎＯｐｅｎＡｃｃｅｓｓａｒｔｉｃｌｅｄｉｓｔｒｉｂｕｔｅｄｕｎｄｅｒｔｈｅｔｅｒｍｓｏｆｔｈｅＣｒｅａｔｉｖｅＣｏｍｍｏｎｓＡｔｔｒｉｂｕｔｉｏｎＬｉｃｅｎｓｅ（ｈｔｔｐ：／／ｃｒｅａｔｉｖｅｃｏｍｍｏｎｓ．ｏｒｇ／ｌｉｃｅｎｓｅｓ／ｂｙ／４．０），ｗｈｉｃｈｐｅｒｍｉｔｓｕｎｒｅｓｔｒｉｃｔｅｄｕｓｅ，ｄｉｓｔｒｉｂｕｔｉｏｎ，ａｎｄｒｅｐｒｏｄｕｃｔｉｏｎｉｎａｎｙｍｅｄｉｕｍ，ｐｒｏｖｉｄｅｄｔｈｅｏｒｉｇｉｎａｌｗｏｒｋｉｓｐｒｏｐｅｒｌｙｃｉｔｅｄ．。
九轴MEMS微型AHRS设计及其在矢量水听器中的应用
九轴MEMS微型AHRS设计及其在矢量水听器中的应用王文龙;田德艳;崔宝龙;袁猛;姜兆祯
【期刊名称】《中国惯性技术学报》
【年(卷),期】2024(32)5
【摘要】为了精确测量矢量水听器的姿态,设计了一种体积为20 mm×20 mm×5 mm、重量为1.8 g的微型航姿参考系统(AHRS)。
利用微机电系统(MEMS)陀螺仪测定角速度,用四元数等效旋转矢量算法求解姿态角;采用扩展卡尔曼滤波器对姿态角估计值进行修正,并估计出MEMS陀螺仪的角速度漂移量。
测试结果表明,所提AHRS的俯仰、横滚和航向角误差均方根值分别为0.04°、0.04°和0.34°。
最后,将AHRS集成到矢量水听器中,并在加窗直方图统计波达方向估计算法中加入姿态修正。
海上实验结果表明,对于航速为8 kn的目标船,经AHRS修正后的单矢量水听器方位角误差均方根值约为3.8°,减小了平台运动导致的方位测量误差。
【总页数】7页(P468-474)
【作者】王文龙;田德艳;崔宝龙;袁猛;姜兆祯
【作者单位】海军潜艇学院;崂山实验室
【正文语种】中文
【中图分类】U666.1
【相关文献】
1.一种压电式MEMS矢量水听器设计
2.硅基压电MEMS球形矢量水听器设计
3.基于MEMS标矢量一体化水听器的浮标系统设计
4.硅基MEMS振速型矢量水听器设计
5.纤毛-硅柱结构MEMS二维矢量水听器设计与制备方法
因版权原因，仅展示原文概要，查看原文内容请购买。
航姿基准系统(AHRS)(英文翻译版)
Number：CTSO-C201Approved by：Xu ChaoqunChina Civil Aviation Technical Standard OrderAttitude and Heading Reference Systems (AHRS)1. Purpose.This China Civil Aviation Technical Standard Order (CTSO) is for manufacturers applying for Attitude and Heading Reference Systems (AHRS) CTSO authorization (CTSOA). This CTSO prescribes the minimum performance standards(MPS) that Attitude and Heading Reference Systems (AHRS) must first meet for approval and identification with the applicable CTSO marking.2. Applicability.This CTSO affects new application submitted after its effective date. Major design changes to article approved under this CTSO will require a new authorization in accordance with section 21.353 of CCAR-21-R4.3. RequirementsNew models of AHRS identified and manufactured on or after theeffective date of this CTSO must meet the MPS qualification and documentation requirements in sections 2.1, 2.2.1, and 2.2.2 of RTCA Document No. RTCA/DO-334, Minimum Operational Performance Standards (MOPS) for Solid-State Strap-Down Attitude and Heading Reference Systems (AHRS), dated March 21, 2012. If AHRS provides heading, turn and slip, degraded mode, uses aiding, includes a display, or provides information generated by the AHRS to a stand-alone display,then the applicant must also meet the requirements as listed in the table below.Optional Functions/Mode/Source FunctionalQualificationHeading 2.2.3Turn and Slip 2.2.5Degraded Mode 2.2.4Aiding 2.2.6Display 2.5a. Functionality. This CTSO’s standards apply to solid statestrap-down AHRS intended to output pitch and roll attitude that does notuse gimbaled sensors. It also addresses the optional functions of heading,turn, slip and the display of information provided by an AHRS.b. Failure Condition Classifications.There is no standard minimumfailure condition classification for this TSO. The failure condition classification appropriate for the equipment will depend on the intendeduse of the equipment in a specific aircraft. Document the loss of functionand malfunction failure condition classification for which the equipmentis designed.c. Functional Qualification. Demonstrate the required functional performance under the test conditions specified in RTCA/DO-334, Section 2.4. If the AHRS includes a display, demonstrate the required functional performance of the display under the test conditions specified in RTCA/DO-334, Section 2.6.d. Environmental Qualification. Demonstrate the required performance under the test conditions specified in RTCA/DO-334, Section 2.3, using standard environmental conditions and test procedures appropriate for airborne equipment. RTCA/DO-334 requires the use of RTCA/DO-160G; however, the applicant may use a different standard environmental condition and test procedure than RTCA/DO-160G, provided the standard is appropriate for AHRS.Note: The use of RTCA/DO-160D (with Changes 1 and 2 only, incorporated) or earlier versions is generally not considered appropriate and will require substantiation via the deviation process as discussed in paragraph 3.g of this CTSO.e. Software Qualification. If the article includes software, develop the software according to RTCA, Inc. document RTCA/DO-178B, Software Considerations in Airborne Systems and Equipment Certification, dated December 1, 1992 to at least the software level consistent with the failure condition classification defined in paragraph 3.b of this CTSO.Note: The certification liaison process objectives will be considered satisfied after CAAC review of the applicable life cycle data.f. Electronic Hardware Qualification. If the article includes complex custom airborne electronic hardware, develop the component according to RTCA/DO-254, dated April 19, 2000, Design Assurance Guidance for Airborne Electronic Hardware, to at least the design assurance level consistent with the failure condition classification defined in paragraph 3.b of this CTSO. For custom airborne electronic hardware determined to be simple, RTCA/DO-254, paragraph 1.6 applies.Note: The certification liaison process objectives will be considered satisfied after CAAC review of the applicable life cycle data.g. Deviations. For using alternative or equivalent means of compliance to the criteria in this CTSO, the applicant must show that the equipment maintains an equivalent level of safety. Apply for a deviation under the provision of 21.368(a) in CCAR-21-R4.4. Marking.a. Mark at least one major component permanently and legibly with all the information in 21.423(b) of CCAR-21-R4. The marking must include the serial number.b. Also, mark the following permanently and legibly, with at least the manufacturer’s name, subassembly part number, and the CTSOnumber:(1) Each component that is easily removable (without hand tools); and,(2) Each subassembly of the article that manufacturer determined may be interchangeable.c. If the article includes software and/or airborne electronic hardware, then the article part numbering scheme must identify the software and airborne electronic hardware configuration. The part numbering scheme can use separate, unique part numbers for software, hardware, and airborne electronic hardware.d. The applicant may use electronic part marking to identify software or airborne electronic hardware components by embedding the identification within the hardware component itself (using software) rather than marking it on the equipment nameplate. If electronic marking is used, it must be readily accessible without the use of special tools or equipment.5. Application Data Requirements.The applicant must furnish the responsible certification personnel with the related data to support design and production approval. The application data include a statement of conformance as specified in section 21.353(a)(1) in CCAR-21-R4 and one copy each of the followingtechnical data:a. A Manual(s) containing the following:(1) Operating instructions and equipment limitations sufficient to describe the equipment’s operational capability.(2) Describe in detail any deviations.(3) Installation procedures and limitations sufficient to ensure that the AHRS, when installed according to the installation or operational procedures, still meets this CTSO’s requirements. Limitations must identify any unique aspects of the installation. The limitations must include a note with the following statement:“This article meets the minimum performance and quality control standards required by a China civil aviation technical standard order (CTSO). Installation of this article requires separate approval.”(4) For each unique configuration of software and airborne electronic hardware, reference the following:(a) Software part number including revision and design assurance level;(b) Airborne electronic hardware part number including revision and design assurance level; and(c) Functional description.(5) A summary of the test conditions used for environmental qualifications for each component of the article. For example, a form asdescribed in RTCA/DO-160G, Environmental Conditions and Test Procedures for Airborne Equipment, Appendix A.(6) Schematic drawings, wiring diagrams, and any other documentation necessary for installation of the AHRS.(7) List of replaceable components, by part number, that makes up the AHRS. Include vendor part number cross-references, when applicable.b. Instructions covering periodic maintenance, calibration, and repair, for the continued airworthiness of AHRS. Include recommended inspection intervals and service life, as appropriate.c. If the article includes software: a plan for software aspects of certification (PSAC), software configuration index, and software accomplishment summary.d. If the article includes simple or complex custom airborne electronic hardware, a plan for hardware aspects of certification (PHAC), hardware verification plan, top-level drawing, and hardware accomplishment summary (or similar document, as applicable).e. A drawing depicting how the article will be marked with the information required by paragraph 4 of this CTSO.f. Identify functionality or performance contained in the article not evaluated under paragraph 3 of this CTSO (that is, non-CTSO functions). Non-CTSO functions are accepted in parallel with the CTSOauthorization. For those non-CTSO functions to be accepted, the applicant must declare these functions and include the following information with CTSO application:(1) Description of the non-CTSO function(s), such as performance specifications, failure condition classifications, software, hardware, and environmental qualification levels. Include a statement confirming that the non-CTSO function(s) don’t interfere with the article’s compliance with the requirements of paragraph 3.(2) Installation procedures and limitations sufficient to ensure that the non-CTSO function(s) meets the declared functions and performance specification(s) described in paragraph 5.f.(1).(3) Instructions for continued performance applicable to the non-CTSO function(s) described in paragraph 5.f.(1).(4) Interface requirements and applicable installation test procedures to ensure compliance with the performance data defined in paragraph 5.f.(1).(5) Test plans, analysis and results, as appropriate, to verify that performance of the hosting CTSO article is not affected by the non-CTSO function(s).(6) Test plans, analysis and results, as appropriate, to verify the function and performance of the non-CTSO function(s) as described in paragraph 5.f.(1).g. The quality system description required by section 21.358 of CCAR-21-R4, including functional test specifications. The quality system should ensure that it will detect any change to the approved design that could adversely affect compliance with the CTSO MPS, and reject the article accordingly.h. Material and process specifications list.i. List of all drawings and processes (including revision level) that define the article’s design.j. Manufacturer’s CTSO qualification report showing results of testing accomplished according to paragraph 3.c of this CTSO.k. Provide the AHRS modes of operation and attitude, heading, and turn and slip categories for equipment per RTCA/DO-334, section 1.7.1 in installation manual.6. Manufacturer Data Requirements.Besides the data given directly to the authorities, have the following technical data available for review by the authorities:a. Functional qualification specifications for qualifying each production article to ensure compliance with this CTSO.b. Article calibration procedures.c. Schematic drawings.d. Wiring diagrams.e. Material and process specifications.f. The results of the environmental qualification tests conducted according to paragraph 3.d of this CTSO.g. If the article includes software, the appropriate documentation defined in the version of RTCA/DO-178B specified by paragraph 3.e of this CTSO, including all data supporting the applicable objectives in Annex A, Process Objectives and Outputs by Software Level.h. If the article includes complex custom airborne electronic hardware, the appropriate hardware life cycle data in combination with design assurance level, as defined in RTCA/DO-254, Appendix A, Table A-l. For simple custom airborne electronic hardware, the following data: test cases or procedures, test results, test coverage analysis, tool assessment and qualification data, and configuration management records, including problem reports.i. If the article contains non-CTSO function(s), the applicant must also make available items 6.a through 6.h as they pertain to the non-CTSO function(s).7. Furnished Data Requirements.a. If furnishing one or more articles manufactured under this CTSO to one entity (such as an operator or repair station), provide one copy or technical data and information specified in paragraphs 5.a and 5.b of thisEnglish Translation Version for Reference Only CAAC CTSO-C201 CTSO. Add any data needed for the proper installation, certification, use, or for continued compliance with the CTSO, of the AHRS.b. If the article contains declared non-CTSO function(s), include one copy of the data in paragraphs 5.f.(1) through 5.f.(4).8. Availability of Referenced Documents.Order RTCA documents from:Radio Technical Commission for Aeronautics, Inc.1150 18th Street NW, Suite 910, Washington D.C. 20036You may also order them online from the RTCA Internet website at: .- 11 -。
AHRS5600光纤航姿系统
AHRS5600产品简介AHRS5600由三轴一体设计的中等精度光纤陀螺和石英挠性加速度计构成，可作为独立工作的惯性导航系统或捷联罗经。
产品特点结构紧凑的中精度光纤陀螺航姿系统；多种工作模式适用不同应用环境；应用领域大地测绘；车辆定位定向；船用罗经；轨道检测；无人机导航、控制；主要技术指标总体指标：重量：≤2kg；外形：100mm*100mm*96.5mm；供电：9-36V DC；稳态功耗：≤15W；工作温度：-40—+70℃；数据更新频率：200Hz(可定制最高1000Hz)；接口：RS422\CAN\网络；连续工作时间：≥12小时；光纤陀螺仪指标：量程：±500°/s；零偏稳定性：≤0.05—0.2°/h(可定制)；零偏重复性：≤0.05—0.2°/h(可定制)；随机游走系数：≤0.02°/h0.5；标度因数重复性：≤100ppm；标度因数非线性：≤100ppm；带宽：≥500Hz；石英挠性加速度计(含数字采样电路)指标：量程：±10g；零偏稳定性：≤300ug(1秒平均)；标度因数稳定性：≤100ppm(-40—+70℃，补后)；纯惯性航姿模式指标：初始对准时间：≤5min；初始对准航向精度：0.3°—1°；罗经模式航向精度：0.3°secφ—1°secφ；开环航向保持精度：≤0.1°/h—0.3°/h；水平姿态精度：≤0.05°(RMS)AHRS6500光纤航姿系统产品介绍AHRS6500光纤航姿系统是一款全固态的高精度光纤陀螺航姿参考系统，能够在晃动环境下自主快速初始对准，为运动载体实时提供连续的航向、水平姿态和升沉等信息。
AHRS6500光纤航姿系统可选配内置卫星导航板卡，构成组合航姿系统，也可用于地面车辆、低动态飞行器的定位定向与姿态控制。
产品特点对准时间短；姿态精度高；动态精度高；长期工作性能稳定；应用领域船舶和水下潜器导航；海洋工程测量测绘；船用设备姿态基准；低速飞行器测姿；车辆定位定向；主要技术指标重量：≤3.5kg；外形：140mm*140mm*133mm(不含卫星导航板卡)；150mm*140mm*133mm(内置卫星导航板卡)；供电：9-36V DC；输出接口：RS422/CAN/以太网；数据更新率：≥200Hz；稳态功耗：≤15W；工作温度：-45—+70℃；工作纬度：南纬70°—北纬70°；启动时间：≤1min；初始对准时间：≤5min；航向精度：≤0.1°(惯性\卫星组合)；≤0.06°/h(纯惯性状态)；俯仰、横滚精度：≤0.05°(惯性\卫星组合)；≤0.03°/h(纯惯性状态)；角速率量程：±300°/s；线加速度量程：±10g；MTBF：≥3000h；振动环境：20-2000Hz，6.06g；F1060型光纤陀螺仪F1060型光纤陀螺仪具有启动时间短、体积小、重量轻、高带宽、低功耗、低成本、磁屏蔽性好等优势，在国内同型光纤陀螺仪中综合性能最优。
SPATIAL 惯性导航航姿参考单元
SPATIAL 惯性导航航姿参考单元SPATIAL是一个坚固耐用的微型GNSS/ INS惯性导航和AHRS航姿参考系统单元，在最苛刻的条件下提供精确的位置、速度、加速度和方向。
它结合了温度校准的加速度计、陀螺仪、磁场传感器、压力传感器和先进的GNSS接收机。
这些组合一个复杂的混合算法，提供准确，可靠的导航和定位。
在全球导航卫星系统、惯性导航系统、姿态与航向参考系统和其他3D导航技术处于领先地位。
“空间”精密船级铝合金外壳符合防水和防脏的IP67标准，防冲击达2000g，能够在最极端的条件下使用。
先进的通风系统，使“空间”单元能测量空气压力，同时又保持水份排出。
“空间”是市场上最小的全球导航卫星系统/INS，只有28x36x20毫米，亦是最低功耗5伏100mA的电力系统。
“空间”OEM只有25x25x6mm、4克重。
“空间”的下一代全球导航卫星系统接收器，支持所有当前和未来的卫星导航系统，包括GPS、GLONASS、GALILEO 和北斗。
这些额外的卫星导航系统能让“空间”，在只GPS 的单元不能继续工作——如城市峡谷和室内——的环境中提供精确的位置和速度数据。
“空间”是第一个在世界上的GNSS/ INS提供温度校准动态范围的传感器。
有三个不同幅度水平的加速度计、陀螺仪和磁场传感器，“空间”可以设置高准确度、高动态飞行。
“空间”包含一个下一代存储器备份系统，允许它从它的最后的位置在50毫秒内热启动导航，并在约3秒内获得GNSS 定位。
存储器备份系统在产品的生命周期内持续工作，并提供24小时断电备份。
“空间”的内部滤波器运行频率800HZ，数据可以以这样的速度在高速RS232接口输出。
这允许用于控制动态不稳定的平台。
“空间”也非常宽容动态运动和振动。
应用：机器人、运动科学、追踪与保安、赛车、极限运动<span lang="ZH-CN"style="font-size:10.0pt;font-family:SimSun;mso-ascii-font-famil y:Arial;mso-hansi-font-family:Arial;mso-bidi-font-family:Arial;color:# 333333;text-transform:uppercase;mso-fareast-language:ZH-CN">导航水平位置准确度2.5 m垂直位置准确度3.0 m速度准确度0.05m/s横滚、仰俯准确度（静态）0.2 °航向准确度(静态0.5 °横滚、仰俯准确度（动态）0.4 °航向准确度(动态0.8 °幅度不限热启时间50 ms内部滤波率800 Hz数据输出率高达800 Hz。
ahrs原理
ahrs原理AHRS原理是指姿态和航向参考系统（Attitude and Heading Reference System）。
它是一种集成传感器和算法的系统，用于测量和跟踪飞行器、船舶、车辆等物体的姿态和航向信息。
AHRS主要由三轴加速度计、三轴陀螺仪和三轴磁力计组成。
AHRS的工作原理是通过三轴加速度计、陀螺仪和磁力计测量物体在空间中的加速度、角速度和磁场强度，并利用算法进行数据融合和姿态解算。
其中，加速度计测量物体的线性加速度，陀螺仪测量物体的角速度，磁力计测量物体所处的磁场强度。
在AHRS系统中，加速度计是用来测量物体的线性加速度的传感器。
它可以通过测量物体所受的惯性力来间接测量物体的加速度。
加速度计的工作原理是利用质量块的惯性来测量加速度。
当物体加速度发生变化时，质量块会受到相应的力作用，通过测量受力的变化可以计算出物体的加速度。
陀螺仪是用来测量物体的角速度的传感器。
它可以测量物体绕三个轴向的旋转速度。
陀螺仪的工作原理是利用物体的角动量守恒定律。
当物体发生旋转时，陀螺仪会受到相应的力作用，通过测量受力的变化可以计算出物体的角速度。
磁力计是用来测量物体所处的磁场强度的传感器。
它可以通过测量地球的磁场来确定物体的航向信息。
磁力计的工作原理是利用物体所受的磁场力来测量磁场强度。
当物体所处的磁场发生变化时，磁力计会受到相应的力作用，通过测量受力的变化可以计算出物体所处的磁场强度。
AHRS系统通过将加速度计、陀螺仪和磁力计的测量数据进行数据融合和姿态解算，可以实时地计算出物体的姿态和航向信息。
数据融合是指将多个传感器的测量数据进行融合，以提高系统的精度和鲁棒性。
姿态解算是指根据传感器的测量数据计算物体的姿态和航向信息。
常用的姿态解算算法有卡尔曼滤波算法和四元数算法。
AHRS系统广泛应用于航空、航天、航海、船舶、汽车、机器人等领域。
在飞行器中，AHRS系统可以用来测量和跟踪飞机、直升机、无人机等的姿态和航向信息，以实现飞行器的导航、自动控制和姿态稳定等功能。
AHRS
AHRS编辑本词条缺少名片图，补充相关内容使词条更完整，还能快速升级，赶紧来编辑吧！AHRS称为航姿参考系统包括多个轴向传感器，能够为飞行器提供航向，横滚和侧翻信息，这类系统用来为飞行器提供准确可靠的姿态与航行信息。
中文名AHRS称为航姿参考系统包括多个轴向传感器功能提供航向，横滚和侧翻信息目录1概述2特点3输出模式4应用领域5参考产品▪概览▪LPMSCONTROL▪LPMS C++库▪开放式运动分析工具（OPENMAT）▪LPMS-B规格1概述编辑AHRS 航姿参考系统航姿参考系统包括基于MEMS的三轴陀螺仪，加速度计和磁强计。
航姿参考系统与惯性测量单元IMU的区别在于，航姿参考系统（AHRS）包含了嵌入式的姿态数据解算单元与航向信息，惯性测量单元（IMU）仅仅提供传感器数据，并不具有提供准确可靠的姿态数据的功能。
目前常用的航姿参考系统（AHRS）内部采用的多传感器数据融合进行的航姿解算单元为卡尔曼滤波器。
2特点编辑高精度360 度全方位位置姿态输出，采用欧拉角的会具有万向锁，不能全向转动高效的数据融合算法快速动态响应与长时间稳定性（无漂移，无积累误差）相结合3输出模式编辑三维全姿态数据（四元数 / 欧拉角 / 旋转矩阵/原始数据）三维加速度 / 三维角速度 / 三维地磁场强度4应用领域编辑AHRS 原本起源于飞行器相关技术，但是近几年随着成本的器件成本的不断降低也被广泛的应用于机动车辆与无人机，工业设备，摄像与天线云台，地面及水下设备，虚拟现实，生命运动科学分析，虚拟现实，游戏界面，室内定位等需要三维姿态测量的产品中5参考产品编辑AHRS/IMULPMS-B是新型的高精度超小型姿态动作捕捉传感器，它使用蓝牙技术对数据进行无线通信, 高度满足了在机械系统以及人体动作信息测量应用上的高精度计算，无线传输数据的要求，并为用户提供多方面的软件平台支持。
LP-RESEARCH公司的姿态传感器（LPMS系列产品）使用了先进的数据融合算法，为用户提供高精度高稳定性的姿态动作信息以及3轴加速度/角速度/地磁量/方位角等数据。
AHRS介绍
•
• • • • • 中断模式下输出一次数据，输入 AHRSreq1, AHRSreq2, AHRSreq3, NMEAreq 后有效 GetDataReq 0xCA AA 55 00 00 07 00 CA D1 00 中断模式NMEA 格式输出： NMEAreq0x89 AA 55 00 00 07 00 89 90 00
% mg√Hz mrad mg Hz
0.1 0.04 0.15 0.1 50
0.1 0.04 0.15 0.1 50
0.2 0.09 0.15 0.2 50
环境 工作温度 存储温度 振动（非工作） 冲击（非工作） MTBF ℃ ℃ g，Hz g，ms h -40～+70 -50～+85 10-50Hz，0.15mm/55-500Hz 2.0g 50g，11ms，半正弦波 55500
0.1
0.3
AHRS-G300-A6-TGA-C1-V1.1
300
6
1
1.5
0.2
0.5
AHRS-G300-A6-TGA-C1-V1.2
300
6
1
1.5
0.2
0.5
AHRS-G1000-A2-TMGA-C1-V1.1 AHRS-G1000-A2-TGA-C1-V1.1
1000 1000
2 2
RS-232
Hz磁场强度等 1~100（可设定） <1 30
航向
范围 分辨率 静态精度（全温） 动态精度 噪声（100Hz输出） ° ° ° ° RMS ° RMS 0.4 0.7 0.03 0~360 0.01 0.7 1.0 0.03 1.0 1.5 0.03
姿态 范围：俯仰，滚动 分辨率 ° ° ± 90，± 180 0.01
AHRS姿态解算说明（加速度陀螺仪磁力计原理及原始数据分析）
AHRS姿态解算说明（加速度陀螺仪磁力计原理及原始数据分析）给51黑论坛的朋友们分享关于MPU6050的超好文章,介绍姿态解算的入门知识,非常通俗易懂.AHRS俗称航姿参考系统，AHRS由加速度计，磁场计，陀螺仪构成，AHRS的真正参考来自于地球的重力场和地球的磁场～～他的静态终精度取决于对磁场的测量精度和对重力的测量精度,而则陀螺决定了他的动态性能。
这就是AHRS～在这种前提下。
说明AHRS离开了地球这种有重力和磁场环境的时候是没法正常工作的～～本章旨在讲解以下内容1.加速度2.陀螺仪3.磁力计一直想写篇文章关于姿态解算原理的，使用尽量通俗的语句说明如何从加速度计和陀螺仪的数据，融合得到载体的姿态角。
无奈自己的水平有限，一直搁置。
淡泊以明志,宁静以致远.人总是要逼自己做些事，才过得心安理得。
那就拿点时间把这方面的资料整合一下吧。
这篇文章的大部分内容都不是本人原创的,感谢网络上无私奉献的人.在此介绍一下实验的姿态板,新一代的mini AHRS,采用STM32F103单片机进行姿态解算，板子上集成有1.MPU6050，三轴的加速度和陀螺仪2.HMC5883 三轴的磁力计3.BMP180 高精度气压高度计这些传感器都通过I2C接口连接到主控制器STM32.不需要额外的ADC电路,直接通过数字接口就可以读取传感器的当前输出.Mini AHRS硬件框图1 加速度计加速度计顾名思义,就是测量加速度的.那么,我们如何认识这个加速度呢?在此用一个盒子形状的立方体来做模型，认识加速度,如下,盒子内的图像。
如果我们把盒子形状的立方体放在一个没引力场的地方,球会保持在盒子的中间.你可以想象，这个盒子是在外太空，远离任何天体，很难找到这样的地方,就想象飞船轨道围绕地球飞，一切都是在失重状态下。
那么六个壁面感受到的压力都是0.如果我们突然将立方体向左侧移动（我们加快加速，1G =9.8米/ S ^ 2），皮球打在了墙上X-。
无人机捷联航姿系统误差分析与补偿
无人机捷联航姿系统误差分析与补偿朱燕;崔智军【摘要】针对由三轴磁传感器、三轴微机电系统(MEMS)加速度计和三轴MEMS 速率陀螺构成的无人机捷联航姿参考系统(AHRS),在详细分析3种传感器误差来源的基础上,建立了与之相适应的误差数学模型;根据传感器自身特点和九轴传感器的测量特点提出了相对应的误差补偿算法.试验结果表明:磁通门传感器的航向角最大误差由补偿前15°降低为补偿后1.6°;补偿后加速度计的俯仰角最大误差为0.25°,倾斜角最大误差0.35°;速率陀螺的静态误差补偿在3.5 min之内航向角误差为±0.3°,俯仰角补偿后误差±0.4°,倾斜角补偿后误差±0.4°;当速率小于15°/s时,动态误差控制在±1°.【期刊名称】《传感器与微系统》【年(卷),期】2018(037)008【总页数】5页(P29-32,36)【关键词】航姿参考系统;误差补偿;椭球拟合;位置法;分布补偿【作者】朱燕;崔智军【作者单位】安康学院电子与信息工程学院,陕西安康725000;安康学院电子与信息工程学院,陕西安康725000;西北工业大学电子信息学院,陕西西安710129【正文语种】中文【中图分类】TP2120 引言随着无人机的不断发展，对航向姿态系统的要求越来越高，不仅要实时、准确获取包括俯仰角、倾斜角、航向角等信息，为控制装置提供关键的参数，而且要求其尺寸不断减小、功耗不断降低[1～3]。
另外，由于飞行环境的电磁条件复杂，无人机若要提高系统控制精度，要求传感器采集的数据具有很好的精度，亦要求传感器抗干扰能力强、适应性好[4]，因此设计一种微型化、低功耗、高精度的航向姿态参考系统显得尤为重要。
近年来，利用三轴微机电系统(micro-electro-mechanical system,MEMS)陀螺、三轴MEMS加速度计以及三轴磁传感器进行姿态测量成为捷联式低成本全固态姿态测量系统研究的热点之一[5,6]。
捷联航姿系统加速度计振动噪声平滑技术
Ｖｉ ｂｒ ａ ｔ ｉ ｏ ｎ ｎ ｏ ｉ ｓ ｅ ｓ ｍｏ ｏ ｔ ｈ ｔ ｅ ｃ ｈｎｉ ｑ ｕ ｅ ｆ ｏ ｒ ａ ｃ ｃ ｅ ｌ ｅ ｒ ｏ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ ＡＨ ＲＳ
２ ． Ｓｈ ａ ｎｘ ｉ Ｂａ ｏ ｃ ｈ ｅ ｎ ｇ Ａｖ ｉ ａ ｔ ｉ ｏ ｎ Ｉ ｎ ｓ ｔ ｒ ｕ ｍｅ ｎ ｔ ｃ ｏ ． Ｌｔ ｄ， Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ａ ｎ ｄ Ｄｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎｔ Ｃｅ ｎ ｔ ｅ ｒ ， Ｂａ ｏ ｊ ｉ ７ ２ １ ０ ０ ６， Ｃｈ ｉ ｎ ａ ）
Ｑｉ ｎ Ｇｕ ｏ ｑ ｉ ｎ ｇ Ｌａ ｉ Ｊ ｉ ｚ ｈ ｏ ｕ Ｃｈ ｅ ｎ Ｚ ａ ｎ ｇ Ｚ ｅ ｎ ｇ Ｑｉ ｎ ｇ ｈ ｕ ａ Ｚ ｈ ａ ｎ ｇ Ｂ ｉ ｎ 。
（ １ ． Ｎａ ｖ ｉ ｇ ａ ｔ ｉ ｏ ｎ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ Ｃ ｅ ｎ ｔ ｅ ｒ ， Ｎａ ｎ ｊ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ｇ ＞ Ａｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ， Ｎａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ １ ６ ， Ｃ ｈ ｉ ｎ ａ
下 的捷 联 航 姿 系统 惯性 器件 输 出 的 特 性 ， 设 计 了一 种 基 于模 糊 推 理 的 自适 应 变 步 长平 滑 滤 波 器 ， 最 后 通 过线 性 随 机 振
动试 验对 滤波 器性 能 进 行 了 验 证 。试 验 结 果 表 明 ， 设 计 的滤 波 器 可 以有 效 抑 制振 动环 境 加 速 度 计 测 量 噪 声 ， 提 高 航 姿
AHRS 技术研究及姿态解算算法优化
AHRS 技术研究及姿态解算算法优化随着航空航天、无人机和自动驾驶等领域的发展，姿态与航向传感器（AHRS）的需求也越来越重要。
AHRS是一种通过传感器测量和处理姿态信息的系统，用于确定飞行器、车辆或其他运动物体的方向、角度和速度。
在本文中，我们将探讨AHRS技术的研究以及姿态解算算法的优化。
AHRS技术的研究是为了提高飞行器、车辆或其他运动物体的定位和控制精度。
它利用多种传感器来测量物体的角速度、加速度和磁场强度等参数，然后通过姿态解算算法来估计物体的姿态。
常用的传感器包括陀螺仪、加速度计和磁力计。
陀螺仪用于测量物体的角速度，加速度计用于测量物体的加速度，磁力计用于测量地磁场的强度。
通过对这些传感器数据进行处理和融合，可以获得物体的姿态信息。
然而，目前市场上的AHRS产品存在一些问题，如姿态漂移、陀螺仪和加速度计的噪声等。
姿态漂移是指由于传感器误差和积分累积误差导致姿态解算结果与真实姿态存在误差。
陀螺仪和加速度计的噪声对姿态解算也会造成一定的影响。
因此，需要对AHRS的姿态解算算法进行优化，以提高精度和稳定性。
为了解决姿态漂移问题，一种常用的方法是使用卡尔曼滤波器。
卡尔曼滤波器是一种用于估计系统状态的最优滤波器。
它通过对传感器数据进行动态预测和观测更新，可以减小传感器噪声的影响，并减少姿态漂移。
另外，还可以使用自适应滤波器来进一步改善解算结果。
自适应滤波器可以根据传感器噪声水平和系统动力学特性来调整滤波参数，以提高解算的准确性和稳定性。
此外，还可以通过传感器校准来减小姿态解算的误差。
传感器校准可以分为静态校准和动态校准两种方式。
静态校准主要对传感器的误差进行标定和补偿，如陀螺仪的零偏校准和加速度计的比例因子校准。
动态校准主要通过运动试验来估计系统的误差参数，如姿态解算中的漂移补偿参数。
通过传感器校准，可以提高解算的准确性和稳定性。
另一个可行的优化方法是将AHRS与其他导航系统进行融合。
融合导航是一种将多种导航系统的信息进行集成和优化的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高精度航姿参考系统AHRS
3DT-1000
3DT-1000是一款高性能的小型航姿参考系统，可用于动静态环境下对载体的横滚角、俯仰角和航向角进行高精度测量。
高精度360 度全方位位置姿态输出，高效的数据融合算法快速动态响应与长时间稳定性（无漂移，无积累误差）相结合。
1、传感器建模
3DT-1000是一款高性能的小型航姿参考系统，可用于动静态环境下对载体的横滚角、俯仰角和航向角进行高精度测量。
基于三轴陀螺仪、三轴加速度计和三轴磁力计，3DT-1000采用自适应kalman数据融合算法，可实时输出载体的惯性运动信息（三轴角速度、三轴加速度）、最优姿态角（横滚角、俯仰角和航向角）等参数，并且，通过对传感器的安装误差、轴间正交误差和温度误差进行补偿，极大地提高了3DT-1000的测量精度。
2、传感器的数据融合算法
基于对陀螺仪、加速度计和磁力计的性能分析，3DT-1000以积分角速度的姿态角作为状态量、以重力加速度和地球磁场获得姿态角作为观测量、以载体运动状态信息建立增益调整因子，设计了基于四元数的自适应kalman滤波数据融合算法，获得载体在各个状态（静态和动态）下的最优姿态角，从而实现姿态和航向信息的快速动态和长时间稳定性（无漂移、无累计误差）相结合的效果。
为了获得高精度的载体姿态角，3DT-1000在进行传感器数据融合算法之前，对三轴陀螺仪、三轴加速度计和三轴磁力计进行了标定以及温度漂移等误差补偿。
默认情况下，3DT-1000以50Hz的输出频率，连续输出传感器信息，波特率默认为115200。
提供的硬件接口为UART232。
3、软硬件设计
自主AHRS系统3DT-1000 荷兰VTi
4、传感器标定
1）俯仰角和横滚角的误差都会影响航向角精度，所以必须进行磁场倾斜补偿；必须提
高姿态角的精度，例如抗震性能；
俯仰角误差造成的航向角误差
2）载体和周围环境的磁场都会影响航向角精度，所以必须进行磁场软硬体补偿；在产品应用过程中，周围肯定或多或少存在磁场干扰，如铁块等硬体；
在应对这些干扰的情况，我们采用了磁场倾斜补偿和软硬体补偿：
提出全新磁场倾斜补偿模型，该模型考虑了俯仰角和横滚角对磁场影响，实现全方位的
磁场补偿；
提出全新磁场软硬体补偿算法，构建虚拟Z轴，两维磁场补偿达到三维磁场补偿效果，适合车载系统；
5、姿态角性能
首先我们以数据的形式给出产品3DT-1000的姿态角性能参数
抗线性加速度
抗线性加速度
静态
阶跃
下面我们给出AHRS 的3DT-1000的卓越的详细性能参数：
参数
指标
单位 姿态角
测量范围:俯仰角/横滚角 90±/180±
度 静态精度 0.4 度 动态精度 1.5
[1]
(RMS)度 分辨率 0.1 度 重复度 0.2 度 输出速率 100（MAX ）
Hz 航向角 测量范围 180±
度 静态精度 0.5[2] 度 动态精度 1.5
[1]
(RMS)度 分辨率 0.1 度 重复度 0.2 度 输出速率 100（MAX ）
Hz
5应用：
机器人
虚拟现实
云台姿态稳定
随钻姿态测量
车辆姿态监控
其他姿态航向测量领域。