小型无人机SINSGPS组合导航系统研究
合集下载
相关主题
- 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)。
第 13 卷 第 3 期 2013 年 1 月 1671 — 1815 （ 2013 ） 03-0821-06
科
学
技
术
与
工
程
Science Technology and Engineering
Vol. 13 No. 3 Jan． 2013 2013 Sci. Tech. Engrg.
航空航天
小型无人机 SINS / GPS 组合导航系统研究
合导航系统的联邦滤波算法， 并对该导航系统进行了静态和动态实验 。实验结果表明： 采用联邦 Kalman 滤波能够有效的消除 导航参数误差， 提高导航精度。该导航系统可以满足小型无人机的导航要求 。 关键词 惯性导航 联邦 kalman 滤波 数据融合 A 组合导航 中图法分类号 V249. 32 ； 文献标志码
来表示
［2 —4 ］
。其中公共系统的信息
［5 ］
在子系统中的分配按照信息守恒原理
进行。
基于联邦滤波器的多传感器信息融合 多传感器信息融合技术是利用不同信号源在
X i （ k + 1 / k + 1 ） = X i （ k + 1 / k） + K i （ k + 1 ） × （ Zi （ k + 1 ） － Hi （ k + 1 ） X i （ k + 1 / k） ） ； Pi （ k + 1 ） = （ I － Ki （ k + 1 ） Hi （ k + 1 ） ） × P i （ k + 1 / k） （ I － K i （ k + 1 ） Hi （ k + 1 ） ） 1. 3. 4
梁振东
1， 2
李华英
3
管
军ห้องสมุดไป่ตู้
1
（ 河南机电职业学院1 ，郑州 451191 ； 内蒙古工业大学内蒙古自治区机电控制重点实验室2 ，呼和浩特 010051 ； 郑州师范学院3 ，郑州 450044 ）
摘
要
根据 SINS / GPS 组合导航的基本原理， 在一个装有微型化 IMU 模块的 MUAV 自驾仪上设计了 MUAV 的 SINS / GPS 组
子滤波器时间更新
^
X i （ k + 1 / k） = Φ（ k + 1 / k） X i （ k / k） ； P i （ k + 1 / k） = Φ（ k + 1 / k） P i （ k / k） Φ T × （ k + 1 / k） + Γ（ k + 1 / k） Q i （ k） Γ T （ k + 1 / k） 。 1. 3. 3 子滤波器量测更新 （ H i （ k + 1 ） P（ k + 1 / k ） H T i （ k + 1） + Ri （ k + 1） ）
^
822
科
学
技
术
与
工
n
程
13 卷
方差阵 P i 送入主滤波器按一定的融合规则进行全 局的状态估计 X g 和对应的协方差矩阵 P g 。 系统状态方程的信息包括状态估计协方差的
－1 －1 信息 P i 和过程噪声方差的信息 Q i 。状态方程信 ^ ^
βi ∑ i =1 1. 3. 2
^
+ β m = 1 （ 0 !β i !1 ） 。
［1 ］
的取长补短， 这种组合能有效地减小系统误差， 大 因而在微型化低成本的 大提高导航精度和可靠性， 前提下采用组合导航技术是保证定位精度达到实 用化的一种有效方法
［2 ］
。
SINS / GPS 组合导航实验是在一个装有微型化 IMU（ 惯性测量单元 ） 的嵌入式 MUAV 自驾仪平台 上进行的， 如图 1 所示。 在微型化和低成本的前提 下所使用的 IMU 的惯性器件 （ MEMS 陀螺仪和加速 而且受 MUAV 自驾仪所使 度计 ） 的精度相对较低， 用的微控制器的资源限制， 不能支持高阶矩阵求逆 的实时运算。 故尽管集中 Kalman 滤波器可以得到 全局最优估计， 但计算量大， 为了保证数据更新的 实时性， 文中采用全局次优的联邦 Kalman 滤波。
^ ^ －1
息量与状态方程中的过程噪声的方差成反比 ， 过程 状态方程就越精确。 因此状态方程的信 噪声越弱， 息量可以用系统过程噪声协方差阵的逆 Q
－1 i
来表
示。Kalman 滤波是利用状态方程的信息进行线性 最小方差估计， 量测方程的信息可以用量测噪声协 方差阵的逆 R 1. 2
－1 i
K i （ k + 1 ） = P i （ k + 1 / k） H T i （ k + 1） × ；
。 GPS 全球定位系统的
特点是定位和测速精度高， 全天候、 连续实时的提 供较高精 度 的 位 置 和 速 度 信 息， 误差不随时间积 累， 体积 小 重 量 轻。 但 是 由 于 导 航 数 据 更 新 频 率 GPS 信号 低， 当载体做大机动飞行或由地形遮蔽时 ， 有可能中断或产生较大误差， 以及导航信息受制于 人等， 所以不能完全依靠 GPS 系统实现连续准确的 定位。 将 SINS 和 GPS 进行组合可以有 效 利 用 SINS 和 GPS 各自的优点， 克服各自的缺点， 进行系统间
小型无人机（ MUAV） 对其导航系统功能的最基 速度、 本要求就是能够提供足够精确可靠的位置 、 姿态等信息。 各种导航系统单独使用时难以满足 低成本、 微重量、 低功耗的要求， 为了提高导航系统 的精度和可靠性、 节约成本等， 通常采用组合导航 技术。 SINS（ 捷联惯性导航系统 ） 具有相对精度高， 自 主性强， 实时导航数据更新率高， 能够连续提供载 体的位置、 速度和姿态等参数， 短时间导航精度和 稳定性高等优点， 但导航定位误差随时间积累， 因 而难以长时间独立工作
2012 年 9 月 6 日收到 第一作者简介： 梁振东（ 1982 —） ， 男， 汉族， 河南省郑州市人， 硕士， 研究方向： 计算机信息处理， 微系统研究。
1
1. 1
联邦 Kalman 滤波
滤波原理 联邦 Kalman 滤波是一种具有两级结构的分散
化滤波方法， 其结构图可由图 1 来说明。 它是由一 个主滤波器和多个子滤波器组成。 一般选择 SINS 为其公共参考系统。 各个子系统的输出只送给相 应的子滤波器作为子滤波器的量测值。 各个子滤 波器单独工作， 独立进行时间更新和量测更新， 输 出各子滤波器的局部估计值 X i （ 公共状态 ） 及其协
科
学
技
术
与
工
程
Science Technology and Engineering
Vol. 13 No. 3 Jan． 2013 2013 Sci. Tech. Engrg.
航空航天
小型无人机 SINS / GPS 组合导航系统研究
合导航系统的联邦滤波算法， 并对该导航系统进行了静态和动态实验 。实验结果表明： 采用联邦 Kalman 滤波能够有效的消除 导航参数误差， 提高导航精度。该导航系统可以满足小型无人机的导航要求 。 关键词 惯性导航 联邦 kalman 滤波 数据融合 A 组合导航 中图法分类号 V249. 32 ； 文献标志码
来表示
［2 —4 ］
。其中公共系统的信息
［5 ］
在子系统中的分配按照信息守恒原理
进行。
基于联邦滤波器的多传感器信息融合 多传感器信息融合技术是利用不同信号源在
X i （ k + 1 / k + 1 ） = X i （ k + 1 / k） + K i （ k + 1 ） × （ Zi （ k + 1 ） － Hi （ k + 1 ） X i （ k + 1 / k） ） ； Pi （ k + 1 ） = （ I － Ki （ k + 1 ） Hi （ k + 1 ） ） × P i （ k + 1 / k） （ I － K i （ k + 1 ） Hi （ k + 1 ） ） 1. 3. 4
梁振东
1， 2
李华英
3
管
军ห้องสมุดไป่ตู้
1
（ 河南机电职业学院1 ，郑州 451191 ； 内蒙古工业大学内蒙古自治区机电控制重点实验室2 ，呼和浩特 010051 ； 郑州师范学院3 ，郑州 450044 ）
摘
要
根据 SINS / GPS 组合导航的基本原理， 在一个装有微型化 IMU 模块的 MUAV 自驾仪上设计了 MUAV 的 SINS / GPS 组
子滤波器时间更新
^
X i （ k + 1 / k） = Φ（ k + 1 / k） X i （ k / k） ； P i （ k + 1 / k） = Φ（ k + 1 / k） P i （ k / k） Φ T × （ k + 1 / k） + Γ（ k + 1 / k） Q i （ k） Γ T （ k + 1 / k） 。 1. 3. 3 子滤波器量测更新 （ H i （ k + 1 ） P（ k + 1 / k ） H T i （ k + 1） + Ri （ k + 1） ）
^
822
科
学
技
术
与
工
n
程
13 卷
方差阵 P i 送入主滤波器按一定的融合规则进行全 局的状态估计 X g 和对应的协方差矩阵 P g 。 系统状态方程的信息包括状态估计协方差的
－1 －1 信息 P i 和过程噪声方差的信息 Q i 。状态方程信 ^ ^
βi ∑ i =1 1. 3. 2
^
+ β m = 1 （ 0 !β i !1 ） 。
［1 ］
的取长补短， 这种组合能有效地减小系统误差， 大 因而在微型化低成本的 大提高导航精度和可靠性， 前提下采用组合导航技术是保证定位精度达到实 用化的一种有效方法
［2 ］
。
SINS / GPS 组合导航实验是在一个装有微型化 IMU（ 惯性测量单元 ） 的嵌入式 MUAV 自驾仪平台 上进行的， 如图 1 所示。 在微型化和低成本的前提 下所使用的 IMU 的惯性器件 （ MEMS 陀螺仪和加速 而且受 MUAV 自驾仪所使 度计 ） 的精度相对较低， 用的微控制器的资源限制， 不能支持高阶矩阵求逆 的实时运算。 故尽管集中 Kalman 滤波器可以得到 全局最优估计， 但计算量大， 为了保证数据更新的 实时性， 文中采用全局次优的联邦 Kalman 滤波。
^ ^ －1
息量与状态方程中的过程噪声的方差成反比 ， 过程 状态方程就越精确。 因此状态方程的信 噪声越弱， 息量可以用系统过程噪声协方差阵的逆 Q
－1 i
来表
示。Kalman 滤波是利用状态方程的信息进行线性 最小方差估计， 量测方程的信息可以用量测噪声协 方差阵的逆 R 1. 2
－1 i
K i （ k + 1 ） = P i （ k + 1 / k） H T i （ k + 1） × ；
。 GPS 全球定位系统的
特点是定位和测速精度高， 全天候、 连续实时的提 供较高精 度 的 位 置 和 速 度 信 息， 误差不随时间积 累， 体积 小 重 量 轻。 但 是 由 于 导 航 数 据 更 新 频 率 GPS 信号 低， 当载体做大机动飞行或由地形遮蔽时 ， 有可能中断或产生较大误差， 以及导航信息受制于 人等， 所以不能完全依靠 GPS 系统实现连续准确的 定位。 将 SINS 和 GPS 进行组合可以有 效 利 用 SINS 和 GPS 各自的优点， 克服各自的缺点， 进行系统间
小型无人机（ MUAV） 对其导航系统功能的最基 速度、 本要求就是能够提供足够精确可靠的位置 、 姿态等信息。 各种导航系统单独使用时难以满足 低成本、 微重量、 低功耗的要求， 为了提高导航系统 的精度和可靠性、 节约成本等， 通常采用组合导航 技术。 SINS（ 捷联惯性导航系统 ） 具有相对精度高， 自 主性强， 实时导航数据更新率高， 能够连续提供载 体的位置、 速度和姿态等参数， 短时间导航精度和 稳定性高等优点， 但导航定位误差随时间积累， 因 而难以长时间独立工作
2012 年 9 月 6 日收到 第一作者简介： 梁振东（ 1982 —） ， 男， 汉族， 河南省郑州市人， 硕士， 研究方向： 计算机信息处理， 微系统研究。
1
1. 1
联邦 Kalman 滤波
滤波原理 联邦 Kalman 滤波是一种具有两级结构的分散
化滤波方法， 其结构图可由图 1 来说明。 它是由一 个主滤波器和多个子滤波器组成。 一般选择 SINS 为其公共参考系统。 各个子系统的输出只送给相 应的子滤波器作为子滤波器的量测值。 各个子滤 波器单独工作， 独立进行时间更新和量测更新， 输 出各子滤波器的局部估计值 X i （ 公共状态 ） 及其协