伍宗伟， 姚敏立， 马红光， 马帮立， 田方浩

(1. 第二炮兵工程大学 空间工程系，西安 710025;2. 郧阳师专物理与电子工程系，十堰 442700)

低成本姿态估计系统广泛应用于导航控制、光电和惯性稳定平台、机器人，以及无人机等系统中[1-5]，而微机械(Micro-Electro Mechanical Systems, MEMS)惯性器件的应用有效地降低了由于高精度惯性器件所带来的昂贵成本。微机械惯性器件的成本较低，但是其性能较差，不仅测量噪声与零偏变化较大，且振动也对其造成较大的影响。因此，在实际实用中需要采用数据融合方法来克服使用单一器件带来的较大误差。文献[3-5]代表了工程上常用的低成本姿态估计方法，即利用陀螺的短时精度和加速度计的长时精度通过滤波算法融合得到较好的姿态估计，去除陀螺的零偏以及加速度计较大的高频测量噪声，算法简单，但是需要克服两个问题：①MEMS惯性器件受到振动噪声影响很大，虽然卡尔曼滤波算法一定程度上可以认为是低通滤波器，但是仍然无法去除叠加在有用姿态信号上的低频振动噪声；②由于加速度计依靠重力矢量测量得到姿态角，因此易受载体的机动影响。因此，在融合滤波器之前需要采用预处理方法来克服这些误差和干扰。第二个问题已经有较多应对方法，如判断开关以及自适应滤波方法[4-5]，因此如何处理低频振动噪声是提高姿态估计精度的关键。

针对MEMS惯性器件的噪声预处理，主要方法有小波分析以及经验模态分析(Empirical Mode Decomposition，EMD)两种。文献[6]代表了基于小波阈值方法去除高频噪声的方法，并且利用机动性判断来确定小波分解层数，一定程度上克服了小波阈值去噪分解层数难以确定的问题。……