陈 卓， 任久春， 朱 谦

(复旦大学 信息科学与工程学院，上海 200433)

0 引 言

惯性导航系统(inertial navigation system， INS)基于惯性传感器与姿态解算方法测量物体的姿态信息，以进行相应控制。在国内外学者的研究推动下，姿态融合算法体系已较为成熟。其中广泛采用的扩展卡尔曼滤波(extended Kalman filtering，EKF)[1]，无迹卡尔曼滤波(unscented Kalman filtering，UKF)[2]以及一些自适应卡尔曼滤波(adaptive Kalman filtering，AKF)[3,4]算法都基于传统卡尔曼滤波器进行设计，具有较高的预测精度，但其涉及协方差矩阵的计算，复杂度高，在预测过程中难以建立可靠稳定的状态方程。对于加速度的高频干扰，文献[4]设计的第一代帆船运动姿态测量系统虽然基于卡尔曼滤波算法设置了自适应因子，但其作用范围有限，鲁棒性较差，物体动态测量性能受到限制。互补滤波融合算法[5,6]利用陀螺仪的高频特性与加速度计的低频特性优势互补，设计通带滤波，简单高效，但难以确定滤波器的截止频率，易受噪声与运动加速度的干扰。文献[7]利用加速度计、磁力计测量得到的场量变化，基于梯度下降算法(gradient descent algorithm，GDA)，修正角速度测量姿态。该方法通用性强，测量精度优于卡尔曼滤波算法，计算复杂度较低，适用于小型嵌入式系统。文献[8]在此基础上设计了一种动态步长梯度下降+运动加速度抑制处理的(dynamic gradient descent algorithm+motion acceleration processing，DGDA+MAP)姿态算法，通过求解物体运动加速度模长，为梯度下降设计动态变化步长，从而提升了四旋翼飞行器在强机动、高速运动状态下的姿态解算性能。

本文针对帆船运动训练中稳定性和实时性……