APP下载

惯性测量单元姿态融合的动态分析*

2021-07-24赵来定王召文

网络安全与数据管理 2021年7期
关键词:卡尔曼滤波测量

谢 敏,赵来定,王召文

(1.南京邮电大学 通信与信息工程学院,江苏 南京210003;2.南京邮电大学 通信与网络技术国家地方联合工程研究中心,江苏 南京210003)

0 引言

微机电系统内部集成了动态传感器、数字信号处理模块、串口通信等模块,是信息技术和机械工程的结合[1]。目前,微机电传感器具有成本低、体积小、功耗低、可靠性高等优势,广泛用于高智能化的行业中。因此,惯性测量单元(Inertial Measurement Unit,IMU)常采用微机电传感器。

惯性测量单元应用广泛,远至国家军事防御,近至日常智能设备。惯性测量单元可以测量装置或载体自身的加速度、角度等状态数据,一般通过加速度计等传感器进行测量。其中,陀螺仪用于测量设备自身的旋转运动。加速度计用于测量装置或载体的受力情况[2]。磁力计用于确定设备所处的方位。

陀螺仪易受温度、摩擦等因素的影响,存在误差,即零点漂移。加速度计的实时性较差,不能快速、准确做出响应,存在测量噪声。在短时间内,加速度计数据可信度较差;相反,陀螺仪的加速度数据在短时间内可信度较强,而长时间工作后,会因漂移产生测量误差。磁力计只针对水平情况下方位角的测量,且易受周围环境影响,可信度单一。因此,需要有效结合传感器,提高数据可信度。

现有的惯性器件处理算法,利用互补滤波算法修正陀螺仪的值,椭圆拟合解算得到运动载体的航向角[3];Mahony互补滤波方法可以提高解算精度[4];在捷联惯导的初始对准方面有维纳滤波、卡尔曼滤波[5],在最优化算法方面有梯度下降法[6]、Newton法等。……

登录APP查看全文

猜你喜欢

卡尔曼滤波测量
改进的扩展卡尔曼滤波算法研究
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
测量的乐趣
测量
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测
基于卡尔曼滤波的组合导航误差补偿