【摘要】：在这项工作中，采用多速率、高精度的惯性导航系统集成算法来计算姿态、速度和位置，并结合扩展卡尔曼滤波来集成GPS位置测量、矢量观测和频域载具的特征。通过直接在滤波器中对传感器读数进行建模并考虑载具的动态带宽信息，磁性和重力观测最佳地集成在扩展卡尔曼滤波中。在独立的INS中，偏置和惯性传感器误差补偿通常是离线执行的。而扩展卡尔曼滤波则对非理想状态的惯性传感器进行动态估计，从而限制INS误差。
在这项工作中，采用多速率、高精度的惯性导航系统（inertial navigation system，INS）集成算法来计算姿态、速度和位置，并结合扩展卡尔曼滤波来集成GPS位置测量、矢量观测和频域载具的特征。通过直接在滤波器中对传感器读数进行建模并考虑载具的动态带宽信息，磁性和重力观测最佳地集成在扩展卡尔曼滤波中。这项工作提出了一种在频域中对摆动测量进行建模的技术，以排除线性加速度的影响，并验证了所提出的方法在仿真和实验中的有效性。
在独立的INS中，偏置和惯性传感器误差补偿通常是离线执行的。而扩展卡尔曼滤波则对非理想状态的惯性传感器进行动态估计，从而限制INS误差。常用的扩展卡尔曼滤波误差方程基于扰动刚体运动学，基于刚体运动学有
此处的R是
的简写，惯性传感器偏差被建模为随机游走过程。其中，姿态误差由地球坐标系中的无约束旋转矢量表示进行参数化，对于“小角度”姿态误差可以假定为局部线性和非奇异。(www.xing528.com)
通过代数扰动或计算泰勒级数展开的一阶项的方式来计算运动误差；通过INS积分算法计算时空误差，这一计算为惯性测量过程，表示为通过沿主对角线放置矩阵参数定义的块对角矩阵，并且线性化和建模误差是高斯白噪声，并可将这一矩阵用于滤波器的实际调谐。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
