bdsmems融合测姿算法研究

《bdsmems融合测姿算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TN967.1密级公开UDC528.3学位论文编号D-10617-308-(2016)-01025重庆邮电大学硕士学位论文中文题目BDS/MEMS融合测姿算法研究英文题目AttitudeMeasurementAlgorithmBasedonIntegratedBDS/MEMS学号S130101025姓名刁春帆学位类别工学硕士学科专业信息与通信工程指导教师蒋青教授完成日期2016年6月8日重庆邮电大学硕士学位论文摘要摘要随着导航技术的不断发展其应用场景也不断扩大，人们对于导航系统的性能要求也不断

2、提高，能够自主化地提供高精度导航信息（位置、速度、姿态）的导航系统越来越受到大家的广泛关注。现有的惯导测姿系统只能保证短时高精度输出，特别是MEMS(Micro-Electro-MechanicalSystem,微机电系统)传感器长时间工作后解算出的姿态角精度较差。虽然卫星导航系统的成本低、长时间工作仍能保持高精度输出，但外界环境变化对它影响较大。为了将惯导测姿系统和卫星测姿系统进行优势互补，克服彼此的弊端，本文研究利用MEMS传感器辅助整周模糊度求解，提高北斗卫星导航系统(BeiDouNaviga

3、tionSatelliteSystem,BDS)在信号质量差甚至失锁状况下的测姿性能，然后通过组合滤波器实现MEMS传感器与BDS信息融合，进一步提高测姿系统的动态性能和测姿精度。首先，针对MEMS传感器长时间工作后输出的原始数据精度较差，误差累积严重导致姿态角精度不高的问题，本文分析了传感器的误差模型，对传感器固定误差进行补偿。并在此基础上运用小波变换去除信号中的随机噪声，减小误差累积的影响，提高MEMS传感器测姿精度。其次，在障碍物遮挡和存在多径干扰的环境下，北斗信号衰减增大导致信号质量较差，模

4、糊度求解成功率较低，测姿系统输出的姿态角精度低。本文提出了利用MEMS传感器信息改进及优化模糊度求解算法，通过增加BDS定姿模型冗余度进而提高浮点解质量，从根本上提高了BDS单独定姿算法的成功率。最后，充分利用BDS测姿的高精度的优势进一步提高系统的动态性能和精度，本文深入研究了BDS和MEMS传感器二者的数据融合算法。将BDS输出的姿态角信息作为观测信息，对MEMS陀螺仪解算出的姿态信息进行实时地校正。通过信息融合算法提高测姿系统在复杂环境下的测姿性能。关键词：北斗，MEMS传感器，整周模糊度求解

5、，融合测姿I重庆邮电大学硕士学位论文AbstractAbstractWiththerapiddevelopmentofnavigationtechnologyasthenavigationapplications,therequirementfortheperformancenavigationsystemsisconstantlyimproved.Therefore,thenavigationsystemwhichcanprovidenotonlyaccuratelocation,speedbut

6、alsoattitudeinformationhascaughtmoreandmoreattention.ThetraditionalINSattitudemeasurementsystemcanonlyensuretoofferhighaccuracynavigationinformationinashorttime.Especiallyforthelow-costMEMSsensors,theattitudeprecisionisverylowafteritworksforalongtime.S

7、atelliteattitudemeasurementsystemcanmaintainhighaccuracyafteralong-timeworking.However,italsohasitsowndrawbacks.Itissusceptibletotheexternalenvironmentinterferenceandunstableindynamicapplication.Therefore,inordertofullycombinetheadvantagesoftheinertial

8、navigationsystemandthesatelliteattitudemeasurementsystem,aMEMSaidedambiguityresolutionmethodisproposedtoimprovetheperformanceofBDSandthentheintegrationofMEMSandBDSattitudeinformationisrealizedbyusingtheExtendedKalmanFilter(EKF)methodtof