MIMU和磁强计组合在线定姿算法研究.pdf

《MIMU和磁强计组合在线定姿算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、MIIVIU和磁强计组合在线定姿算法研究朱文杰，等MIMU和磁强计组合在线定姿算法研究ResearchontheOn—lineAttitudeDeterminationAlgorithmBasedonMIMUandMagnetometer朱之左1互广右1高凤垃1番中满1李具吕2(军械工程学院纳米技术与微系统实验室1，河北石家庄050003；5823厂2，山东雄坊261031)摘要：为了满足航姿参考系统(AHRS)小型化、低成本工程实现的需要，基于微惯性测量单元(MIMU)和微磁强计，提出了一种在线实时定姿方法。该方法首先采用四

2、元数法描述系统模型，接着利用优化的梯度下降算法对加速度计和磁强计测得的数据进行处理，然后采用快速小波变换阈值去噪方法对陀螺仪输出信号进行预处理，最后通过互补滤波器将以上得到的结果进行融合，提高了姿态解算精度。在线测试和Kalman滤波表明，在线定姿法实现简单、参数调整方便、姿态跟踪误差小，便于在嵌入式微处理器中实现。具有较强的实用性。关键词：微惯性测量单元磁强计滤波器梯度下降法小波变换数据处理中图分类号：TP274+．2文献标志码：AAbstract：Inaccordancewiththerequirementsofattit

3、udeandheading陀‰cesystem(AHRS)-e．g．，miniaturization，andlowcosten咖rirlgimplementation-theonlinerealtimeattitudedeterminationmethodisprop08edbasedonthecombinationofminiatureinertialmeasurementunit(MIMU)andmagnetometer．Inthesystem-thesystemmodelisdescfibedbyquatemionmet

4、hod。andthedatameasuredbyaccelemmeterandmagnetometerareprocessedbyadoptingoptimizedgradientdescentalgorithm，theoutputsignalsofgyroscopeispreprocessedbylJsiIlgfastso,Ⅺdwaveletthresholddenoisingmethod，andtheresultsobtainedabovearefusedthroughcomplementaryf'dterforenhan

5、cingtheaccuracyofattitudesolution．OnlinetestsandKalmanfilteringalgorithmindicatethatthismethodissimpleandeasetoparameteradj岫岫吐-theattitudetrackingerrorissmall，itissuitabletoimplementonlinerealtimeattitudedeterminationinembeddedmicroprocessorwithstrongerpracticabilit

6、y．Keywords：Miniatureinertialmeasurementunit(MIMU)MagnetometerFilterGradientdescentalgorithmWavelettransformDataprocessingO引言姿态确定在航空航天⋯、机器人‘2

7、、导航[33、人体运动分析等方面有着广泛的应用。由微机械电子系统(micro—electro—mechanicalsystem．MEMS)陀螺、加速度计组成的微惯性测量单元(miniatureinertialmeasuringunit，MIMU)，辅

8、以微磁强计，组成航向姿态参考系统(attitudeandheadingreferencesystem，AHRS)，可实现载体的全姿态参数测量。与传统的平台式定姿系统及激光陀螺、光纤陀螺等定姿系统相比，MIMU具有体积小、质量轻、功耗低、自主性强、系统实现容易、性价比较高等优点，在众多领域得到了应用。姿态估计常用的算法是Kalman滤波及其各种扩展和衍生形式，如EKF、UKF、联邦Kalman滤波等，现已有大量的相关理论和算法研究文献[4。6]。但设计修改稿收到日期：2013—02—14。第一作者朱文杰(1988一)，男，现为军

9、械工程学院仪器科学与技术专业在读硕士研究生；主要从事潮试计量技术及仪器的研究。《自动化仪表》第34卷第11期2013年11月Kalman滤波器时，通常需要系统具有较高的采样迭代频率，需要构造多维向量形戒系统的状态向量和观测向量：此外，还通常需要使用扩展Kalman滤波算法对系