《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 微波|射頻 > 設(shè)計應(yīng)用 > 多傳感器濾波融合的慣性定位算法
多傳感器濾波融合的慣性定位算法
2017年電子技術(shù)應(yīng)用第10期
張夢影,,曾 成,,狄素素,,王云瑞
河北工業(yè)大學(xué) 電子信息工程學(xué)院,,天津300400
摘要: 針對在導(dǎo)航系統(tǒng)姿態(tài)解算中,,陀螺儀和電子羅盤在解算姿態(tài)時分別存在積分誤差和磁場干擾的問題,,提出了利用Kalman濾波和互補濾波相融合的算法進(jìn)行定位,。首先將電子羅盤和陀螺儀通過Kalman濾波得出最優(yōu)估計四元數(shù),,然后利用互補濾波算法對陀螺儀的漂移進(jìn)行補償?shù)玫叫U蟮乃脑獢?shù),將此次得到的四元數(shù)和Kalman濾波得出最優(yōu)估計四元數(shù)再次通過Kalman濾波對四元數(shù)進(jìn)行第二次最優(yōu)估計,,進(jìn)而輸出姿態(tài)角,。實驗中對比了本算法和互補濾波算法、無濾波算法的效果,。實驗證明,,該算法不僅可以有效解決方位角誤差發(fā)散問題,還有效解決了磁場干擾問題,,實現(xiàn)了高精度的方位輸出。
中圖分類號: TN96
文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.171373
中文引用格式: 張夢影,,曾成,,狄素素,等. 多傳感器濾波融合的慣性定位算法[J].電子技術(shù)應(yīng)用,,2017,,43(10):86-88,98.
英文引用格式: Zhang Mengying,,Zeng Cheng,,Di Susu,et al. Inertial localization algorithm based on multi-sensor filter fusion[J].Application of Electronic Technique,,2017,,43(10):86-88,98.
Inertial localization algorithm based on multi-sensor filter fusion
Zhang Mengying,,Zeng Cheng,,Di Susu,Wang Yunrui
School of Electronic and Information Engineering,,Hebei University of Technolog,,Tianjin 300400,China
Abstract: Aiming at the problem that the azimuth angle of the gyroscope exists integral error and the interference of the magnetic compass in the electronic compass solution, the Kalman filter and the complementary filter is proposed in the navigation system. Firstly, the optimal compute quaternion is obtained by Kalman filtering, and then the complementary filter algorithm is used to compensate the drift of the gyroscope to obtain the corrected quaternion.The obtained quaternionand Kalman filter to get the optimal estimate of the number of quaternion again and through the Kalman filter for the optimal estimation of the quaternion, and then achieve accurate positioning. In the experiment, compared with no filtering algorithm and single complementary filtering algorithm, the results show that the algorithm can not only solve the divergence problem of azimuth error, but also effectively solve the problem of magnetic field interference.
Key words : gyroscope drift,;complementary filter,;Kalman filter;magnetic field interference

0 引言

    隨著以MEMS(Micro-electromechanical Systems)傳感器為代表的微型化慣性器件的發(fā)展,,基于捷聯(lián)式慣導(dǎo)原理和MEMS傳感器的慣性定位技術(shù)也日益受到重視,,特別是在難以接收衛(wèi)星信號的室內(nèi)、地下,、礦井,、水下、戰(zhàn)場等場合[1],。針對上述問題往往采用利用電子羅盤對陀螺進(jìn)行校正的方法,,在室內(nèi),、地下、礦井,、水下等過程中磁強計更加容易受到干擾,,造成方位更大的偏差。針對磁強計易受干擾和陀螺積分漂移的問題已經(jīng)有眾多融合的算法出現(xiàn),,比如卡爾曼濾波,、無跡卡爾曼濾波(UKF)、擴(kuò)展卡爾曼濾波(EKF)等[2-4],,這些濾波方法需要建立準(zhǔn)確的狀態(tài)方程和觀測方程,。還有一種濾波算法是在互補濾波的基礎(chǔ)上進(jìn)行擴(kuò)展,比如經(jīng)典互補濾波,、基于梯度下降法的互補濾波算法等[3-6],,但是這種濾波算法適用的精度不高。面對這些問題,,本文提出了一種Kalman濾波和互補濾波融合的慣性定位算法,,該算法在設(shè)計Kalman濾波中,將加速度計和磁強計融合得出的四元數(shù)作為觀測值,,利用陀螺儀得出的四元數(shù)作為狀態(tài)值,,通過數(shù)據(jù)的融合進(jìn)行濾波,完成四元數(shù)的第一次最優(yōu)估計,,針對陀螺漂移問題則利用所設(shè)計的互補濾波對陀螺漂移進(jìn)行補償,,得到校正后的角速度,進(jìn)而求得校正后不斷更新的四元數(shù),,然后和第一次完成的最優(yōu)估計四元數(shù)通過第二次Kalman濾波進(jìn)行估計,,進(jìn)而輸出高精度的姿態(tài)角。

1 算法總體設(shè)計

    Kalman濾波和互補濾波融合的慣性定位算法的總體思路如圖1所示,。

ck5-t1.gif

    首先,,將磁強計和加速度計測量的磁場強度和加速度利用高斯牛頓迭代法解算出的四元數(shù)送入Kalman濾波中當(dāng)作觀測值,將陀螺儀測量的角速度值利用四階-庫塔法解算出的四元數(shù)作為Kalman濾波的狀態(tài)值進(jìn)而得到四元數(shù)的第一次最優(yōu)估計值,,在Kalman濾波過程中既可以去掉隨機噪聲,,通過電子羅盤對陀螺儀進(jìn)行校正,又可以避免由于磁場干擾帶來的干擾數(shù)據(jù),。

    其次,,利用載體坐標(biāo)系和地理坐標(biāo)系之間的轉(zhuǎn)換矩陣,將地理坐標(biāo)系下的重力和地磁分量轉(zhuǎn)換到載體坐標(biāo)系下,,然后與加速度計和磁強計在載體坐標(biāo)系下測量得到的加速度和磁場強度做向量積的運算,,將二者向量積的和相加經(jīng)過比例積分低通濾波,可以將電子羅盤測量姿態(tài)中的高頻抖動信號濾出,然后和陀螺儀測量的角速度進(jìn)行融合,,得到對陀螺儀補償后的角速度,,利用四階龍格庫塔法得到校正后的四元數(shù)。

    最后,,將互補濾波算法得到的校正四元數(shù)作為狀態(tài)量,,將第一次Kalman濾波得到的最優(yōu)四元數(shù)作為觀測量進(jìn)行第二次Kalman濾波,完成四元數(shù)的第二次優(yōu)化,,然后通過四元數(shù)建立姿態(tài)矩陣求得更加精確的姿態(tài)角,。

2 卡爾曼濾波設(shè)計

    卡爾曼濾波(Kalman filtering)是一種利用線性系統(tǒng)狀態(tài)方程,通過系統(tǒng)輸入輸出觀測數(shù)據(jù),,對系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計的算法,。建立系統(tǒng)的狀態(tài)方程和測量方程是卡爾曼濾波的主要工作。本次卡爾曼濾波設(shè)計中用四元數(shù)的不斷更新量作為卡爾曼濾波中的狀態(tài)量,。

ck5-gs1-2.gif

    下面建立測量方程,,由重力加速度和三軸加速度計

ck5-gs3-4.gif

式(4)中ax、ay,、az表示重力加速度的測量值,重力加速度用g表示,。

    由地磁場和磁強計測量信息之間的關(guān)系可得:

ck5-gs5-7.gif

    由式(6),、式(7)并通過高斯牛頓迭代法求得四元數(shù),作為觀測量,。觀測量取為:

    ck5-gs8.gif

    式(8)中觀測量方程Z(k)=H(k)X(k)+V(k),,其中H(k)為觀測量的增益矩陣,V(k)為觀測噪聲,,方差R(k)可以通過傳感器的測量數(shù)據(jù)獲得,。由于第一次Kalman濾波和第二次Kalman濾波都是對四元數(shù)的最優(yōu)估計,故上述濾波公式和建立的方程均保持不變,。

3 互補濾波算法設(shè)計

    由于陀螺儀通過積分得到的方位角存在長時間誤差積問題,,但其動態(tài)響應(yīng)好,不易受外界干擾,,而與之對應(yīng)的電子羅盤易受外界干擾,,但它具有無誤差累積的優(yōu)點?;パa濾波就是利用陀螺儀的高頻特性和電子羅盤的低頻特性進(jìn)行融合,,通過比例環(huán)節(jié)進(jìn)行頻率特性的調(diào)節(jié),如圖2所示,。

ck5-t2.gif

    在圖2中,,a、m表示載體坐標(biāo)系下加速度計和磁強計測量得到的加速度和磁場強度;將地理坐標(biāo)系下的重力分量和地磁分量通過四元數(shù)構(gòu)成的姿態(tài)轉(zhuǎn)換矩陣變換為載體坐標(biāo)系下的重力分量和地磁分量,,分別用as和ms表示,。在載體坐標(biāo)系下分別對a、as和m,、ms做向量積的運算,,得到加速度計和磁強計對陀螺儀的校正誤差。其中俯仰角和橫滾角的誤差設(shè)為Δθ,,γ,,航偏角的誤差設(shè)為ck5-gs8-x1.gif即:

ck5-gs9-13.gif

    將最后得到的角速度通過四階龍哥庫塔法進(jìn)行姿態(tài)解算,得到最優(yōu)姿態(tài)角,。

4 實驗驗證和結(jié)果分析

    本文采用MPU9150模塊進(jìn)行試驗驗證,,通過硬件I2C總線的方式進(jìn)行數(shù)據(jù)的讀取,傳感器按100 Hz/s進(jìn)行數(shù)據(jù)更新,,以外部中斷的方式進(jìn)行數(shù)據(jù)采集,,然后將采集的數(shù)據(jù)存放于TF中,通過MATLAB編程進(jìn)行數(shù)據(jù)調(diào)用,。為了驗證此慣性定位融合算法的效果,,主要在行走和磁場干擾嚴(yán)重的兩種模式下進(jìn)行測試,且兩種方式都是在室內(nèi)完成,。圖3為攜帶傳感器人員(將傳感器綁在腳上)在室內(nèi)某一位置出發(fā),,轉(zhuǎn)一圈回到起始位置,時長約5 min,;圖4為攜帶傳感器人員在下電梯過程中保持站立姿態(tài)的測試,。在圖3和圖4中,單個陀螺儀解算(無濾波算法)用圖(a)代表,,互補濾波算法用圖(b)代表,,本算法用圖(c)表示。

ck5-t3.gif

ck5-t4.gif

    通過圖3對比始末位置方位偏差的數(shù)據(jù)結(jié)果可知,,互補濾波算法雖然比單個陀螺進(jìn)行行人方位解算更加精確,,但是利用互補濾波算法始末位置偏差在8°之內(nèi),而本算法在行走5 min左右始末位置偏差在 1.5°之內(nèi),。由圖3(c)證明本算法可以準(zhǔn)確提供在大動態(tài)下(轉(zhuǎn)圈)的方位,。由圖4可知,在電梯內(nèi)磁強計受到強烈干擾的情況下,,僅利用互補濾波算法會比單個陀螺進(jìn)行解算出現(xiàn)更嚴(yán)重的方位偏差問題,,而利用Kalman濾波和互補濾波相融合的慣性定位算法避免了此問題,確保姿態(tài)精度在2°以內(nèi),,有效抑制了磁場強度的干擾,,確保方位的高精度輸出,。

5 結(jié)束語

    本文針對在導(dǎo)航解算中陀螺儀的積分偏差和磁強計容易受到干擾的問題,提出了一種利用Kalman濾波和互補濾波相融合的慣性定位算法,,利用Kalman濾波求最優(yōu)四元數(shù),,利用互補濾波對陀螺儀的角速度進(jìn)行校正,通過校正的角速度進(jìn)行四元數(shù)的更新,,將兩次校正后的四元數(shù)通過Kalman濾波求最優(yōu)四元數(shù),。通過實驗結(jié)果可以看出,此方法不僅可以很好地解決陀螺漂移問題,,還能有效抑制磁強計受到干擾的問題,,能夠準(zhǔn)確地對方位進(jìn)行校準(zhǔn),實現(xiàn)姿態(tài)角高精度的穩(wěn)定輸出,。

參考文獻(xiàn)

[1] 杜小菁,,翟峻儀.基于MEMS的微型慣性導(dǎo)航技術(shù)綜述[J].飛航導(dǎo)彈,2014(9):77-81.

[2] 葉锃鋒,,馮恩信.基于四元數(shù)和卡爾曼濾波的兩輪車姿態(tài)穩(wěn)定方法[J].傳感技術(shù)學(xué)報,,2012,25(4):524-528.

[3] MARINA H G,,ESPINOSA F,,SANTOS C.Adaptive UAV attitude estimation employing unscented Kalman filter,foam and low-cost MEMS sensors[J].Sensors,,2012,,12(7):9566.

[4] 張彤,孫玉國.爾曼濾波在MEMS慣性姿態(tài)測量中的應(yīng)用[J].光學(xué)儀器,,2015,,37(1):28-30.

[5] 林偉捷,,黃唯佳,,蔡劍卿.基于四元數(shù)互補濾波和PID控制算法的兩輪自平衡車系統(tǒng)設(shè)計[J].軟件導(dǎo)刊,2016,,15(6):80-82.

[6] KUNDRA L,,EKLER P,CHARAF H.Orientation estimation in modern wearables with visual feature tracking[J].Journal on Multimodal User Interfaces,,2015,,9(4):313-322.



作者信息:

張夢影,曾  成,,狄素素,,王云瑞

(河北工業(yè)大學(xué) 電子信息工程學(xué)院,天津300400)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。