航姿参考系统中一种自适应卡尔曼滤波算法

doi:10.3969/j.issn.1001-2400.2011.06.016

J4 ›› 2011, Vol. 38 ›› Issue (6): 103-107+122.doi: 10.3969/j.issn.1001-2400.2011.06.016

航姿参考系统中一种自适应卡尔曼滤波算法

田易;孙金海;李金海;阎跃鹏

(中国科学院微电子研究所，北京 100029)

收稿日期:2010-09-03 出版日期:2011-12-20 发布日期:2011-11-29
通讯作者: 田易;
作者简介:田易(1984-)，女，中国科学院硕士研究生，E-mail: tianyi1984@126.com
基金资助:
多系统GNSS差分精密定位通用算法研究与软件设计资助项目(2009AA12Z314)

Algorithm for the adaptive Kalman filter in AHRS

TIAN Yi;SUN Jinhai;LI Jinhai;YAN Yuepeng

(Inst. of Microelectronics, Chinese Academy of Sci., Beijing 100029， China)

Received:2010-09-03 Online:2011-12-20 Published:2011-11-29
Contact: TIAN Yi

摘要/Abstract

摘要：

在航姿参考系统测量载体姿态的过程中，由于观测噪声不确定，严重影响了常规卡尔曼滤波结果的精度．另外，当系统受到干扰而使观测噪声突然改变时，甚至会导致滤波发散．提出一种航姿参考系统自适应卡尔曼滤波算法，能够根据观测数据来自适应调整观测噪声，从而提高卡尔曼滤波精度，改善系统的鲁棒性．仿真表明，当观测噪声时变时，常规卡尔曼滤波结果明显发散，而新自适应卡尔曼滤波结果收敛良好，在系统计算复杂度没有明显增加的前提下，系统的稳定性得到了明显提高．

关键词: 航姿参考系统, 自适应滤波, 卡尔曼滤波, 模糊控制

Abstract:

Due to the uncertainty of measurement noise, the accuracy of the Kalman filter is affected seriously while measuring the vehicle attitude in the Attitude and Heading Reference System(AHRS). The sudden change of measurement noise brought by interference of the system even leads to filter divergence. An algorithm for the adaptive Kalman Filter used in AHRS is presented in this paper, which is able to estimate the measurement noise in real time according to observation data and improve the accuracy of the Kalman Filter. Simulation result shows that the results of the Kalman filter diverge clearly even though the measurement noise varies, and that the adaptive Kalman filter results converge very well. The system stability is markedly improved without significant increase in computing complexity.

Key words: attitude and heading reference system, adaptive filter, Kalman filter, fuzzy control

中图分类号:

V241.62

田易;孙金海;李金海;阎跃鹏. 航姿参考系统中一种自适应卡尔曼滤波算法[J]. J4, 2011, 38(6): 103-107+122.

TIAN Yi;SUN Jinhai;LI Jinhai;YAN Yuepeng. Algorithm for the adaptive Kalman filter in AHRS[J]. J4, 2011, 38(6): 103-107+122.

参考文献

［1］ Kim K H, Lee J G, Park C G. Adaptive Two-Stage Extended Kalman Filter for a Fault-Tolerant INS-GPS Loosely Coupled System［J］. IEEE Trans on Aerospace and Electronic Systems, 2009, 45(1): 125-137.
［2］赵龙. 新型自适应卡尔曼滤波算法及其应用［J］. 压电与声光, 2009, 31(6): 908-911.
Zhao Long. A New Type of Adaptive Kalman Filtering Algorithm and Its Application［J］. Piezoelectrics & Acoustooptics, 2009, 31(6): 908-911.
［3］高为广, 杨元喜, 张双成. 顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法［J］. 武汉大学学报(信息科学版), 2008: 33(2): 191-194.
Gao Weiguang, Yang Yuanxi, Zhang Shuangcheng. GPS/INS Adaptive Filtering Considering the Influences of Kinematic Model Errors［J］. Geomatics and Information Science of Wuhan University, 2008, 33(2): 191-194.
［4］过润秋，洪旭，苏旺旺. 基于模糊控制理论的二级倒立摆控制算法［J］. 西安电子科技大学学报, 2006, 33(1): 111-115.
Guo Runqiu, Hong Xu, Su Wangwang. The Control Arithmetic for the Double Inverted Pendulum Based on the Fuzzy Control Theory ［J］. Journal of Xidian University, 2006, 53(1): 111-115.
［5］ Sasiadek J Z. Sensor Fusion Based on Fuzzy Kalman Filtering for Autonomous Robot Vehicle［C］//Proc of the 1999 IEEE International Conference on Robotics & Automation. Michigan: IEEE, 1999: 2970-2975.
［6］ Sasiadek J Z. Fuzzy Adaptive Kalman Filtering for INS/GPS Data Fusion［C］//Proc of the 15th IEEE International Symposium on Intelligent Control. Greece: IEEE, 2000: 181-186.
［7］ Qin Wei, Yuan Weizheng, Chang Honglong. Fuzzy Adaptive Extended Kalman Filter for Miniature Attitude and Heading Reference System［C］//Proc of the 2009 4th IEEE International Conference on Nano/Micro Engineered and Molecular Systems. New York: IEEE, 2009: 1026-1030.
［8］ Demoz G E. A Gyro-Free Quaternion-Based Attitude Determination System Suitable for Implementation Using Low Cost Sensors［C］// IEEE Plans Position Location and Navigation Symposium. New York: IEEE, 2000: 185-192.
［9］夏琳琳. 低成本航姿参考系统/GPS紧耦合融合滤波技术研究［D］. 哈尔滨: 哈尔滨工程大学, 2008: 33-42.
［10］徐田来. 基于模糊自适应卡尔曼滤波的INS/GPS组合导航系统算法研究［J］. 宇航学报, 2005, 26(5): 571-575.
Xu Tianlai. Research on GPS/INS Integrated Navigation System Based on Fuzzy Adaptive Kalman Filtering［J］. Journal of Astronautics, 2005, 26(5): 571-575.
［11］ Han L R. A Fuzzy-Kalman Filtering Strategy for State Estimation［D］. Saskatoon: University of Saskatchewan, 2004: 12-30.

[1]	李胜峰,王子豪,陈翔,王伶. 直升机旋翼遮挡缝隙时长预测算法[J]. 西安电子科技大学学报, 2020, 47(6): 113-121.
[2]	李翠芸,李洋,姬红兵,石仁政. 一步数据关联GLMB扩展目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(5): 137-143.
[3]	曾创展,朱卫纲,贾鑫. 一种稀疏孔径逆合成孔径雷达成像算法[J]. 西安电子科技大学学报, 2019, 46(3): 123-129.
[4]	赵季红;谢志勇;曲桦;王明欣;刘熙. 一种简化鲁棒的传感网络节点三维估计算法[J]. 西安电子科技大学学报, 2018, 45(5): 108-114.
[5]	邓兵;孙正波;贺青. 估计偏差修正扩展卡尔曼滤波新算法[J]. 西安电子科技大学学报, 2018, 45(3): 130-135.
[6]	王海环;王俊. 一种改进的多伯努利多目标跟踪算法[J]. 西安电子科技大学学报, 2016, 43(6): 176-182.
[7]	靳标;苏涛;李艳艳;张龙. 一种高分辨距离像辅助的多目标跟踪算法[J]. J4, 2016, 43(1): 1-6+29.
[8]	戚晓慧;吴瑛;王云龙 . 多带结构自适应滤波器的变步长矩阵设计[J]. J4, 2015, 42(4): 198-204.
[9]	王泽玉;李明;张鹏. 一种新的进化裂变粒子滤波算法[J]. J4, 2014, 41(6): 31-36+75.
[10]	宣宗强;孙小莉;刘晨;康婧婧. 卫星同步时钟的设计[J]. J4, 2013, 40(4): 125-129.
[11]	李建东;蔡雪莲;张瑜;张珍. 基于模糊控制和MIMO的ad hoc网络STDMA协议[J]. J4, 2013, 40(2): 60-66+193.
[12]	李建东蔡雪莲张珍张瑜. 基于模糊控制和MIMO的ad hoc网络STDMA协议[J]. J4, 2013, 40(2): 60-66.
[13]	吴鑫辉;黄高明;高俊. 一种不等式状态约束最优滤波算法[J]. J4, 2013, 40(1): 148-154.
[14]	李烨;杨家玮;安金坤;梁彦霞. 经验模式分解域自适应滤波方法[J]. J4, 2012, 39(6): 154-161.
[15]	李晓林;王劲林;尤佳莉. P2P点播数据调度策略的模糊控制实现[J]. J4, 2012, 39(6): 130-135.

航姿参考系统中一种自适应卡尔曼滤波算法

Algorithm for the adaptive Kalman filter in AHRS

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0