第 1 章 绪论
1.1 课题研究的目的和意义
导航技术是一种古老而崭新的技艺，导航技术的发展来源于人类的本能需要，人类的发展进步与其紧密相连。导航就是正确的引导航行体沿着预定的航线在规定的时间内到达目的地。为了完成这个任务，需要随时知道航行体的位置、速度、航向、姿态等导航参数。能够向航行体的操纵者或控制系统提供航行体的导航参数的系统称作为导航系统[1-3]。常用的导航系统有惯性导航系统、GPS 导航系统、我国的北斗导航系统等，它们都具有各自独特的优点。人类第一次使用惯性技术是在第二次世界大战的时候，由德国研制的 V-2 火箭采用的是由两个陀螺仪及一个加速度计组成的惯性制导系统。但由于当时科技水平低下，研制的陀螺仪和加速度计的精度较差，惯性导航系统的性能不稳定，使得制导导弹的精度极低。尽管当时的制导水平不高，但极大地提高了整个战争的影响和破坏力。随后的一九五八年，安装了 N6-A 型惯性导航系统的美国海军鹦鹉螺号核潜艇，潜行 8146 海里后，定位误差只有 20 海里。从六十年代到七十年代，卫星导航系统得到了大力发展，开始时用于北极星号核潜艇的导航定位，随后逐渐应用于各种战斗机、军舰的导航定位，定位精度极高。到了八十年代，导航系统开始倾向于组合惯性导航系统和卫星导航系统来导航定位。惯性导航系统的自主性、隐蔽性特点，使其能连续的提供载体完整运动参数[4]。然而，惯性导航系统的精度随着时间而下降，这个特性必然是一种致命缺陷。卫星导航系统能够以较高精度、长时间的提供载体运动信息，但卫星导航系统的信号易受到干扰。因此，组合导航系统开始逐渐在各领域中投入使用。在现代战争中，各种精确制导武器，因其精度高、射程远、火力强等优点而备受军队青睐。先进军事国家的战术导弹导航与制导系统和精确制导弹药多采用惯性导航/GPS 组合导航系统。海湾战争期间，美国军方使用多管火箭炮投入了约 18000 枚火箭弹，每枚火箭带有640 颗小炸弹，造成大面积的破毁效果，杀伤力最终达到了骇人的战果。然而对于火炮来讲，最重要的是要增大攻击范围，其目的是在敌方攻击范围之外打击敌方阵营。在海湾战争之后美国军方要求把多管火箭弹的射程从 32km 增加到 75km。
........
1.2 国内外研究及发展现状
微机电系统(MEMS)是一种将微型结构、微型传感器、微型执行器设计为一体，同时将信号处理电路、接口以及通讯和电源也置于其内部的微型器件或系统[6]。MEMS 具有体积小、重量轻、功耗低、成本低及抗冲击等优点，在各领域有广泛的应用。采用微机电系统技术的惯性器件包括微型加速度计、微型陀螺仪和微型测量组件 MIMU。作为 MEMS 器件的一个重要分支，MIMU 是由微型陀螺仪、微型加速度计和微型磁力计、嵌入式微型计算机机及相应的导航软件构成，可以提供连续的载体运动参数。微惯性测量组件主要应用在军事、航空航天等领域，对国防具有重大战略性意义，受到各发达国家的广泛重视[7,8]。美国每年投入的研发经费为 2 亿-7亿美元，有 25 个实验室，约 100 家公司参与研发。其中研究 MEMS 惯性技术的大学有 UC Berkeley、Michigan 大学。企业有 Draper、JPL、Honeywell、NorthropGumman／Litton，民用企业则以 AD 公司为代表。1994 年，美国德雷珀实验室成功研制出微惯性测量单元。该 MIMU 由 3 个 MEMS 陀螺仪和 3 个 MEMS 加速度计组成。整个 MIMU 尺寸为 20×mm20×mm×5mm,质量约为 5g。Darper 实验室利用三个 3 个 MEMS 陀螺仪和 3 个 MEMS 加速度计组成的 MIMU 在战术武器和微小型武器系统中进行了一系列应用研究和试验, 如在增程制导弹药上进行试验、在微飞行器、先进射弹武器、航天飞机上进行试验等[9-15]。
........
第 2 章 姿态测量的理论基础
2.1 概述
姿态测量在无人机、机器人、人体运动姿态检测等领域有着非常广泛的应用。随着卫星导航系统和 MEMS 惯性组件(MIMU)的不断发展，使得姿态测量系统有了更加广泛的应用。众多学者提出了很多针对性的姿态测量方法，主要有基于双、单天线的卫星导航系统的姿态测量方法和基于 MEMS 惯性器件陀螺仪、加速度计及磁力计的姿态测量方法。全球卫星导航系统 GPS 利用接收到的导航卫星信号解算处载体的导航参数，其误差是有界的，具有很好的长期稳定性。但当导航卫星信号受到遮挡或载体作大机动运动时，GPS 信号会丢失。虽然其存在不足，但仍可用来测量载体姿态。利用卫星导航系统测姿的主要方法是利用双、单天线 GPS 输出的卫星信号载波相位和载体速度信息等解算载体姿态。MIMU 不需要任何外来信息也不像外界辐射任何信息，可以在任何环境下实现导航，并且可以为用户提供几乎所有导航参数，可以跟踪载体的任何运动，短期精度高。但由于惯性器件误差的存在，导航精度随时间而发散，长期稳定性差。尽管 MIMU 存在缺陷，但其仍然是载体不可缺少的导航设备。目前，利用 MIMU测姿的方法主要有：基于三轴陀螺仪输出得出姿态、基于加速计和磁力计输出得出姿态。
........
2.2 常用坐标系及姿态信息
同载体在空间的位置需要相对于另一载体才能确定一样，一个坐标系在空间的位置也需要相对于另一坐标系来确定。在对载体的运动进行研究时，也需要建立两个坐标系之间的关系。在导航计算中坐标系十分重要，它是导航计算的基础，在导航计算之前，必须建立合适的参考坐标系。载体的姿态角描述的是载体坐标系相对于导航坐标系的转角关系。机体坐标系与导航坐标系的关系可由三个欧拉角(横滚角 ，俯仰角θ，航向角ψ)表示，反映了载体相对于地面的姿态。横滚角 ：载体坐标系zb轴与通过载体坐标系xb轴的铅垂面间的夹角，载体向右滚为正，反之为负。俯仰角θ：载体坐标系xb轴与水平面之间的夹角。当xb轴的正半轴位于过坐标原点的水平面之上时，俯仰角为正，否则为负。航向角ψ：载体坐标系xb轴在水平面上投影与导航坐标系xn轴之间的夹角，由xn轴逆时针旋转至载体坐标系xb轴的投影线时，航向角为正，反之为负。
.........
第 3 章 数据融合方法研究.........18
3.1 概述.........18
3.2 常用的数据融合算法研究.........18
3.3 智能卡尔曼滤波算法.........25
3.4 本章小结........27
第 4 章 复合测姿算法研究结........28
4.1 概述结........28
4.2 微惯性组件的数学模型........28
4.3 微惯性器件数据的后处理.....31
4.4 滤波器的自适应调整准则.......36
4.5 本章小结.......37
第 5 章 复合测姿实验研究
5.1 概述
在完成研究复合测姿的算法后，需搭建复合测姿系统的硬件平台，并为复合系统的算法进行程序编写。然后，以实验室自主开发的低成本 MEMS IMU 与单天线卫星接收系统 GPS 进行车载实验研究，并分析实验数据，以验证基于智能卡尔曼滤波 IKF 的复合测姿算法的有效性及复合测姿系统的动态特性。在实验室里，我们自主开发了一款 MEMS IMU，该 MEMS IMU 包括三个相互正交的陀螺仪、加速度计和磁力计，以及与它们安装在一起的温度传感器。导航样机由 MEMS IMU 惯性测量单元、地磁测量模块、卫星接收模块、现场可编程门阵列核心板(FPGA)、数字信号处理器(DSP)、电源模块、接口电路板组成，并通过精密机械构件将它们布置在数据采集板上，如图 5.1 所示。将一个六层的 DSP/FPGA 微控制器和一个四层的 PCB 与所有的 MEMS 传感器整合在一起。可编程门阵列核心板 FPGA 控制器主要用于对数据进行采集与处理、负责系统的逻辑控制及数据通信等任务，它由单天线 GPS 接收机和 MEMS 传感器组成，数字信号处理器 DSP 用来对导航算法进行实时的计算、信息融合等。相关的复合测姿算法被嵌入到 DSP 中，并行的总线接口用于 DSP 和 FPGA 之间的数据通信。复合测姿系统的尺寸为 φ80×30mm。考虑到微小型航姿系统有限的尺寸、空间和载荷， MEMS 陀螺仪选择为某公司生产的小体积中等精度的产品,MEMS 加速度计选择为某公司的小体积中等精度的产品，MEMS 磁阻传感器型号选择为某国外公司的三轴磁阻式传感器产品。MEMS 陀螺仪、加速度计及磁力计的参数如表 5.1 表 5.3 所示。由于姿态解算过程中需要完成状态一步预测、状态估计及均方误差估计等诸多高阶矩阵运算，系统中包括矩阵元素在内的大部分元素均为 32 位单精度浮点类型，对运算要求极高。因此，DSP 控制器的型号选用了 TI（德州仪器）公司的 32 位产品。FPGA 的型号选择为 Altera 公司的 Cyclone II 系列的产品。
...........
结 论
课题的研究目的是为微小型载体设计一款姿态测量系统，负责实时提供载体的姿态角。基于小型化、低成本的考虑，本文采用单天线卫星接收系统 GPS 与MEMS 惯性组件进行复合测姿，并对复合测姿算法进行了研究。论文主要完成的工作有：系统包括加速度计、陀螺仪和磁阻传感器，研究了各器件的误差来源，建立适当的误差数学模型。在实验室现有设备的条件下，制定六位置、十位置、十二位置等不同位置，多档位转速的动静结合试验方法，对微惯性组件展开标定工作，将各器件的输出完成了算法补偿，精度提高了数倍。
1. 对卫星导航系统和基于微惯性组件的测姿原理进行了深入研究，主要包括对导航中常用的参考坐标系的描述；对坐标系间的转换关系、姿态矩阵的推导；对基于卫星导航系统和微惯性组件导航系统的姿态测量算法的推导，并分析了基于双/单天线 GPS 测姿算法、四元数法、欧拉角法、方向余弦法及基于加速度计和磁力计法的优缺点。
2.对各种常用的数据融合方法：互补滤波、卡尔曼滤波、扩展卡尔曼滤波及粒子滤波进行了研究。并针对传统的扩展卡尔曼滤波算法在状态估计中存在的不足，本文提出了一种可以对系统噪声阵和量测噪声阵自适应调整的智能卡尔曼滤波算法，以提高测姿系统在各种复杂环境下的测姿精度。
3.针对于卫星导航系统信号的抗干扰性差及 MEMS 惯性器件单独测姿的误差累积等问题，本文采用单天线 GPS 与 MEMS 惯性组件进行复合测姿。对 MEMES惯性器件的输出模型和误差进行了分析，并给出了确定性误差的补偿方法，并通过标定实验给出了陀螺仪、加速度计及磁力的确定性误差。此外，使用 GPS 提供的数据，求解载体的动力加速度，用来补偿加速度计的输出。为解决四元数作为滤波器的状态向量时，滤波器的误差协方差奇异的问题，复合测姿算法选用姿态欧拉角作为状态向量。为判断载体的运动的状态，本文设计了加速度的判定准则。
..........
参考文献（略）