CN102538792A - 一种位置姿态系统的滤波方法 - Google Patents
一种位置姿态系统的滤波方法 Download PDFInfo
- Publication number
- CN102538792A CN102538792A CN2012100277354A CN201210027735A CN102538792A CN 102538792 A CN102538792 A CN 102538792A CN 2012100277354 A CN2012100277354 A CN 2012100277354A CN 201210027735 A CN201210027735 A CN 201210027735A CN 102538792 A CN102538792 A CN 102538792A
- Authority
- CN
- China
- Prior art keywords
- omega
- error
- delta
- phi
- accelerometer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
本发明涉及一种位置姿态系统的滤波方法。首先,建立位置姿态系统的高阶误差模型;其次,设计基于三参数递推的卡尔曼滤波器;然后,将捷联惯导系统(SINS)与全球导航卫星系统(GNSS)的定位结果之差作为观测量,采用SINS/GNSS分布式组合形式,通过基于三参数递推的卡尔曼滤波器对各误差状态进行最优估计;最后将位置误差、速度误差、姿态误差和惯性器件误差的最优估计值反馈回SINS,并对陀螺漂移、加速度计偏置以及载体坐标系相对于计算坐标系的转换矩阵进行校正,计算出精确的位置、速度和姿态信息。
Description
技术领域
本发明涉及一种位置姿态系统的滤波方法,可用于航空遥感成像运动补偿。
背景技术
位置姿态系统作为航空遥感成像运动补偿的一种重要手段,主要由捷联惯导系统(Strapdown Inertial Navigation System,SINS)和全球导航卫星系统(Global Navigation Satellite System,GNSS)组成,集合了SINS数据短期精度高、输出数据频率高和GNSS数据长期稳定性好、不随时间漂移的优点于一体,可提供高精度的位置、速度和姿态信息。随着遥感图像分辨率的不断提高,高精度的运动补偿日益显示出其重要性,因此对位置姿态系统的精度提出了更高的要求。
位置姿态系统的误差包括惯性测量单元(Inertial Measurement Unit,IMU)的测量误差、GNSS测量误差和组合滤波估计误差。其中,IMU器件(陀螺和加速度计)的测量误差是影响位置姿态系统精度的主要因素。传统的位置姿态系统误差模型对误差源均作了不同程度地简化处理,如忽略了IMU器件经过标定补偿后仍存在的残余误差,以及将陀螺随机漂移和加速度计随机偏置均考虑为随机常值等,这些简化处理将直接影响位置姿态系统的精度。此外,传统的卡尔曼滤波技术采用单参数递推模型,导致滤波估计收敛速度慢且滤波精度不高。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种基于高阶系统误差模型的三参数递推滤波方法,提高了位置姿态系统的精度。
本发明的技术解决方案为:一种位置姿态系统的滤波方法,其特征在于包括以下步骤:
(1)建立位置姿态系统的高阶误差模型;
(2)设计基于三参数递推的卡尔曼滤波器;
(3)基于步骤(1)中建立的位置姿态系统高阶误差模型,取SINS与GNSS的定位结果之差作为观测量,采用SINS/GNSS分布式组合形式,通过以上步骤(2)设计的基于三参数递推的卡尔曼滤波器对各误差状态进行最优滤波估计;
(4)将步骤(3)中计算得到的位置误差、速度误差、姿态误差和惯性器件误差的最优滤波估计值反馈回SINS,并对陀螺漂移、加速度计偏置以及载体坐标系相对于计算坐标系的转换矩阵进行校正,计算出更加精确的位置、速度和姿态信息。
本发明与现有技术相比的优点在于:本发明克服了现有位置姿态系统误差建模方法的不足,对传统误差模型进行改进,考虑了位置误差、速度误差、姿态误差,陀螺和加速度计的随机漂移、随机偏置、刻度因子误差和安装误差的标定残差等,建立了位置姿态系统的高阶误差模型,并克服了传统卡尔曼滤波技术由于其单参数递推而导致的滤波估计收敛速度慢且滤波精度不高的不足,建立基于三参数递推的滤波模型,提高了误差状态的估计精度和估计收敛速度,从而更快地计算出精确的位置、速度和姿态信息。
附图说明
图1为本发明位置姿态系统的滤波方法的流程图。
具体实施方式
一种位置姿态系统的滤波方法,以位置姿态系统高阶误差模型为基础建立系统状态方程,并在系统状态方程的基础上建立系统量测方程。根据建立的系统状态方程和系统量测方程采用基于三参数递推的卡尔曼滤波器为位置姿态系统误差提供最优估计,并利用这些误差的最优估计值去修正SINS,以减少位置姿态系统误差,最后得到精确的位置、速度和姿态信息。
如图1所示,本发明的具体实施步骤如下:
1、建立位置姿态系统的高阶误差模型
位置姿态系统的高阶误差模型包含位置误差、速度误差、姿态误差、陀螺随机漂移、陀螺刻度因子误差、陀螺安装误差、加速度计随机偏置、加速度计刻度因子误差和加速度计安装误差,共9类误差。
陀螺随机漂移和加速度计随机偏置采用四种分量表示:随机常值、随机游走、一阶马尔科夫过程和白噪声,数学模型描述如下所示。
其中,εb、为陀螺随机常值漂移和加速度计随机常值偏置,为其导数;εr、为陀螺随机游走漂移和加速度计随机游走偏置,为其导数;εm、为陀螺一阶马尔科夫过程漂移和加速度计一阶马尔科夫过程偏置,为其导数;ωgr与ωar分别是陀螺和加速度计的随机游走驱动白噪声;ωgm与ωam分别是陀螺和加速度计的一阶马尔科夫过程驱动白噪声,α与β陀螺和加速度计一阶马尔科夫过程的相关时间;ωg、ωa为陀螺白噪声漂移和加速度计白噪声偏置,qg与qa分别为陀螺和加速度计的白噪声强度,δ(t-τ)为狄拉克δ函数。
陀螺和加速度计刻度因子误差以及安装误差均采用随机常值表示,数学模型描述如下所示。
高阶误差模型的系统状态方程和量测方程如下:
a)根据上述对位置姿态系统误差源模型的分析,系统状态方程为:
式中, 为系统状态向量;δL、δλ、δh为纬度误差、经度误差、高度误差;δVE、δVN、δVU为东向速度误差、北向速度误差、天向速度误差;φE、φN、φU为东向水平姿态失准角、北向水平姿态失准角、航向失准角;为加速度计三个测量轴上的随机常值偏置;为加速度计三个测量轴上的随机游走偏置; 为加速度计三个测量轴上的一阶马尔科夫过程偏置;δKAx、δKAy、δKAz为加速度计三个测量轴上的刻度因子误差;δAzx、δAyx,δAzy、δAxy,δAyz、δAxz为加速度计三个测量轴上的安装误差,每个加速度计测量轴的安装误差用两个参数表示,因此加速度计三个测量轴的安装误差共六个;;εbx、εby、εbz为陀螺三个测量轴上的随机常值漂移;εrx、εry、εrz为陀螺三个测量轴上的随机游走漂移;εmx、εmy、εmz为陀螺三个测量轴上的一阶马尔科夫过程漂移;δKGx、δKGy、δKGz为陀螺三个测量轴上的刻度因子误差;δGzx、δGyx,δGzy、δGxy,δGyz、δGxz为陀螺三个测量轴上的安装误差,每个陀螺测量轴的安装误差用两个参数表示,因此陀螺三个测量轴的安装误差共六个;为系统状态向量的导数,F为系统状态转移矩阵,G为系统噪声分配矩阵,W为系统噪声向量,具体表达式如下:
b)量测方程
将SINS输出的位置和速度信息与GNSS的相应输出信息相减,形成位置姿态系统的量测信息,其量测方程如下:
Z=H·X+v (4)
式中,Z为量测向量,H为量测矩阵,X为系统状态向量,v为测量噪声向量,具体表达式如下:
LSINS-LGNSS,λSINS-λGNSS,hSINS-hGNSS,VESINS-VEGNSS,VNSINS-VNGNSS,VUSINS-VUGNSS,为SINS与GNSS输出的纬度、经度、高度、东向速度、北向速度、天向速度之差;vL,vλ,vh,vve,vvn,vvu为GNSS的纬度、经度、高度、东向速度、北向速度、天向速度的测量噪声,均为零均值随机白噪声,其方差阵为R;Rn与Rm分别为卯酉圈与子午圈的主曲率半径,L为当地纬度。
2、设计基于三参数递推的卡尔曼滤波器
对传统的单参数递推卡尔曼滤波器进行改进,设计出基于三参数递推滤波模型的卡尔曼滤波器,设计步骤如下:
a)将系统状态方程离散化,为:
式中,下标k-1、k分别表示tk-1和tk时刻,Xk、Xk-1为tk、tk-1时刻的系统状态向量,Wk-1为tk-1时刻系统噪声向量阵,Fk/k-1为tk-1时刻到tk时刻的系统状态一步转移阵,I为单位阵,T=tk-tk-1为滤波周期,F(tk-1)为常数矩阵。
b)在离散化后的系统状态方程和量测方程引入基于三参数递推的滤波模型
式中,下标k、k-1、k-2分别表示tk、tk-1、tk-2时刻,Xk、Xk-1、Xk-2、Xk-3为tk、tk-1、tk-2、tk-3时刻的系统状态向量,Fk/k-1为k-1时刻到k时刻的系统状态一步转移阵,Fk/k-2为k-2时刻到k时刻的系统状态转移阵,Fk/k-3为k-3时刻到k时刻的系统状态转移阵,Wk-1为tk-1时刻系统噪声向量阵,Zk、Zk-1、Zk-2为tk、tk-1、tk-2时刻的量测向量,H为量测矩阵,vk、vk-1、vk-2为tk、tk-1、tk-2时刻的测量噪声向量。C1、C2、C3为状态转移阵Fk/k-1、Fk/k-2、Fk/k-3的加权系数。
加权系数C1、C2、C3选取原则为:
①C1+C2+C3=1;
②C1>C2>C3。
系统状态转移阵Fk/k-2、Fk/k-3的计算公式如下所示:
3、采用基于三参数递推的卡尔曼滤波器对误差状态进行最优滤波估计基于步骤1建立的位置姿态系统的高阶误差模型,取SINS与GNSS的定位结果之差作为观测量,采用SINS/GNSS分布式组合形式,通过步骤2设计的基于三参数递推的卡尔曼滤波器对系统误差状态进行最优滤波估计,执行步骤如下所示:
b)计算系统状态向量的一步预测
式中,下标k/k-1表示从tk-1时刻到tk时刻的预测;Ak为基于三参数递推滤波模型的状态转移阵,为系统状态向量在tk-1、tk-2、tk-3时刻的估计值,Fk/k-1为k-1时刻到k时刻的系统状态一步转移阵,Fk/k-2为k-2时刻到k时刻的系统状态转移阵,Fk/k-3为k-3时刻到k时刻的系统状态转移阵,C1、C2、C3为状态转移阵Fk/k-1、Fk/k-2、Fk/k-3的加权系数。
c)计算系统状态向量的一步预测均方误差阵Pk/k-1
式中,Pk/k-1为tk-1时刻到tk时刻的系统状态向量一步预测均方误差阵,Pk-1为tk-1时刻的系统状态向量估计的均方误差阵,Ak为基于三参数递推滤波模型的状态转移阵,Gk-1为tk-1时刻的系统噪声分配矩阵,Qk-1为tk-1时刻的系统噪声均方误差阵。
d)计算滤波增益阵Kk
式中,Ak为基于三参数递推滤波模型的状态转移阵,Pk/k-1为tk-1时刻到tk时刻的系统状态向量一步预测均方误差阵,Hk为tk时刻的量测阵,Rk为tk时刻的量测噪声均方误差阵。
式中,为系统状态向量在tk时刻的估计值,为tk-1时刻到tk时刻的系统状态向量的一步预测,Kk为tk时刻的滤波增益阵,Hk为tk时刻的量测阵,Zk为tk时刻的观测向量,即SINS与GNSS的定位结果之差。
f)计算系统状态向量估计的均方误差阵Pk
式中,I为单位阵,Kk为tk时刻的滤波增益阵,Hk为tk时刻的量测阵,Rk为tk时刻的量测噪声均方误差阵。
4、用位置误差、速度误差、姿态误差的最优滤波估计值修正SINS的位置、速度、姿态信息
将步骤3中计算得到的位置误差、速度误差、姿态误差和惯性器件误差的最优滤波估计值反馈回SINS,并对陀螺漂移、加速度计偏置以及载体坐标系相对于计算坐标系的转换矩阵进行校正,计算出更加精确的位置、速度和姿态信息。修正SINS的位置、速度、姿态的公式为:
a)位置修正
式中,Lat′、Lon′、Height′为修正后的纬度、经度、高度信息;Lat、Lon、Height为SINS输出的纬度、经度、高度信息;为纬度误差、经度误差、高度误差的最优滤波估计值。
b)速度修正
式中,Ve′、Vn′、Vu′为修正后的东向速度、北向速度、天向速度信息;Ve、Vn、Vu为SINS输出的东向速度、北向速度、天向速度信息; 为东向速度误差、北向速度误差、天向速度误差的最优滤波估计值。
c)姿态修正
又因为:
②计算俯仰角θ
θ=arcsin(C23) (24)
③计算横滚角γ
γ真值判断如下表:
C33 | C13 | γ真值 | γ所在象限 |
+ | - | γ主 | 第一象限 |
- | - | γ主-π | 第二象限 |
- | + | γ主+π | 第三象限 |
+ | + | γ主 | 第四象限 |
Claims (3)
1.一种位置姿态系统的滤波方法,其特征在于:包括下列步骤:
(1)建立位置姿态系统的高阶误差模型;
位置姿态系统的高阶误差模型包括系统状态方程和量测方程:
a)系统状态方程
其中, 为系统状态向量;δL、δλ、δh为纬度误差、经度误差、高度误差;δVE、δVN、δVU为东向速度误差、北向速度误差、天向速度误差;φE、φN、φU为东向水平姿态失准角、北向水平姿态失准角、航向失准角;为加速度计三个测量轴上的随机常值偏置;为加速度计三个测量轴上的随机游走偏置; 为加速度计三个测量轴上的一阶马尔科夫过程偏置;δKAx、δKAy、δKAz为加速度计三个测量轴上的刻度因子误差;δAzx、δAyx,δAzy、δAxy,δAyz、δAxz为加速度计三个测量轴上的安装误差,每个加速度计测量轴的安装误差用两个参数表示,因此加速度计三个测量轴的安装误差共六个;εbx、εby、εbz为陀螺三个测量轴上的随机常值漂移;εrx、εry、εrz为陀螺三个测量轴上的随机游走漂移;εmx、εmy、εmz为陀螺三个测量轴上的一阶马尔科夫过程漂移;δKGx、δKGy、δKGz为陀螺三个测量轴上的刻度因子误差;δGzx、δGyx,δGzy、δGxy,δGyz、δGxz为陀螺三个测量轴上的安装误差,每个陀螺测量轴的安装误差用两个参数表示,因此陀螺三个测量轴的安装误差共六个;为系统状态向量的导数,F为系统状态转移矩阵,G为系统噪声分配矩阵,W为系统噪声向量,具体表达式如下:
b)量测方程
Z=H·X+v
其中,Z为量测向量,H为量测矩阵,X为系统状态向量,v为测量噪声向量,具体表达式如下:
LSINS-LGNSS,λSINS-λGNSS,hSINS-hGNSS,VESINS-VEGNSS,VNSINS-VNGNSS,VUSINS-VUGNSS,为SINS与GNSS输出的纬度、经度、高度、东向速度、北向速度、天向速度之差;vL,vλ,vh,vve,vvn,vvu为GNSS的纬度、经度、高度、东向速度、北向速度、天向速度的测量噪声,均为零均值随机白噪声,其方差阵为R;Rn与Rm分别为卯酉圈与子午圈的主曲率半径,L为当地纬度;
(2)设计基于三参数递推的卡尔曼滤波器,其设计步骤为:
其中,下标k-1、k分别表示tk-1和tk时刻,Xk、Xk-1为tk、tk-1时刻的系统状态向量,Wk-1为tk-1时刻系统噪声向量阵,Fk/k-1为tk-1时刻到tk时刻的系统状态一步转移阵,I为单位阵,T=tk-tk-1为滤波周期,F(tk-1)为常数矩阵;
b)在离散化后的系统状态方程和量测方程引入基于三参数递推的滤波模型:
其中,下标k、k-1、k-2分别表示tk、tk-1、tk-2时刻,Xk、Xk-1、Xk-2、Xk-3为tk、tk-1、tk-2、tk-3时刻的系统状态向量,Fk/k-1为k-1时刻到k时刻的系统状态一步转移阵,Fk/k-2为k-2时刻到k时刻的系统状态转移阵,Fk/k-3为k-3时刻到k时刻的系统状态转移阵,C1、C2、C3为状态转移阵Fk/k-1、Fk/k-2、Fk/k-3的加权系数,Wk-1为tk-1时刻系统噪声向量阵,Zk、Zk-1、Zk-2为tk、tk-1、tk-2时刻的量测向量,H为量测矩阵,vk、vk-1、vk-2为tk、tk-1、tk-2时刻的测量噪声向量;
(3)基于步骤(1)中建立的位置姿态系统的高阶误差模型,取SINS与GNSS的定位结果之差作为观测量,采用SINS/GNSS分布式组合形式,通过步骤(2)设计的基于三参数递推的卡尔曼滤波器对各误差状态进行最优滤波估计;
(4)将步骤(3)中计算得到的位置误差、速度误差、姿态误差和惯性器件误差的最优滤波估计值反馈回SINS,并对陀螺漂移、加速度计偏置以及载体坐标系相对于计算坐标系的转换矩阵进行校正,计算出更加精确的位置、速度和姿态信息;
修正SINS的位置、速度、姿态的公式为:
a)位置修正
b)速度修正
c)姿态修正
2.根据权利要求1所述一种位置姿态系统的滤波方法,其特征在于:步骤(1)所述位置姿态系统的高阶误差模型包含的误差源为陀螺随机漂移、陀螺刻度因子误差、陀螺安装误差、加速度计随机偏置、加速度计刻度因子误差和加速度计安装误差,共9类误差。
陀螺随机漂移和加速度计随机偏置采用四种分量表示:随机常值、随机游走、一阶马尔科夫过程和白噪声,数学模型为:
其中,εb、为陀螺随机常值漂移和加速度计随机常值偏置,为其导数;εr、为陀螺随机游走漂移和加速度计随机游走偏置,为其导数;εm、为陀螺一阶马尔科夫过程漂移和加速度计一阶马尔科夫过程偏置,为其导数;ωgr与ωar分别是陀螺和加速度计的随机游走驱动白噪声;ωgm与ωam分别是陀螺和加速度计的一阶马尔科夫过程驱动白噪声,α与β陀螺和加速度计一阶马尔科夫过程的相关时间;ωg、ωa为陀螺白噪声漂移和加速度计白噪声偏置,qg与qa分别为陀螺和加速度计的白噪声强度,δ(t-τ)为狄拉克δ函数;
陀螺和加速度计刻度因子误差以及安装误差均采用随机常值表示,数学模型为:
3.根据权利要求1所述的一种位置姿态系统的滤波方法,其特征在于:步骤(2)所述基于三参数递推的滤波模型为:
系统状态转移阵Fk/k-2、Fk/k-3的计算公式如下所示:
其中Fk/k-1为k-1时刻到k时刻的系统状态一步转移阵,Fk-1/k-2为k-2时刻到k-1时刻的系统一步状态转移阵,Fk-2/k-3为k-3时刻到k-2时刻的系统一步状态转移阵。C1、C2、C3为Fk/Fk-1、Fk/k-2、Fk/k-3状态转移阵的加权系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210027735.4A CN102538792B (zh) | 2012-02-08 | 2012-02-08 | 一种位置姿态系统的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210027735.4A CN102538792B (zh) | 2012-02-08 | 2012-02-08 | 一种位置姿态系统的滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102538792A true CN102538792A (zh) | 2012-07-04 |
CN102538792B CN102538792B (zh) | 2014-11-05 |
Family
ID=46346282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210027735.4A Expired - Fee Related CN102538792B (zh) | 2012-02-08 | 2012-02-08 | 一种位置姿态系统的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102538792B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364842A (zh) * | 2013-07-29 | 2013-10-23 | 中国人民解放军国防科学技术大学 | 一种捷联式航空重力仪误差分离方法 |
CN103438886A (zh) * | 2013-08-02 | 2013-12-11 | 国家卫星气象中心 | 基于粗精姿态关系模型的自旋稳定气象卫星姿态确定方法 |
CN103940444A (zh) * | 2014-04-02 | 2014-07-23 | 南京理工大学 | 一种mimu组网式系统级标定方法 |
CN104020667A (zh) * | 2013-03-01 | 2014-09-03 | 费希尔-罗斯蒙特系统公司 | 过程控制系统中改进的卡尔曼滤波器 |
CN104344837A (zh) * | 2014-10-30 | 2015-02-11 | 北京航空航天大学 | 一种基于速度观测的冗余惯导系统加速度计系统级标定方法 |
CN104655133A (zh) * | 2015-02-13 | 2015-05-27 | 西安应用光学研究所 | 一种车载升降桅杆平台姿态动态测量方法 |
CN104937377A (zh) * | 2013-01-17 | 2015-09-23 | 可信定位股份有限公司 | 用于处理无约束的便携式导航装置的垂直取向的方法和设备 |
CN105066996A (zh) * | 2015-07-20 | 2015-11-18 | 东南大学 | 自适应矩阵卡尔曼滤波姿态估计方法 |
CN105865446A (zh) * | 2016-05-25 | 2016-08-17 | 南京航空航天大学 | 基于大气辅助的惯性高度通道阻尼卡尔曼滤波方法 |
CN106989761A (zh) * | 2017-05-25 | 2017-07-28 | 北京航天自动控制研究所 | 一种基于自适应滤波的空间飞行器制导工具在轨标定方法 |
CN107796388A (zh) * | 2016-09-06 | 2018-03-13 | 北京自动化控制设备研究所 | 一种基于惯性技术的相对姿态测量方法 |
CN110792430A (zh) * | 2019-11-20 | 2020-02-14 | 中国地质大学(北京) | 一种基于多传感器数据融合的随钻测斜方法及装置 |
CN111121723A (zh) * | 2019-12-23 | 2020-05-08 | 中国科学院长春光学精密机械与物理研究所 | 一种航空遥感设备工作状态参数记录系统 |
WO2020124678A1 (zh) * | 2018-12-19 | 2020-06-25 | 上海交通大学 | 一种基于函数迭代积分的惯性导航解算方法及系统 |
CN111435258A (zh) * | 2019-10-23 | 2020-07-21 | 珠海全志科技股份有限公司 | 一种无人机漂移补偿方法、装置以及无人机 |
CN111623764A (zh) * | 2020-05-09 | 2020-09-04 | 中国人民解放军军事科学院国防科技创新研究院 | 微纳卫星姿态估计方法 |
CN113295174A (zh) * | 2021-07-27 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 一种车道级定位的方法、相关装置、设备以及存储介质 |
CN113465599A (zh) * | 2021-06-04 | 2021-10-01 | 北京信息科技大学 | 定位定向方法、装置及系统 |
WO2022135070A1 (zh) * | 2020-12-24 | 2022-06-30 | 北京紫光展锐通信技术有限公司 | 惯性导航方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
CN1945212A (zh) * | 2006-11-03 | 2007-04-11 | 北京航空航天大学 | 一种sins/gps组合导航系统的自适应加权反馈校正滤波方法 |
CN101949703A (zh) * | 2010-09-08 | 2011-01-19 | 北京航空航天大学 | 一种捷联惯性/卫星组合导航滤波方法 |
-
2012
- 2012-02-08 CN CN201210027735.4A patent/CN102538792B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
CN1945212A (zh) * | 2006-11-03 | 2007-04-11 | 北京航空航天大学 | 一种sins/gps组合导航系统的自适应加权反馈校正滤波方法 |
CN101949703A (zh) * | 2010-09-08 | 2011-01-19 | 北京航空航天大学 | 一种捷联惯性/卫星组合导航滤波方法 |
Non-Patent Citations (2)
Title |
---|
刘百奇等: "《基于GPS观测量和模型预测滤波的机载SINS/GPS空中自对准》", 《中国惯性技术学报》 * |
宫晓琳等: "《模型预测滤波在机载SAR运动补偿POS系统中的应用》", 《航空学报》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104937377A (zh) * | 2013-01-17 | 2015-09-23 | 可信定位股份有限公司 | 用于处理无约束的便携式导航装置的垂直取向的方法和设备 |
CN104937377B (zh) * | 2013-01-17 | 2018-11-09 | 可信定位股份有限公司 | 用于处理无约束的便携式导航装置的垂直取向的方法和设备 |
CN104020667A (zh) * | 2013-03-01 | 2014-09-03 | 费希尔-罗斯蒙特系统公司 | 过程控制系统中改进的卡尔曼滤波器 |
CN103364842A (zh) * | 2013-07-29 | 2013-10-23 | 中国人民解放军国防科学技术大学 | 一种捷联式航空重力仪误差分离方法 |
CN103364842B (zh) * | 2013-07-29 | 2017-03-01 | 中国人民解放军国防科学技术大学 | 一种捷联式航空重力仪误差分离方法 |
CN103438886A (zh) * | 2013-08-02 | 2013-12-11 | 国家卫星气象中心 | 基于粗精姿态关系模型的自旋稳定气象卫星姿态确定方法 |
CN103438886B (zh) * | 2013-08-02 | 2017-04-19 | 国家卫星气象中心 | 基于粗精姿态关系模型的自旋稳定气象卫星姿态确定方法 |
CN103940444A (zh) * | 2014-04-02 | 2014-07-23 | 南京理工大学 | 一种mimu组网式系统级标定方法 |
CN103940444B (zh) * | 2014-04-02 | 2017-01-18 | 南京理工大学 | 一种mimu组网式系统级标定方法 |
CN104344837A (zh) * | 2014-10-30 | 2015-02-11 | 北京航空航天大学 | 一种基于速度观测的冗余惯导系统加速度计系统级标定方法 |
CN104344837B (zh) * | 2014-10-30 | 2017-04-19 | 北京航空航天大学 | 一种基于速度观测的冗余惯导系统加速度计系统级标定方法 |
CN104655133B (zh) * | 2015-02-13 | 2017-08-04 | 西安应用光学研究所 | 一种车载升降桅杆平台姿态动态测量方法 |
CN104655133A (zh) * | 2015-02-13 | 2015-05-27 | 西安应用光学研究所 | 一种车载升降桅杆平台姿态动态测量方法 |
CN105066996A (zh) * | 2015-07-20 | 2015-11-18 | 东南大学 | 自适应矩阵卡尔曼滤波姿态估计方法 |
CN105066996B (zh) * | 2015-07-20 | 2017-11-28 | 东南大学 | 自适应矩阵卡尔曼滤波姿态估计方法 |
CN105865446A (zh) * | 2016-05-25 | 2016-08-17 | 南京航空航天大学 | 基于大气辅助的惯性高度通道阻尼卡尔曼滤波方法 |
CN107796388A (zh) * | 2016-09-06 | 2018-03-13 | 北京自动化控制设备研究所 | 一种基于惯性技术的相对姿态测量方法 |
CN107796388B (zh) * | 2016-09-06 | 2021-03-16 | 北京自动化控制设备研究所 | 一种基于惯性技术的相对姿态测量方法 |
CN106989761B (zh) * | 2017-05-25 | 2019-12-03 | 北京航天自动控制研究所 | 一种基于自适应滤波的空间飞行器制导工具在轨标定方法 |
CN106989761A (zh) * | 2017-05-25 | 2017-07-28 | 北京航天自动控制研究所 | 一种基于自适应滤波的空间飞行器制导工具在轨标定方法 |
WO2020124678A1 (zh) * | 2018-12-19 | 2020-06-25 | 上海交通大学 | 一种基于函数迭代积分的惯性导航解算方法及系统 |
CN111435258A (zh) * | 2019-10-23 | 2020-07-21 | 珠海全志科技股份有限公司 | 一种无人机漂移补偿方法、装置以及无人机 |
CN111435258B (zh) * | 2019-10-23 | 2023-08-11 | 珠海全志科技股份有限公司 | 一种无人机漂移补偿方法、装置以及无人机 |
CN110792430A (zh) * | 2019-11-20 | 2020-02-14 | 中国地质大学(北京) | 一种基于多传感器数据融合的随钻测斜方法及装置 |
CN111121723A (zh) * | 2019-12-23 | 2020-05-08 | 中国科学院长春光学精密机械与物理研究所 | 一种航空遥感设备工作状态参数记录系统 |
CN111623764A (zh) * | 2020-05-09 | 2020-09-04 | 中国人民解放军军事科学院国防科技创新研究院 | 微纳卫星姿态估计方法 |
CN111623764B (zh) * | 2020-05-09 | 2021-11-23 | 中国人民解放军军事科学院国防科技创新研究院 | 微纳卫星姿态估计方法 |
WO2022135070A1 (zh) * | 2020-12-24 | 2022-06-30 | 北京紫光展锐通信技术有限公司 | 惯性导航方法及设备 |
CN113465599A (zh) * | 2021-06-04 | 2021-10-01 | 北京信息科技大学 | 定位定向方法、装置及系统 |
CN113465599B (zh) * | 2021-06-04 | 2023-08-01 | 北京信息科技大学 | 定位定向方法、装置及系统 |
CN113295174A (zh) * | 2021-07-27 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 一种车道级定位的方法、相关装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102538792B (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102538792B (zh) | 一种位置姿态系统的滤波方法 | |
CN108226980B (zh) | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 | |
CN109459044B (zh) | 一种gnss双天线辅助的车载mems惯导组合导航方法 | |
US6876926B2 (en) | Method and system for processing pulse signals within an inertial navigation system | |
CN104181574B (zh) | 一种捷联惯导系统/全球导航卫星系统组合导航滤波系统及方法 | |
Wang et al. | Quadratic extended Kalman filter approach for GPS/INS integration | |
CN102169184B (zh) | 组合导航系统中测量双天线gps安装失准角的方法和装置 | |
CN108594283B (zh) | Gnss/mems惯性组合导航系统的自由安装方法 | |
CN108088468B (zh) | 一种系统集成误差的校验方法及装置 | |
CN103941273B (zh) | 机载惯性/卫星组合导航系统的自适应滤波方法与滤波器 | |
CN106767787A (zh) | 一种紧耦合gnss/ins组合导航装置 | |
US20170074678A1 (en) | Positioning and orientation data analysis system and method thereof | |
CN105371844A (zh) | 一种基于惯性/天文互助的惯性导航系统初始化方法 | |
CN103453917A (zh) | 一种双轴旋转式捷联惯导系统初始对准与自标校方法 | |
CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
CN103674064B (zh) | 捷联惯性导航系统的初始标定方法 | |
CN102706366A (zh) | 一种基于地球自转角速率约束的sins初始对准方法 | |
CN110133692B (zh) | 惯导技术辅助的高精度gnss动态倾斜测量系统及方法 | |
CN107764261B (zh) | 一种分布式pos传递对准用模拟数据生成方法和系统 | |
CN103604428A (zh) | 基于高精度水平基准的星敏感器定位方法 | |
CN109489661B (zh) | 一种卫星初始入轨时陀螺组合常值漂移估计方法 | |
CN103792561A (zh) | 一种基于gnss通道差分的紧组合降维滤波方法 | |
CN108303120B (zh) | 一种机载分布式pos的实时传递对准的方法及装置 | |
CN103968844A (zh) | 基于低轨平台跟踪测量的大椭圆机动航天器自主导航方法 | |
CN109084755B (zh) | 一种基于重力视速度与参数辨识的加速度计零偏估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141105 Termination date: 20190208 |
|
CF01 | Termination of patent right due to non-payment of annual fee |