CN108416387B - 基于gps与气压计融合数据的高度滤波方法 - Google Patents

基于gps与气压计融合数据的高度滤波方法 Download PDF

Info

Publication number
CN108416387B
CN108416387B CN201810192751.6A CN201810192751A CN108416387B CN 108416387 B CN108416387 B CN 108416387B CN 201810192751 A CN201810192751 A CN 201810192751A CN 108416387 B CN108416387 B CN 108416387B
Authority
CN
China
Prior art keywords
height
filtering
gps
acceleration
barometer
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.)
Active
Application number
CN201810192751.6A
Other languages
English (en)
Other versions
CN108416387A (zh
Inventor
胡少兴
李晓东
田博显
肖深
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201810192751.6A priority Critical patent/CN108416387B/zh
Publication of CN108416387A publication Critical patent/CN108416387A/zh
Application granted granted Critical
Publication of CN108416387B publication Critical patent/CN108416387B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供了一种基于GPS与气压计融合数据的高度滤波方法，该方法首先对GPS可用卫星数量及三维位置精度因子分析，构建判断融合后的观测高度中GPS与气压计高度模型，然后将其作为惯性导航高度滤波观测量，使用互补滤波对导航系下的高度进行滤波。本方法通过分析惯性导航、GPS导航及气压计特性，能够结合各自优点，使系统能够应用于更为复杂的工作环境。将GPS测量高度与气压高度数据进行融合，在进行高度校正的同时得到较为精确的速度与位置。同时解决了单一传感器信号较弱或数据较差时对滤波效果产生的不利影响。

Description

基于GPS与气压计融合数据的高度滤波方法
技术领域
本发明主要涉及惯性导航以及传感器数据融合技术领域，属于惯性导航，GPS导航及多传感器信息融合等技术领域，具体涉及一种基于GPS与气压计融合数据的高度滤波方法。
背景技术
惯性导航输出频率高，能够实时输出载体运动状态，且不需要外部信息摄入，不受天气影响，但是由于惯性传感器的数据漂移，使得解算得到的姿态、速度与位置发散特别快。GPS能够全天候工作，为载体提供较为准确的时间，位置，速度等信息，同样不受天气影响，但是其必须工作在空旷无遮挡物的室外，在室内无法实现定位，在有高大遮挡物的室外由于信号遮挡使得定位信息不准。气压计通过测量大气压强解算高度，但是其受天气影响较为严重，大风环境影响周围气压，使得根据压强解算得到的高度出现误差或是漂移。此三种导航系统，各有优缺点，通过信息融合，能够结合各导航系统的优点。
惯性导航解算得到的高度是发散的，采用GPS与气压计对高度进行观测来抑制高度漂移，同时得到较为精确的速度与位置。
发明内容
为解决高度计算时，单个传感器观测高度无法适应复杂工作环境的弊端，本发明提出一种融合GPS与气压计高度作为观测量的高度滤波方法。使用互补滤波将融合后的高度对惯导系统高度进行滤波，本发明能够得到较为精确的高度、速度与加速度，解决了单一传感器信号较弱或数据较差时对滤波效果产生的不利影响。
本发明采用的技术方案为：基于GPS与气压计融合数据的高度滤波方法，包括如下步骤：
(1)一阶龙格-库塔解算四元数：
Figure BDA0001592153780000011
Figure BDA0001592153780000021
Figure BDA0001592153780000022
其中q0(t),q1(t),q2(t),q3(t)为t时刻的四元数，
Figure BDA0001592153780000024
q0(t+T),q1(t+T),q2(t+T),q3(t+T)为t+T时刻的四元数。wx(t)，wy(t)，wz(t)分别为机体坐标系下x,y,z轴的角速度值，亦即陀螺仪的输出。T为姿态解算周期。
(2)解算出四元数后，计算旋转矩阵：
Figure BDA0001592153780000025
同时可得到由导航系到载体坐标系的旋转矩阵：
Cnb＝(Cbn)T (6)
其中Cbn为载体坐标系到导航坐标系的旋转矩阵，Cnb为导航坐标系到载体坐标系的旋转矩阵，q0,q1,q2,q3为式(1)-(4)中解算得到的四元数。
(3)将加速度数据转换至导航坐标系下：
Figure BDA0001592153780000026
其中Cbn为式(6)的旋转矩阵，
Figure BDA0001592153780000027
为载体坐标系下的加速度值，亦即加速度计输出值，
Figure BDA0001592153780000028
为导航系下的加速度值。
(4)计算滤波观测量中GPS高度与气压计高度的比例系数
Figure BDA0001592153780000029
其中n为GPS搜到的卫星数，x为GPS解算输出的pDOP三维位置精度因子，KH为比例系数。
(5)计算GPS与气压计高度融合后的观测高度：
Figure BDA00015921537800000210
式中H1为GPS观测高度，H2为气压计观测高度，
Figure BDA00015921537800000211
为GPS与气压计观测高度融合后的高度值，作为滤波抑制惯导高度发散的观测量，KH为式(8)中计算得到的比例因子。
(6)采用互补滤波对惯导高度进行校正，同时得到较为精确的速度与加速度：
计算高度偏差：
Figure BDA0001592153780000031
H*(k-n)为距当前k时刻n个滤波周期前的滤波高度历史值。ΔH(k)为观测高度与滤波高度的偏差值。
Figure BDA0001592153780000032
为式(9)中计算得到的融合高度值。
计算加速度，速度及高度修正值：
ac(k)＝ac(k-1)+ΔH(k)KaΔT(k) (11)
vc(k)＝vc(k-1)+ΔH(k)KvΔT(k) (12)
pc(k)＝pc(k-1)+ΔH(k)KpΔT(k) (13)
其中ac(k)、vc(k)及pc(k)分别为第k个滤波周期的加速度、速度和高度修正值。ac(k-1)、vc(k-1)及pc(k-1)分别为第k-1个滤波周期的加速度、速度和高度修正值。ΔT(k)为第k个滤波周期与第k-1个滤波周期之间的间隔时间。ΔH为式(10)中计算得到的高度偏差。ΔT(k)为滤波周期。Ka、Kv及Kp分别为加速度、速度及高度修正值的计算比例系数，其计算方式为：
Ka＝1/K3 (14)
Kv＝1/K2 (15)
Kp＝1/K (16)
其中K可取2～10之间的整数值，可以根据滤波效果具体调整。
进行加速度校正：
a*(k)＝an(k)+ac(k) (17)
式中a*(k)为校正后的加速度值，an(k)为加速度计输出转换至导航系下的垂直方向加速度值，ac(k)为式(11)计算得到的加速度校正值。
高度计算及高度校正：
Δv(k)＝(a*(k)+a*(k-1))ΔT(k)/2 (18)
Ho(k)＝Ho(k-1)+[v*(k-1)+(v*(k-1)+Δv(k)/2)]ΔT(k) (19)
H*(k)＝Ho(k)+pc(k) (20)
其中Δv(k)为第k-1滤波周期至第k个滤波周期的速度增量，a*(k)为式(17)中经过校正后的加速度，H*(k)为最终滤波后的高度，Ho(k)为中间计算未经滤波后的高度，v*(k-1)为第k-1个滤波周期的滤波速度，pc(k)为式(13)计算得到高度校正值。
计算速度及进行速度校正：
vo(k)＝vo(k-1)+Δv(k) (21)
v*(k)＝vo(k)+vc(k) (22)
其中v*(k)为滤波后的速度，vo(k)为第k时刻未经校正的速度计算值。Δv(k)为式(18)计算得到的速度增量，vc(k)为式(13)计算得到的速度校正值。
本发明与现有技术相比的优点在于：
(1)本发明的创新点在于融合多传感器的优势，通过对多传感器数据进行融合，将惯性导航、GPS导航及气压计的优点进行结合，可以使算法能够应对各种工作环境。
(2)同时，本发明采用互补滤波对高度数据进行滤波，能够在抑制惯导发散的基础上，同时得到较为精确的速度与加速度。
(3)算法简易，容易理解，计算量小，能够在嵌入式平台中实时运行。
(4)本发明在滤波过程中计算高度误差时，对传感器观测高度的延时性做了相应处理，使滤波高度输出与观测高度输出处于相同的有效时间，保证算法稳健性。
(5)高度滤波作为独立系统进行处理，可以将发散的惯导高度通道从系统中分离出来，避免污染整个系统。
附图说明
图1为本发明的基于GPS与气压计融合数据的高度滤波方法实现流程图。
具体实施方式
下面结合附图说明进一步说明本发明。
如图1所示，本发明的基于GPS与气压计融合数据的高度滤波方法，滤波过程整体分为三步：首先进行姿态解算，得出旋转矩阵后，将载体上的加速度值转换至导航坐标系；然后根据GPS可用卫星数及三维位置精度因子pDOP计算比例系数，将GPS观测高度与气压计高度进行融合，得到滤波的观测高度；最后，通过互补滤波对惯导解算高度进行滤波，同时得到较为精确的速度与位置。
(1)一阶龙格-库塔解算四元数：
Figure BDA0001592153780000041
Figure BDA0001592153780000042
Figure BDA0001592153780000051
Figure BDA0001592153780000052
其中q0(t),q1(t),q2(t),q3(t)为t时刻的四元数，
Figure BDA0001592153780000053
q0(t+T),q1(t+T),q2(t+T),q3(t+T)为t+T时刻的四元数。wx(t)，wy(t)，wz(t)分别为机体坐标系下x,y,z轴的角速度值，亦即陀螺仪的输出。T为姿态解算周期。在姿态解算时，为了达到更高的解算精度，可以进行二阶龙格-库塔解算或者是四阶龙格-库塔解算，但是当传感器精度无法提高时，即使采用更高阶的方法进行解算，解算得到的姿态也不会提高。所以，对于低成本惯导系统，一阶龙格-库塔解算完全能够满足要求。当惯导精度较高时，便可采用四阶龙格-库塔解算。
(2)解算出四元数后，计算旋转矩阵：
Figure BDA0001592153780000054
同时可得到由导航系到载体坐标系的旋转矩阵：
Cnb＝(Cbn)T (6)
其中Cbn为载体坐标系到导航坐标系的旋转矩阵，Cnb为导航坐标系到载体坐标系的旋转矩阵，q0,q1,q2,q3为式(1)-(4)中解算得到的四元数。因为陀螺仪数据存在漂移，所以单纯由陀螺仪解算得到的姿态也会漂移，此时可以通过加速度计及磁力计分别对姿态进行水平校正与偏航角校正，校正算法有很多，可以采用互补滤波，卡尔曼滤波或者是梯度下降法等。。
(3)将加速度数据转换至导航坐标系下：
Figure BDA0001592153780000055
其中Cbn为式(6)的旋转矩阵，
Figure BDA0001592153780000056
为载体坐标系下的加速度值，亦即加速度计输出值，
Figure BDA0001592153780000057
为导航系下的加速度值。
(4)计算滤波观测量中GPS高度与气压计高度的比例系数
Figure BDA0001592153780000058
其中n为GPS搜到的卫星数，x为GPS解算的pDOP三维位置精度因子。KH为比例系数。pDOP三维位置精度因子表示GPS可用卫星与用户接收机之间的几何关系，其值越小，表明GPS的定为精度越高。当pDOP系数小于3时，表明有效定位。
(5)计算GPS与气压计高度融合后的观测高度：
Figure BDA0001592153780000061
式中H1为GPS观测高度，H2为气压计观测高度，
Figure BDA0001592153780000062
为GPS与气压计观测高度融合后的高度值，作为滤波抑制惯导高度发散的观测量，KH为式(8)中计算得到的比例因子。结合式(8)与式(9)，当GPS可用卫星数越多，pDOP系数越小，则GPS导航定位精度越高，此时KH越大，在融合后的高度中GPS高度所占比例越大，此时观测量，更加信任GPS。因为GPS不受大风等天气影响，所以当GPS定位精度高时，其数据稳定性要高于气压计。
(6)采用互补滤波对惯导高度进行校正，同时得到较为精确的速度与加速度：
计算高度偏差：
Figure BDA0001592153780000063
H*(k-n)为距当前k时刻n个滤波周期前的滤波高度历史值。因为GPS与气压计传感器观测高度存在延迟，所以为了在时间上保持计算同步，将当前的观测高度与n个滤波周期前的滤波高度作差值求取高度偏差。ΔH(k)为观测高度与滤波高度的偏差值。
Figure BDA0001592153780000064
为式(9)中计算得到的融合高度值。
计算加速度，速度及高度修正值：
ac(k)＝ac(k-1)+ΔH(k)KaΔT(k) (11)
vc(k)＝vc(k-1)+ΔH(k)KvΔT(k) (12)
pc(k)＝pc(k-1)+ΔH(k)KpΔT(k) (13)
其中ac(k)、vc(k)及pc(k)分别为第k个滤波周期的加速度、速度和高度修正值。ΔT(k)为第k个滤波周期与第k-1个滤波周期之间的间隔时间。ΔH为式(10)中计算得到的高度偏差。ΔT(k)为滤波周期。Ka、Kv及Kp分别为加速度、速度及高度修正值的计算比例系数，其计算方式为：
Ka＝1/K3 (14)
Kv＝1/K2 (15)
Kp＝1/K (16)
其中K可取2～10之间的整数值，可以根据滤波效果具体调整。
进行加速度校正：
a*(k)＝an(k)+ac(k) (17)
式中a*(k)为校正后的加速度值，an(k)为加速度计输出转换至导航系下的垂直方向加速度值。
高度计算及高度校正：
Δv(k)＝(a*(k)+a*(k-1))ΔT(k)/2 (18)
Ho(k)＝Ho(k-1)+[v*(k-1)+(v*(k-1)+Δv(k)/2)]ΔT(k) (19)
H*(k)＝Ho(k)+pc(k) (20)
其中Δv(k)为第k-1时刻至k时刻的速度增量，a*(k)为式(17)中经过校正后的加速度，H*(k)为最终滤波后的高度，Ho(k)为中间计算未经滤波后的高度，v*(k-1)为k-1时刻的滤波速度，pc(k)为式(13)中计算得到的位置校正量。
计算速度以及进行速度校正：
vo(k)＝vo(k-1)+Δv(k) (21)
v*(k)＝vo(k)+vc(k) (22)
其中v*(k)为滤波后的速度，vo(k)为第k时刻未经校正的速度计算值。Δv(k)为式(18)计算得到的速度增量，vc(k)为式(12)中计算得到的速度校正值。
将GPS数据与气压计数据进行融合，得到融合后的观测值，然后进行互补滤波，对高度进行抑制，同时得到较为精确的速度与加速度。可以通过融合惯性导航、GPS导航及气压计的数据，将三者的优点结合起来，使算法能够适应更加复杂的环境。
以上详细描述了本发明的实施方式，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。

Claims (1)

1.基于GPS与气压计融合数据的高度滤波方法，其特征是包括如下步骤：
(1)一阶龙格-库塔解算四元数：
Figure FDA0002302735680000011
Figure FDA0002302735680000012
Figure FDA0002302735680000013
Figure FDA0002302735680000014
其中q0(t),q1(t),q2(t),q3(t)为t时刻的四元数，
Figure FDA0002302735680000015
q0(t+T),q1(t+T),q2(t+T),q3(t+T)为t+T时刻的四元数，wx(t)，wy(t)，wz(t)分别为机体坐标系下x,y,z轴的角速度值，亦即陀螺仪的输出值，T为姿态解算周期；
(2)解算出四元数后，计算旋转矩阵：
Figure FDA0002302735680000016
同时可得到由导航坐标系到载体坐标系的旋转矩阵：
Cnb＝(Cbn)T (6)
其中Cbn为载体坐标系到导航坐标系的旋转矩阵，Cnb为导航坐标系到载体坐标系的旋转矩阵，q0,q1,q2,q3为式(1)-(4)中解算得到的四元数；
(3)将加速度计数据转换至导航坐标系下：
Figure FDA0002302735680000017
其中Cbn为式(5)的旋转矩阵，
Figure FDA0002302735680000018
为载体坐标系下的加速度值，亦即加速度计输出值，
Figure FDA0002302735680000019
为导航系下的加速度值；
(4)计算滤波观测量中GPS高度与气压计高度的比例系数：
Figure FDA00023027356800000110
其中n为GPS搜到的卫星数，x为GPS解算输出的pDOP三维位置精度因子，KH为比例系数；
(5)计算GPS与气压计高度融合后的观测高度：
Figure FDA0002302735680000021
式中H1为GPS观测高度，H2为气压计观测高度，
Figure FDA0002302735680000022
为GPS与气压计观测高度融合后的高度值，作为滤波抑制惯导高度发散的观测量，KH为式(8)中计算得到的比例因子；
(6)采用互补滤波对惯导高度进行校正，同时得到较为精确的速度与加速度：
计算高度偏差：
Figure FDA0002302735680000023
H*(k-n)为距当前k时刻n个滤波周期前的滤波高度历史值，ΔH(k)为观测高度与滤波高度的偏差值，
Figure FDA0002302735680000024
为式(9)中计算得到的融合高度值；
计算加速度，速度及高度修正值：
ac(k)＝ac(k-1)+ΔH(k)KaΔT(k) (11)
vc(k)＝vc(k-1)+ΔH(k)KvΔT(k) (12)
pc(k)＝pc(k-1)+ΔH(k)KpΔT(k) (13)
其中ac(k)、vc(k)及pc(k)分别为第k个滤波周期的加速度、速度和高度修正值，ac(k-1)、vc(k-1)及pc(k-1)分别为第k-1个滤波周期的加速度、速度和高度修正值，ΔT(k)为第k个滤波周期与第k-1个滤波周期之间的间隔时间，ΔH(k)为式(10)中计算得到的高度偏差，ΔT(k)为滤波周期，Ka、Kv及Kp分别为加速度、速度及高度修正值的计算比例系数，其计算方式为：
Ka＝1/K3 (14)
Kv＝1/K2 (15)
Kp＝1/K (16)
其中K可取2～10之间的整数值，可以根据滤波效果具体调整；
进行加速度校正：
a*(k)＝an(k)+ac(k) (17)
式中a*(k)为校正后的加速度值，an(k)为加速度计输出转换至导航系下的垂直方向加速度值，ac(k)为式(11)计算得到的加速度计校正值；
高度计算及高度校正：
Δv(k)＝(a*(k)+a*(k-1))ΔT(k)/2 (18)
Ho(k)＝Ho(k-1)+[v*(k-1)+(v*(k-1)+Δv(k)/2)]ΔT(k) (19)
H*(k)＝Ho(k)+pc(k) (20)
其中Δv(k)为第k-1个滤波周期至第k个滤波周期的速度增量，a*(k)为式(17)中经过校正后的加速度，H*(k)为最终滤波后的高度，Ho(k)为中间计算未经滤波后的高度，v*(k-1)为k-1时刻的滤波速度，pc(k)为式(13)计算得到的高度校正值；
计算速度及进行速度校正：
vo(k)＝vo(k-1)+Δv(k) (21)
v*(k)＝vo(k)+vc(k) (22)
其中v*(k)为滤波后的速度，vo(k)为第k时刻未经校正的速度计算值，Δv(k)为式(18)计算得到的速度增量，vc(k)为式(12)计算得到的速度校正值。
CN201810192751.6A 2018-03-09 2018-03-09 基于gps与气压计融合数据的高度滤波方法 Active CN108416387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810192751.6A CN108416387B (zh) 2018-03-09 2018-03-09 基于gps与气压计融合数据的高度滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810192751.6A CN108416387B (zh) 2018-03-09 2018-03-09 基于gps与气压计融合数据的高度滤波方法

Publications (2)

Publication Number Publication Date
CN108416387A CN108416387A (zh) 2018-08-17
CN108416387B true CN108416387B (zh) 2020-06-19

Family

ID=63130634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810192751.6A Active CN108416387B (zh) 2018-03-09 2018-03-09 基于gps与气压计融合数据的高度滤波方法

Country Status (1)

Country Link
CN (1) CN108416387B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113093252B (zh) * 2020-01-08 2022-08-26 南京航空航天大学 一种利用手机气压和加速度传感器辅助gps提升用户位置追踪精度的方法
CN112629530B (zh) * 2020-12-16 2022-01-07 星觅(上海)科技有限公司 一种车辆定位方法、装置、设备及存储介质
CN113744497B (zh) * 2021-09-24 2023-03-07 广州瀚信通信科技股份有限公司 高空预警管理安全帽系统及其预警方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215244B (zh) * 2014-08-22 2017-04-05 南京航空航天大学 基于发射惯性坐标系的空天飞行器组合导航鲁棒滤波方法
EA032691B1 (ru) * 2015-01-14 2019-07-31 Стм Савунма Текноложильери Мюхендислик Ве Тиджарет Аноним Ширкети Способ точного позиционирования
CN106840203B (zh) * 2017-01-10 2020-01-17 南京航空航天大学 惯导/气压高度计/gps组合导航系统中气压高度计校正方法
CN106595578B (zh) * 2017-01-25 2019-06-14 拓攻（南京）机器人有限公司 一种基于多传感器信息融合的无人机高度测量方法及系统

Also Published As

Publication number Publication date
CN108416387A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN107655476B (zh) 基于多信息融合补偿的行人高精度足部导航方法
CN107588769B (zh) 一种车载捷联惯导、里程计及高程计组合导航方法
CN112629538B (zh) 基于融合互补滤波和卡尔曼滤波的舰船水平姿态测量方法
CN104698486B (zh) 一种分布式pos用数据处理计算机系统实时导航方法
CN106767752B (zh) 一种基于偏振信息的组合导航方法
CN105737828B (zh) 一种基于强跟踪的相关熵扩展卡尔曼滤波的组合导航方法
JP5068531B2 (ja) 測定及び記憶された重力傾度を用いて慣性航法測定値の精度を改善する方法及びシステム
CN107270893B (zh) 面向不动产测量的杆臂、时间不同步误差估计与补偿方法
Rios et al. Fusion filter algorithm enhancements for a MEMS GPS/IMU
CN112504275B (zh) 一种基于级联卡尔曼滤波算法的水面舰船水平姿态测量方法
CN108416387B (zh) 基于gps与气压计融合数据的高度滤波方法
CN110133692B (zh) 惯导技术辅助的高精度gnss动态倾斜测量系统及方法
CN110849360B (zh) 面向多机协同编队飞行的分布式相对导航方法
CN109489661B (zh) 一种卫星初始入轨时陀螺组合常值漂移估计方法
CN112146655A (zh) 一种BeiDou/SINS紧组合导航系统弹性模型设计方法
CN111722295B (zh) 一种水下捷联式重力测量数据处理方法
CN111189474A (zh) 基于mems的marg传感器的自主校准方法
CN112432642A (zh) 一种重力灯塔与惯性导航融合定位方法及系统
CN111189442A (zh) 基于cepf的无人机多源导航信息状态预测方法
CN110058324B (zh) 利用重力场模型的捷联式重力仪水平分量误差修正方法
CN105928519B (zh) 基于ins惯性导航与gps导航以及磁力计的导航算法
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
RU2654965C1 (ru) Комбинированная бесплатформенная астроинерциальная навигационная система
CN111220151B (zh) 载体系下考虑温度模型的惯性和里程计组合导航方法
CN113008272A (zh) 一种用于微小卫星的mems陀螺在轨常值漂移标定方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant