WO2022063120A1 - 组合导航系统初始化方法、装置、介质及电子设备 - Google Patents

组合导航系统初始化方法、装置、介质及电子设备 Download PDF

Info

Publication number
WO2022063120A1
WO2022063120A1 PCT/CN2021/119596 CN2021119596W WO2022063120A1 WO 2022063120 A1 WO2022063120 A1 WO 2022063120A1 CN 2021119596 W CN2021119596 W CN 2021119596W WO 2022063120 A1 WO2022063120 A1 WO 2022063120A1
Authority
WO
WIPO (PCT)
Prior art keywords
motion state
state estimation
value
prediction result
navigation system
Prior art date
Application number
PCT/CN2021/119596
Other languages
English (en)
French (fr)
Inventor
钱劭晨
Original Assignee
深圳市领峰电动智能科技有限公司
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 深圳市领峰电动智能科技有限公司 filed Critical 深圳市领峰电动智能科技有限公司
Priority to US18/246,324 priority Critical patent/US20230366680A1/en
Priority to EP21871490.5A priority patent/EP4220086A1/en
Publication of WO2022063120A1 publication Critical patent/WO2022063120A1/zh

Links

Images

Classifications

    • 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
    • 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
    • G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
    • G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52—Determining velocity

Definitions

  • the current motion state estimate may be the current position, speed, speed direction, and speed error of the aircraft obtained by filtering, and the motion state estimate is zero when it is at the start time.
  • the aircraft is an aircraft in a moving state, and may be an aircraft in a highly maneuverable or turbulent state, such as an aircraft on a moving ship or a moving vehicle.
  • the sensor measurement value may further include at least one of a speed parameter, an attitude parameter, an acceleration parameter, an angular velocity parameter, a magnetic force parameter, and an air pressure parameter.
  • the speed parameter can be measured by the Global Positioning System (GPS) or obtained by other positioning components.
  • Attitude parameters and angular velocity parameters are measured by a gyroscope in an inertial measurement unit (IMU).
  • the acceleration parameters are measured by the accelerometer in the IMU.
  • Magnetic parameters are measured by magnetometers.
  • the air pressure parameter is measured by the barometer and used to calculate the altitude of the position of the aircraft.
  • the attitude refers to the state of the three axes of the aircraft relative to a reference line or a reference plane, or a fixed coordinate system in the air.
  • the motion state estimation prediction result at the calibration time is obtained by calculation; and, the actual parameter value of the aircraft in the motion state at the calibration time is obtained; if the calibration If the motion state estimation prediction result at the moment and the actual parameter value conform to a preset convergence relationship, it is determined that the motion state estimation prediction result is converged.
  • the preset convergence relationship is required by those skilled in the art or determined according to an empirical value.
  • the integrated navigation system initialization device includes: a motion state estimation acquisition module 310, a motion state estimation prediction result acquisition module 320, a Kalman linear filter initialization module 330, and a navigation system correction module 340, wherein the motion state
  • the estimation obtaining module 310 is used to obtain the current motion state estimation and sensor measurement value of the aircraft
  • the motion state estimation prediction result obtaining module 320 is used to obtain the motion state estimation value by filtering according to the attributes of the motion state estimation and the sensor measurement value, and Perform prediction based on the motion state estimation value to obtain the motion state estimation prediction result
  • Kalman linear filter initialization module 330 is configured to input the motion state estimation value to the Kalman linear filter if the motion state estimation result converges
  • the filter is used to initialize the Kalman linear filter
  • the navigation system correction module 340 is used to initialize the integrated navigation system according to the initialized Kalman linear filter.
  • FIG. 4 is a schematic structural diagram of an electronic device provided in Embodiment 4 of the present application.
  • this embodiment provides an electronic device 400, which includes: one or more processors 420; and a storage device 410 for storing one or more programs, when the one or more programs are The one or more processors 420 execute, so that the one or more processors 420 implement the integrated navigation system initialization method provided by the embodiment of the present application, the method includes:
  • the storage device 410 may mainly include a storage program area and a storage data area, wherein the storage program area may store an operating system, an application program required for at least one function; the storage data area may store data created according to the use of the terminal, and the like. Additionally, storage device 410 may include high-speed random access memory, and may also include non-volatile memory, such as at least one magnetic disk storage device, flash memory device, or other non-volatile solid-state storage device. In some examples, storage device 410 may further include memory located remotely from processor 420, the remote memory may be connected through a network. Examples of such networks include, but are not limited to, the Internet, an intranet, a local area network, a mobile communication network, and combinations thereof.

Abstract

一种组合导航系统初始化方法、装置、介质及电子设备(400)。方法包括：S110、获取飞行器当前运动状态估计及传感器测量值；S120、根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于运动状态估计值进行预测得到运动状态估计预测结果；S130、若运动状态估计预测结果收敛，则将运动状态估计值输入至卡尔曼线性滤波器(260)，进行卡尔曼线性滤波器(260)的初始化；S140、根据初始化的卡尔曼线性滤波器(260)进行组合导航系统校正。

Description

组合导航系统初始化方法、装置、介质及电子设备
本申请要求在2020年09月22日提交中国专利局、申请号为202011003250.2的中国专利申请的优先权，该申请的全部内容通过引用结合在本申请中。
技术领域
本申请实施例涉及信息控制技术领域，尤其涉及一种组合导航系统初始化方法、装置、介质及电子设备。
背景技术
组合导航系统，是将飞机和舰船等运载体上的两种或两种以上的导航设备组合在一起的导航系统。每种单一导航系统都有各自的独特性能和局限性。把几种不同的单一系统组合在一起，就能利用多种信息源，互相补充，构成一种导航准确度更高的多功能系统。如何在运算资源有限的平台上完成导航初始化，成为本领域中一个棘手的问题。
相关技术中，基于飞行器所处平台静止的假设，对组合导航系统进行初始化，将各类传感器提供的信息，通过滤波器，得出最优估计值。
但是，进行组合导航系统初始化时，无法保证信息估计值的稳定性，在大的速度及姿态误差下，组合导航系统存在无法收敛的情况。
发明内容
本申请实施例提供一种组合导航系统初始化方法、装置、介质及电子设备，可以达到减少运动状态估计的误差，获得更加准确的运动状态估计值，以便于飞行器在高速晃动平台上完成组合导航系统初始化的目的。
第一方面，本申请实施例提供了一种组合导航系统初始化方法，该方法包括：
获取飞行器当前运动状态估计及传感器测量值；
根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；
若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；
根据初始化的卡尔曼线性滤波器进行导航系统校正。
可选的，根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，包括：
采用非线性互补滤波器，根据所述当前运动状态估计及传感器测量值的频率属性，采用互补滤波；
对互补滤波的结果进行融合得到运动状态估计值。
可选的，基于所述运动状态估计值进行预测得到运动状态估计预测结果，包括：
采用非线性互补滤波器的预设预测公式，对至少一个运动状态估计值进行预测运算，得到所述至少一个运动状态估计的运动状态估计预测结果。
可选的，在基于所述运动状态估计值进行预测得到运动状态估计预测结果之后，所述方法还包括：
运算得到标定时刻的运动状态估计预测结果；并，获取所述运动状态的飞行器的标定时刻的实际参数值；
若所述标定时刻的运动状态估计预测结果与所述实际参数值符合预设收敛关系，则确定运动状态估计预测结果收敛。
其中，所述运动状态估计包括：速度参数、姿态参数、加速度参数、角速度参数、磁力参数以及气压参数中的至少一种。
第二方面，本申请实施例提供了一种组合导航系统初始化装置，该装置包括：
运动状态估计获取模块，用于获取飞行器当前运动状态估计及传感器测量值；
运动状态估计预测结果获得模块，用于根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；
卡尔曼线性滤波器初始化模块，用于若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；
导航系统校正模块，用于根据初始化的卡尔曼线性滤波器进行导航系统校正。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的组合导航系统初始化方法。
第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的组合导航系统初始化方法。
本申请实施例所提供的技术方案，通过获取飞行器当前运动状态估计及传感器测量值；根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；根据初始化的卡尔曼线性滤波器进行导航系统校正。上述技术方案可以减少运动状态估计的误差，获得更加准确的运动状态估计值，以使组合导航系统具有在大姿态、大晃动运动平台上完成运动状态估计初始化的能力。
附图说明
图1是本申请实施例提供的组合导航系统初始化方法的流程图；
图2是本申请实施例提供的组合导航系统初始化过程的示意图；
图3是本申请实施例提供的组合导航系统初始化装置的结构示意图；
图4是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本申请实施例一提供的组合导航系统初始化方法的流程图，本实施例可适用于飞行器所在平台处于高度机动或者颠簸状态的情况，该方法可以由本申请实施例所提供的组合导航系统初始化装置执行，该装置可以由软件和/或 硬件的方式来实现，并可集成于用于突发事件处理的智能终端等电子设备中。
如图1所示，所述组合导航系统初始化方法包括：
S110、获取飞行器当前运动状态估计及传感器测量值。
其中，当前运动状态估计可以是滤波得到的飞行器当前所处的位置、速度大小、速度方向和速度误差等，当处于开始时刻时，运动状态估计是零。其中，飞行器是处于运动状态的的飞行器，可以是处于高度机动或者颠簸状态的飞行器，例如处于行驶的轮船、运动的车辆上的飞行器。
传感器可以是高度计、多普勒雷达、空速表、磁传感器和雷达或光电成像系统等。
其中，传感器测量值还可包括：速度参数、姿态参数、加速度参数、角速度参数、磁力参数以及气压参数中的至少一种。速度参数可以由全球定位系统(Global Positioning System，GPS)测量得到，也可以通过其他定位组件来得到。姿态参数和角速度参数由惯性测量单元(Inertial Measurement Unit，IMU)中的陀螺仪测量得到。加速度参数由IMU中的加速度计测量得到。磁力参数由磁力计测量得到。气压参数由气压计测量得到，用于计算飞行器所处位置的高度。其中，姿态是指飞行器的三轴在空中相对于某条参考线或某个参考平面，或某固定的坐标系统间的状态，如，飞行器机体轴相对于地面的角位置，通常用三个角度表示，如：俯仰角，飞行器机体纵轴与水平面的夹角；偏航角，飞行器机体纵轴在水平面上的投影与该面上参数线之间的夹角；滚转角，飞行器自身旋转平面与通过飞行器机体纵轴的铅垂平面间的夹角。
S120、根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果。
其中，传感器测量值的属性是指传感器测量值的频率的高低，可以是低频信号，也可以是高频信号。
通常，测量得到的传感器测量值还包含有噪声等信息，根据传感器测量值的频率的高低，采用互补滤波处理得到运动状态估计值，若运动状态估计是高频信号，噪声是低频信号时，则通过高通滤波器，滤掉低频噪声，得到高频的传感器测量值；若运动状态估计是低频信号，噪声是高频信号，则通过低通滤波器，滤掉高频信号，得到低频的传感器测量值，将高频的传感器测量值和低频的传感器测量值作加权平均，再结合当前运动状态估计，得到运动状态估计值，进而基于运动状态估计值，利用预设预测公式得到运动状态估计预测结果。
在本实施例中，可选的，采用非线性互补滤波器，根据所述传感器测量值 的频率属性，采用互补滤波；对互补滤波的结果进行融合得到运动状态估计值。采用非线性互补滤波器的预设预测公式，对至少一个运动状态估计值进行预测运算，得到所述至少一个运动状态估计的运动状态估计预测结果。
非线性互补滤波器，是将多参数数据输入之后，根据参数的频率分布情况，进行拆分滤波之后，拼接以得到去除噪声的多参数数据的滤波器。
可以理解的是，非线性互补滤波器具有全局渐进稳定性，且具有指数收敛性，通过非线性互补滤波器对运动状态估计的预测，使得所预测的结果更加准确有效。
在基于所述运动状态估计值进行预测得到运动状态估计预测结果之后，运算得到标定时刻的运动状态估计预测结果；并，获取所述运动状态的飞行器的标定时刻的实际参数值；若所述标定时刻的运动状态估计预测结果与所述实际参数值符合预设收敛关系，则确定运动状态估计预测结果收敛。其中，预设收敛关系由本领域技术人员需要或者根据经验值确定。
可以理解的是，通过判断预测结果的收敛性，可以保证后续卡尔曼线性滤波的结果更加准确有效。
示例性地，在基于速度参数值进行预测得到速度参数预测结果之后，运算得到标定时刻的速度参数预测结果；并，获取运动状态的飞行器的标定时刻的GPS测量得到的实际速度参数值；若标定时刻的速度参数预测结果与GPS测量得到实际速度参数值相等，则确定速度参数预测结果收敛。其中，速度参数预测和加速度参数以及姿态参数有关联。
S130、若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化。
其中，卡尔曼线性滤波器是一种用于时变线性系统的递归滤波器，通过上一时刻的数据与当前时刻测量得到的数据对当前运动状态估计的最优预测。
若运动状态估计预测结果收敛，飞行器组合导航系统则将运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化，具体可以是：卡尔曼滤波器以先前滤波得到的运动状态估计值为基础预测当前飞行器中测量单元所得到的运动状态估计，以GPS，磁力计，气压计等外部传感器测量值为修正量进行修正，从而获得对当前运动状态估计的最近估计预测。
S140、根据初始化的卡尔曼线性滤波器进行导航系统校正。
初始化的卡尔曼滤波器对收敛后的运动状态估计的预测结果再次进行估计预测，得到更加准确的运动状态估计值，飞行器组合导航系统根据卡尔曼滤波器估计所得的运动状态估计值进行组合导航系统初始化，进而进行导航系统校 正，实现组合导航系统初始化。
本申请实施例所提供的技术方案，通过获取飞行器当前运动状态估计及传感器测量值；根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；根据初始化的卡尔曼线性滤波器进行导航系统校正。上述技术方案可以减少运动状态估计的误差，获得更加准确的运动状态估计值，以使组合导航系统具有在大姿态、大晃动运动平台上完成运动状态估计初始化的能力。
实施例二
图2是本申请实施例二提供的组合导航系统初始化过程的示意图，在上述实施例的基础上，提供一种可选方式。
如图2所示的组合导航系统初始化过程的示意图，包括：GPS210、IMU220、磁力计230、气压计240、非线性互补滤波器250和卡尔曼线性滤波器260，其中，GPS210用于测量飞行器的速度参数；IMU220用于测量飞行器的加速度参数和角速度参数；磁力计230用于测量磁力参数，可以是所处地理位置的地球磁场向量；气压计240用于测量气压参数，由气压参数可以计算得到飞行器的高度；非线性互补滤波器250用于根据GPS210、IMU220、磁力计230、气压计240测得的运动状态估计值来进行处于运动状态的飞行器的运动状态的预测；卡尔曼线性滤波器260用于根据非线性互补滤波器250预测所得的有效运动状态估计值和GPS210、IMU220、磁力计230、气压计240测得的实际运动状态估计值，进行当前运动状态估计的最优预测，以实现组合导航系统初始化。其中，IMU220包括加速度计和陀螺仪。
示例性地，飞行器中的GPS210、IMU220、磁力计230、气压计240实时测得飞行器的速度值、加速度值、角速度值、地球磁场向量、气压值这些运动状态估计值，将这些运动状态估计值输入至非线性互补滤波器250，非线性互补滤波器250根据这些实时的运动状态估计值进行预测运算，当预测的速度值与GPS210测得的速度值相等时，组合导航系统收敛，得到有效的运动状态估计预测值；将有效的运动状态估计预测值输入至卡尔曼滤波器260，对卡尔曼滤波器260进行初始化，卡尔曼滤波器260利用非线性互补滤波器250预测所得的有效运动状态估计值和GPS210、IMU220、磁力计230、气压计240测得的实际运动状态估计值，进行当前运动状态估计的最优预测，以实现导航系统校正，完成组合导航系统初始化。
具体的，非线性互补滤波器250对飞行器的速度进行预测，可以基于如下公式：
Figure PCTCN2021119596-appb-000001
Figure PCTCN2021119596-appb-000002
其中，
Figure PCTCN2021119596-appb-000003
为滤波器所估计飞行平台速度，v GPS为GPS测量速度，k1为补偿系数，g为重力加速度，
Figure PCTCN2021119596-appb-000004
为互补滤波器所估计预测得到的由飞行器机体系投影到导航坐标系的旋转矩阵，a为加速度计所测得飞行平台的加速度。
非线性互补滤波器250对飞行器姿态进行预测，可基于如下公式：
Figure PCTCN2021119596-appb-000005
姿态环旋转矩阵更新公式：
Figure PCTCN2021119596-appb-000006
其中，k 3，k 4为补偿系数，
Figure PCTCN2021119596-appb-000007
为互补滤波器所计算得到的地球磁场向量，mag为当地地球磁场向量；
Figure PCTCN2021119596-appb-000008
为姿态环旋转矩阵更新公式，
Figure PCTCN2021119596-appb-000009
为姿态环更新公式，对于姿态环更新公式也可采用四元数更新，与旋转矩阵更新的效果一致。
角速度零偏更新可基于如下公式：
Figure PCTCN2021119596-appb-000010
对于位置环的更新即采用最简单的高低通互补滤波做法，推算所得位置信息作为高通分量，GPS210及气压计240所得信息为低频分量，基于此进行滤波，进行位置环的更新，以获得飞行器的位置参数。
实施例三
图3是本申请实施例三提供的组合导航系统初始化装置的结构图，本实施例可适用于飞行器所在平台处于高度机动或者颠簸状态的情况，该装置可以由软件和/或硬件的方式来实现，并可集成于用于突发事件处理的智能终端等电子设备中。
如图3所示，所述组合导航系统初始化装置包括：运动状态估计获取模块310、运动状态估计预测结果获得模块320、卡尔曼线性滤波器初始化模块330和导航系统校正模块340，其中，运动状态估计获取模块310，用于获取飞行器当前运动状态估计及传感器测量值；运动状态估计预测结果获得模块320，用于根据运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值， 并基于所述运动状态估计值进行预测得到运动状态估计预测结果；卡尔曼线性滤波器初始化模块330，用于若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；导航系统校正模块340，用于根据初始化的卡尔曼线性滤波器进行组合导航系统初始化。
本申请实施例所提供的技术方案，通过运动状态估计获取模块获取飞行器当前运动状态估计及传感器测量值；通过运动状态估计预测结果获得模块根据运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；通过卡尔曼线性滤波器初始化模块若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；通过导航系统校正模块根据初始化的卡尔曼线性滤波器进行导航系统校正。上述技术方案可以减少运动状态估计的误差，获得更加准确的运动状态估计值，以使组合导航系统具有在大姿态、大晃动运动平台上完成运动状态估计初始化的能力。
进一步地，运动状态估计预测结果获得模块具体用于：
采用非线性互补滤波器，根据所述运动状态估计的频率属性，采用互补滤波；对互补滤波的结果进行融合得到运动状态估计值。
进一步地，运动状态估计预测结果获得模块具体用于：
采用非线性互补滤波器的预设预测公式，对至少一个运动状态估计值进行预测运算，得到所述至少一个运动状态估计的运动状态估计预测结果。
进一步地，该装置还包括收敛判断模块，所述收敛判断模块，用于：
运算得到标定时刻的运动状态估计预测结果；并，获取所述运动状态的飞行器的标定时刻的实际参数值；若所述标定时刻的运动状态估计预测结果与所述实际参数值符合预设收敛关系，则确定运动状态估计预测结果收敛。
其中，传感器测量值包括：速度参数、姿态参数、加速度参数、角速度参数、磁力参数以及气压参数中的至少一种。
上述组合导航系统初始化装置可执行本申请任意实施例所提供的组合导航系统初始化方法，具备执行组合导航系统初始化方法相应的功能模块和有益效果。
实施例四
本申请实施例提供了一种电子设备，该电子设备中可集成本申请实施例提 供的组合导航系统初始化装置。图4是本申请实施例四提供的一种电子设备的结构示意图。如图4所示，本实施例提供了一种电子设备400，其包括：一个或多个处理器420；存储装置410，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器420执行，使得所述一个或多个处理器420实现本申请实施例所提供的组合导航系统初始化方法，该方法包括：
获取飞行器当前运动状态估计及传感器测量值；根据运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；根据初始化的卡尔曼线性滤波器进行导航系统校正。
当然，本领域技术人员可以理解，处理器420还实现本申请任意实施例所提供的组合导航系统初始化方法的技术方案。
图4显示的电子设备400仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示，该电子设备400包括处理器420、存储装置410、输入装置430和输出装置440；电子设备中处理器420的数量可以是一个或多个，图4中以一个处理器420为例；电子设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块单元，如本申请实施例中的组合导航系统初始化方法对应的程序指令。
存储装置410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字、字符信息或语音信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备，可以达到提高组合导航系统初始化速度以及处理效果的目的。
上述实施例中提供的组合导航系统初始化装置、介质及电子设备可执行本申请任意实施例所提供的组合导航系统初始化方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的组合导航系统初始化方法。
实施例五
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种组合导航系统初始化方法，该方法包括：
获取飞行器当前运动状态估计及传感器测量值；根据运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；根据初始化的卡尔曼线性滤波器进行导航系统校正。
存储介质——任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的组合导航系统初始化操作，还可以执行本申请任意实施例所提供的组合导航系统初始化方法中的相关操作。

Claims (10)

  1. 一种组合导航系统初始化方法，包括：
    获取飞行器当前运动状态估计及传感器测量值；
    根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；
    若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；
    根据初始化的卡尔曼线性滤波器进行导航系统校正。
  2. 根据权利要求1所述的方法，其中，根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，包括：
    采用非线性互补滤波器，根据所述当前运动状态估计及传感器测量值的的频率属性，采用互补滤波；
    对互补滤波的结果进行融合得到运动状态估计值。
  3. 根据权利要求1所述的方法，其中，基于所述运动状态估计值进行预测得到运动状态估计预测结果，包括：
    采用非线性互补滤波器的预设预测公式，对至少一个运动状态估计值进行预测运算，得到所述至少一个运动状态估计的运动状态估计预测结果。
  4. 根据权利要求1所述的方法，在基于所述运动状态估计值进行预测得到运动状态估计预测结果之后，所述方法还包括：
    运算得到标定时刻的运动状态估计预测结果；并，获取所述运动状态的飞行器的标定时刻的实际参数值；
    若所述标定时刻的运动状态估计预测结果与所述实际参数值符合预设收敛关系，则确定运动状态估计预测结果收敛。
  5. 根据权利要求1所述的方法，其中，所述运动状态估计包括：速度参数、姿态参数、加速度参数、角速度参数、磁力参数以及气压参数中的至少一种。
  6. 一种组合导航系统初始化装置，包括：
    运动状态估计获取模块，用于获取飞行器当前运动状态估计及传感器测量值；
    运动状态估计预测结果获得模块，用于根据当前运动状态估计及传感器测量值的属性，采用滤波处理得到运动状态估计值，并基于所述运动状态估计值进行预测得到运动状态估计预测结果；
    卡尔曼线性滤波器初始化模块，用于若所述运动状态估计预测结果收敛，则将所述运动状态估计值输入至卡尔曼线性滤波器，进行卡尔曼线性滤波器的初始化；
    导航系统校正模块，用于根据初始化的卡尔曼线性滤波器进行导航系统校正。
  7. 根据权利要求6所述的装置，其中，所述运动状态估计预测结果获得模块，具体用于：
    采用非线性互补滤波器，根据所述当前运动状态估计及传感器测量值的频率属性，采用互补滤波；对互补滤波的结果进行融合得到运动状态估计值。
  8. 根据权利要求6所述的装置，其中，所述运动状态估计预测结果获得模块，具体用于：
    采用非线性互补滤波器的预设预测公式，对至少一个运动状态估计值进行预测运算，得到所述至少一个运动状态估计的运动状态估计预测结果。
  9. 一种计算机可读存储介质，存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一项所述的组合导航系统初始化方法。
  10. 一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的组合导航系统初始化方法。
PCT/CN2021/119596 2020-09-22 2021-09-22 组合导航系统初始化方法、装置、介质及电子设备 WO2022063120A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US18/246,324 US20230366680A1 (en) 2020-09-22 2021-09-22 Initialization method, device, medium and electronic equipment of integrated navigation system
EP21871490.5A EP4220086A1 (en) 2020-09-22 2021-09-22 Combined navigation system initialization method and apparatus, medium, and electronic device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011003250.2 2020-09-22
CN202011003250.2A CN112066985B (zh) 2020-09-22 2020-09-22 一种组合导航系统初始化方法、装置、介质及电子设备

Publications (1)

Publication Number Publication Date
WO2022063120A1 true WO2022063120A1 (zh) 2022-03-31

Family

ID=73682227

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/119596 WO2022063120A1 (zh) 2020-09-22 2021-09-22 组合导航系统初始化方法、装置、介质及电子设备

Country Status (4)

Country Link
US (1) US20230366680A1 (zh)
EP (1) EP4220086A1 (zh)
CN (1) CN112066985B (zh)
WO (1) WO2022063120A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115900646A (zh) * 2023-03-08 2023-04-04 北京云圣智能科技有限责任公司 高度融合导航方法、装置、电子设备及存储介质
CN117408084A (zh) * 2023-12-12 2024-01-16 江苏君立华域信息安全技术股份有限公司 一种用于无人机航迹预测的增强卡尔曼滤波方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112066985B (zh) * 2020-09-22 2022-08-09 峰飞航空科技(昆山)有限公司 一种组合导航系统初始化方法、装置、介质及电子设备
CN114553336A (zh) * 2022-02-25 2022-05-27 上海星思半导体有限责任公司 信号滤波方法、装置、设备、存储介质及计算机程序产品
CN115164888B (zh) * 2022-09-06 2022-12-09 中国船舶重工集团公司第七0七研究所 一种误差修正方法、装置、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414451A (zh) * 2013-07-22 2013-11-27 北京理工大学 一种应用于飞行器姿态估计的扩展卡尔曼滤波方法
CN105865453A (zh) * 2016-05-20 2016-08-17 南京航空航天大学 一种位置传感器和姿态传感器的导航系统及其融合方法
CN106403940A (zh) * 2016-08-26 2017-02-15 杨百川 一种抗大气参数漂移的无人机飞行导航系统高度信息融合方法
CN108398128A (zh) * 2018-01-22 2018-08-14 北京大学深圳研究生院 一种姿态角的融合解算方法和装置
CN110377056A (zh) * 2019-08-19 2019-10-25 深圳市道通智能航空技术有限公司 无人机航向角初值选取方法及无人机
WO2020040331A1 (ko) * 2018-08-23 2020-02-27 한서대학교 산학협력단 융합필터를 이용한 쿼드콥터 자세 제어 시스템
CN112066985A (zh) * 2020-09-22 2020-12-11 深圳市领峰电动智能科技有限公司 一种组合导航系统初始化方法、装置、介质及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8024119B2 (en) * 2007-08-14 2011-09-20 Honeywell International Inc. Systems and methods for gyrocompass alignment using dynamically calibrated sensor data and an iterated extended kalman filter within a navigation system
US8560234B2 (en) * 2008-05-13 2013-10-15 The United States Of America, As Represented By The Secretary Of The Navy System and method of navigation based on state estimation using a stepped filter
CN102937449B (zh) * 2012-10-19 2015-01-14 南京航空航天大学 惯性导航系统中跨音速段气压高度计和gps信息两步融合方法
RU2606880C2 (ru) * 2014-08-19 2017-01-10 Нокиа Текнолоджиз Ой Способ, устройство и компьютерная программа для обработки данных датчика активности
GB2565264B (en) * 2017-05-23 2022-03-09 Atlantic Inertial Systems Ltd Inertial navigation system
CN109000642A (zh) * 2018-05-25 2018-12-14 哈尔滨工程大学 一种改进的强跟踪容积卡尔曼滤波组合导航方法
CN109764870B (zh) * 2019-01-17 2023-04-25 上海华测导航技术股份有限公司 基于变换估计量建模方案的载体初始航向估算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103414451A (zh) * 2013-07-22 2013-11-27 北京理工大学 一种应用于飞行器姿态估计的扩展卡尔曼滤波方法
CN105865453A (zh) * 2016-05-20 2016-08-17 南京航空航天大学 一种位置传感器和姿态传感器的导航系统及其融合方法
CN106403940A (zh) * 2016-08-26 2017-02-15 杨百川 一种抗大气参数漂移的无人机飞行导航系统高度信息融合方法
CN108398128A (zh) * 2018-01-22 2018-08-14 北京大学深圳研究生院 一种姿态角的融合解算方法和装置
WO2020040331A1 (ko) * 2018-08-23 2020-02-27 한서대학교 산학협력단 융합필터를 이용한 쿼드콥터 자세 제어 시스템
CN110377056A (zh) * 2019-08-19 2019-10-25 深圳市道通智能航空技术有限公司 无人机航向角初值选取方法及无人机
CN112066985A (zh) * 2020-09-22 2020-12-11 深圳市领峰电动智能科技有限公司 一种组合导航系统初始化方法、装置、介质及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115900646A (zh) * 2023-03-08 2023-04-04 北京云圣智能科技有限责任公司 高度融合导航方法、装置、电子设备及存储介质
CN117408084A (zh) * 2023-12-12 2024-01-16 江苏君立华域信息安全技术股份有限公司 一种用于无人机航迹预测的增强卡尔曼滤波方法及系统
CN117408084B (zh) * 2023-12-12 2024-04-02 江苏君立华域信息安全技术股份有限公司 一种用于无人机航迹预测的增强卡尔曼滤波方法及系统

Also Published As

Publication number Publication date
EP4220086A1 (en) 2023-08-02
CN112066985A (zh) 2020-12-11
US20230366680A1 (en) 2023-11-16
CN112066985B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
WO2022063120A1 (zh) 组合导航系统初始化方法、装置、介质及电子设备
CN109163721B (zh) 姿态测量方法及终端设备
CN106959110B (zh) 一种云台姿态检测方法及装置
CN109001787B (zh) 一种姿态角解算与定位的方法及其融合传感器
CN105783922B (zh) 用于确定针对具有磁力计辅助的混合导航系统的航向的方法
WO2017063387A1 (zh) 基于九轴mems传感器的农业机械全姿态角更新方法
WO2020253260A1 (zh) 时间同步处理方法、电子设备及存储介质
US20220155800A1 (en) Method and apparatus for yaw fusion and aircraft
US10627237B2 (en) Offset correction apparatus for gyro sensor, recording medium storing offset correction program, and pedestrian dead-reckoning apparatus
JP2012173190A (ja) 測位システム、測位方法
WO2022007602A1 (zh) 确定车辆位置的方法和装置
US11669109B2 (en) Method and apparatus for yaw fusion and aircraft
CN106813679B (zh) 运动物体的姿态估计的方法及装置
CN112798021B (zh) 基于激光多普勒测速仪的惯导系统行进间初始对准方法
JP2019120587A (ja) 測位システム及び測位方法
CN110598370B (zh) 基于sip和ekf融合的多旋翼无人机鲁棒姿态估计
KR101340158B1 (ko) 고정 표적을 이용한 무인항공기의 표적 위치 보정 방법 및 컴퓨터 판독 가능한 기록매체
CN110645976B (zh) 一种移动机器人的姿态估计方法及终端设备
Waldmann et al. Observability analysis of inertial navigation errors from optical flow subspace constraint
CN112649001B (zh) 一种小型无人机姿态与位置解算方法
CN111492203A (zh) 状态估计
JPWO2006126535A1 (ja) 状態推定装置、状態推定方法、状態推定プログラム、およびコンピュータ読取可能な記録媒体
US20230314141A1 (en) Terrain referenced navigation system with generic terrain sensors for correcting an inertial navigation solution
CN114018241A (zh) 用于无人机的定位方法和设备
WO2020107473A1 (zh) 对移动平台的参数优化方法、装置及控制设备、飞行器

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21871490

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021871490

Country of ref document: EP

Effective date: 20230424