發(fā)布時(shí)間：2025-02-11 11:48

　　 針對(duì)低成本的慣性導(dǎo)航系統(tǒng)精度不足從而導(dǎo)致姿態(tài)解算容易發(fā)散的問題,提出一種改進(jìn)Allan方差的自適應(yīng)卡爾曼濾波算法。在濾波之前,先用四元數(shù)改進(jìn)型PID的互補(bǔ)濾波來融合數(shù)據(jù),以抑制數(shù)據(jù)的波動(dòng),同時(shí)也加快了運(yùn)算速率。在對(duì)噪聲進(jìn)行分析時(shí),運(yùn)用Allan方差的分析方法,并組合高斯牛頓優(yōu)化算法,提高了姿態(tài)解算的精度,能夠?qū)ψ藨B(tài)角實(shí)現(xiàn)短時(shí)間內(nèi)的穩(wěn)定以及精確的跟蹤。實(shí)驗(yàn)結(jié)果表明,使用自適應(yīng)Sage-Husa算法處理兩種噪聲時(shí)比標(biāo)準(zhǔn)卡爾曼濾波算法的精度提高了30%左右。使用改進(jìn)的Allan方差自適應(yīng)濾波比使用自適應(yīng)Sage-Husa濾波算法精度提高了40%左右,該算法也可用于精確單點(diǎn)定位與偽距定位。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖12 方法3追蹤軌跡

圖11方法2追蹤軌跡圖13方法4追蹤軌跡

圖7 方法2解算姿態(tài)角

圖6方法1解算姿態(tài)角圖8方法3解算姿態(tài)角

圖8 方法3解算姿態(tài)角

圖7方法2解算姿態(tài)角圖9方法4解算姿態(tài)角

圖11 方法2追蹤軌跡

圖10方法1追蹤軌跡圖12方法3追蹤軌跡

本文編號(hào)：4033219