两种惯性传感器数据融合

基于闭环控制器调整合成姿态角的融合原理,用DSP构建了数字融合滤波器。融合过程通过PID闭环控制器实时校正动力调谐陀螺仪测量的低频数据,再用该数据修正没有低频和直流分量的角速率传感器的测量数据,从而得到高低频段测量特性较好的融合数据。该过程实现了测量带宽高低不同两种惯性传感器的数据融合。融合滤波器的融合效果测试结果表明,融合后的数据除了在交接频率10Hz附近的测量特性与真实数据有误差(幅值最大衰减-4.5dB,相移最大25o)外,在别的频段都与真实数据吻合得比较好。融合后的测量带宽可达到1000Hz,测量噪声为2.346″(RMS),因而其测量特性优于所选用传感器中的任意一种。在现有传感器不能满足要求的前提下,其应用为宽带宽惯性测量的实现提供了新思路,也为宽带宽惯性稳定系统的实现提供了前提条件。

非视距环境下顾及杆臂补偿的UWB/IMU定位算法

针对非视距(NLOS)误差和传感器杆臂影响超宽带(UWB)/惯性测量单元(IMU)组合定位精度的问题,提出了一种NLOS环境下顾及杆臂补偿的定位算法。根据UWB伪距在定位过程中的局部线性特性,设计了基于强局部加权回归法的NLOS识别与抑制算法,提高了UWB迭代定位算法的精度。利用顾及杆臂的改进抗差奇异值分解无迹卡尔曼滤波(LA-IRUKF)算法对优化后的观测数据和状态模型进行组合,实现定位精度的提升和杆臂的有效补偿。最后,采用仿真数据和实测数据对LA-IRUKF算法进行验证。仿真实验结果验证了NLOS误差识别与抑制算法的有效性以及杆臂补偿的必要性。真实场景的实验结果表明,在NLOS环境下LA-IRUKF算法不仅可以准确补偿杆臂,还能抑制NLOS误差影响。相较于抗差奇异值分解无迹滤波算法、顾及杆臂的抗差奇异值分解无迹滤波算法和改进抗差奇异值分解无迹卡尔曼滤波算法,LA-IRUKF算法的定位精度分别提高了42.4%、41.6%和28.5%,具有精度高、抗差好等优点。