【技术实现步骤摘要】
本专利技术属于惯性导航
，尤其涉及通过组合MEMS传感器进行载体姿态检 测的数据融合方法。
技术介绍
姿态检测是惯性导航技术的核心内容。其应用范围已由原来的航空航天和军事领 域，扩展到机器人、海洋探测乃至汽车、消费类电子产品等多个方面。我国在这一
的起步相对较晚，但近年来已经取得较快发展。西安电子科技大学采用加速度计及陀螺仪 组成新型的垂直陀螺，并结合磁通门传感器组成航姿参考系统；中国航空工业第一集团公 司研制了一种组合航向姿态系统。上述成果已在航空航天等高端
得到了初步应 用，但因其硬件平台成本高，结构复杂等原因，尚难以在民用领域取得应用。目前在低端市 场，普遍采用的是基于MEMS芯片级的加速度计、陀螺仪、磁强计结合的9-D0F传感器平台， 因其低成本、低功耗、小体积而得以在手机、掌上电脑等手持式设备上应用。 在基于MEMS传感器组姿态检测模块的设计中，最重要的环节是传感器数据的融 合。目前，在数据融合算法方面国内外学者已经做了大量的研究，主要有：基于互补滤波的 数据融合方式、基于梯度下降互补滤波的数据融合方式、基于卡尔曼滤波的数据融合方式 等。实践证明卡尔曼滤波确实为一种在精确度、实时性以及有效性上都有突出表现的滤波 方法。但是传统的卡尔曼滤波算法实现相对复杂，对处理器有较高的性能要求。因此，在传 统的卡尔曼滤波算法上改进，使之能有效的搭载在中低端嵌入式硬件平台上，实现兼顾成 本与精度的姿态检测模块，具有重要的实用价值。
技术实现思路
本专利技术的目的是解决姿态检测的数据融合问...
【技术保护点】
一种基于9‑dof传感器组的姿态检测数据融合方法，其特征在于该方法包括以下步骤：步骤一、计算先验值；四元数预测方程如下所示：(1)其中qn代表当前状态下的旋转四元数，F为状态更新矩阵，qn‑1代表上一个状态下的旋转四元数，B代表输入系数矩阵，un‑1为当前系统输入，代表系统噪声矩阵；本系统的卡尔曼滤波输入值un‑1为零；因此，方程(1)可以被简化为方程(2)，其中代表四元数微分值，δ代表采样周期；(2)等式(2)可以用状态转换矩阵来表示，如下所示(3)其中，和分别表示来自三轴陀螺仪的x，y和z轴的角速度分量；采样周期由嵌入在微控制器中的计时器计算得出；除此之外还需要通过以下等式估算系统的过程噪声协方差矩阵Q(4)假设和并简化等式，得到(5)其中，和分别为x，y和z轴的角速度噪声方差；最后，利用等式(6)和(7)，计算出本状态的旋转四元数先验值和协方差矩阵先验值，其中为上一状态的协方差矩阵(6)(7)步骤二、计算观测值；利用加速度和磁力计数据，根据以下公式，计算出姿态四元数观测值(8)其中C 是增益矩阵，是测量噪声；C 等同于单位矩阵 H；通过高斯‑牛顿迭代法计算；首先，定义如下的旋转矩...
【技术特征摘要】
1. 一种基于9-dof传感器组的姿态检测数据融合方法，其特征在于该方法包括以下步 骤： 步骤一、计算先验值； 四元数预测方程如下所示：其中qn代表当前状态下的旋转四元数，F为状态更新矩阵，(Vi代表上一个状态下的旋 转四元数，B代表输入系数矩阵，Um为当前系统输入，Wn_i代表系统噪声矩阵；本系统的 卡尔曼滤波输入值Um为零；因此，方程（1)可以被简化为方程（2)，其中&代表四元数微 分值，S代表采样周期；等式（2)可以用状态转换矩阵来表示，如下所示其中ωχ , ω}^Ρωζ分别表示来自三轴陀螺仪的X，y和z轴的角速度分量；采样周期由嵌 入在微控制器中的计时器计算得出；除此之外还需要通过以下等式估算系统的过程噪声协 方差矩阵Q假设Ε?ω」=0和Ε|ω[ ·，| = 0(￥i共j)并简化等式，得到其中&,%和〇2分别为X，y和Z轴的角速度噪声方差；最后，利用等式（6)...
【专利技术属性】
技术研发人员：章雪挺，高祎轩，刘敬彪，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。