一种无人机惯性测量单元角速度计鲁棒校准方法技术

一种无人机惯性测量单元角速度计鲁棒校准方法，无人机处于静止状态，采集角速度计输出数据，对三个轴向输出数据分别求取均值，作为各个轴向角速度测量的零漂误差，后采用粒子滤波算法进行无人机惯性测量单元角速度计校准。采用改进的粒子滤波算法进行无人机惯性测量单元角速度计鲁棒校准，该算法能够在正态分布统计样本受到野点数据干扰混入的情况下，准确无偏估计该正态分布的统计参数，因此，在校准过程中，如果无人机受到短暂的运动冲击，即使此时角速度传感器测量数据会作为野点数据混入校准采集数据中，也不会影响零漂误差的估计，从而提升校准准确度。从而提升校准准确度。从而提升校准准确度。

【技术实现步骤摘要】
一种无人机惯性测量单元角速度计鲁棒校准方法


[0001]本申请涉及无人机航空电子设备
，尤其是涉及一种无人机惯性测量单元角速度计鲁棒校准方法。

技术介绍

[0002]无人机技术已经开始向实用发展，各种无人机航电系统发展日趋成熟，功能也日趋完善，其中惯性测量单元(IMU)是无人机航电系统中测量飞行姿态的核心部件。陀螺仪(角速度计)及加速度计是IMU的主要部件，加速度计原理上可单独测量飞行姿态，但是加速度计受外力加速度影响很大，尤其在运动和振动的工作环境中，输出姿态角误差较大，如果融合陀螺仪(角速度计)测量的瞬时角速度量，就可以使系统数据更加稳定。然而，陀螺仪(角速度计)输出的角速度是瞬时量，需要角速度与时间积分计算角度，角速度计的零漂误差会随着时间推移产生积累，从而破坏测量精度，因此，准确估计陀螺仪(角速度计)的零漂误差对无人机飞行姿态测量系统的稳定工作意义重大。
[0003]目前无人机航电系统惯性测量单元(IMU)校准，特别是陀螺仪(角速度计)校准，需要无人机保持静止状态，将角速度计输出数据进行算术平均，均值作为角速度计的零漂误差。然而，在无人机野外工作环境中，由于受到各种环境干扰因素的影响，保持绝对的静止是很困难的，在校准过程中，如果无人机受到外力产生微小运动或振动，将会影响校准精度，导致校准前功尽弃，必须重新开始校准。因此，开发一种无人机惯性测量单元角速度计鲁棒校准方法非常有必要。

技术实现思路

[0004]为了解决现有技术中在校准过程中如果无人机受到外力产生微小运动或振动，将会影响校准精度，导致校准前功尽弃，必须重新开始校准的问题，本申请提供一种无人机惯性测量单元角速度计鲁棒校准方法，采用如下的技术方案：
[0005]一种无人机惯性测量单元角速度计鲁棒校准方法，采用粒子滤波算法进行无人机角速度计校准。
[0006]通过采用上述技术方案，提高无人机航电系统惯性测量单元角速度计校准的成功率和精度。
[0007]可选的，无人机处于静止状态，采集角速度计输出数据，对三个轴向输出数据分别求取均值，作为各个轴向角速度测量的零漂误差，后采用粒子滤波算法进行无人机惯性测量单元角速度计校准。
[0008]通过采用上述技术方案，能够避免无人机受到外力产生微小运动或振动对角速度计校准的影响。
[0009]可选的，所述粒子滤波算法包括以下具体步骤：
[0010]假设有一个测量样本集(x1，x2，
…
，x
n
)被野点测量样本集污染，所述测量样本集{x1，
…
，x
n
}的分布为正态分布所述测量样本集和野点样集组合成总体样本，
测量样本集在样本总体中所占的比例为1
‑
α，野点测量样本集在样本总体中所占的比例为α，
[0011]则总体样本的混合分布为
[0012]粒子滤波算法校准过程为：
[0013]估计混合样本的均值μ1、方差和非参数概率分布函数f
nonpara
(x)；
[0014]选取一组估计参数(μ
j
，σ
j
)，对于所有测量样本点(x1，x2，
…
，x
n
)计算包络因子
[0015]对于每一个样本点x
i
以概率接收，n个样本点按上述概率接收后剩下n
j
个样本点；
[0016]对于每一组参数(μ
j
，σ
j
)按照以上概率接收都能剩下一个样本点数n
j
，找到最大的n
j
其对应的参数(μ
j
，σ
j
)即是对(μ0，σ0)的最优估计，该最优估计即是未被野点污染的正态分布统计参数的精确无偏估计。
[0017]通过采用上述技术方案，假设一个正态分布的测量样本集被野点污染，野点分布概率密度函数记为f
outlier
(x)，野点在样本总体中所占的比例为α。所有的观测值集合{x1，
…
，x
n
}可以被当作是从服从概率分布为f
total
(x)＝(1
‑
α)f(x；μ0，σ0)+αf
outlier
(x)的随机变量产生的测量样本集。非参数概率密度函数f
nonpara
(x)是通过测量样本集{x1，
…
，x
n
}计算得到的。假设f
nonpara
(x)≈f
total
(x)，则所有的观测值也可以被看做是从服从概率分布为f
nonpara
(x)的随机变量产生的测量样本集。对于一个特定的正态分布如果能够找到一个包络比例参数M
j
，使对于测量样本集{x1，
…
，x
n
}中的任何一个样本都能够满足M
j
f
nonpara
(x)≥f(x；μ
j
，σ
j
)，那么我们能采用一种拒绝采样流程对测量样本集{x1，
…
，x
n
}进行重采样。
[0018]该流程可描述为：
[0019]1、依次从测量样本集{x1，
…
，x
n
}中挑选一个样本x
i
，然后计算比率：
[0020][0021][0022]2、产生一个服从均匀分布U(0，1)的随机数a，如果a≤r，则接受样本x
i
；如果a＞r，则拒绝样本x
i
。
[0023]最后，我们在n个样本中通过以上接受/拒绝操作得到n
j
个样本，这些接受的样本应该服从正态分布f(x；μ
j
，σ
j
)。因为对于测量样本集中的任何一个样本x
i
∈{x1，
…
，x
n
}都满足M
j
f
nonpara
(x
i
)≥f(x
i
；μ
j
，σ
j
)，那么就有：
[0024][0025]这表示得到样本数量n
j
与函数曲线f(x；μ
j
，σ
j
)/M
j
下所包围的面积是成比例的，面积越大则得到的样本数量越大。从下图可以看出，如果统计估计参数(μ
j
，σ
j
)十分接近未被野点污染的正态分布N(0，1)参数时，曲线下面积最大，因此找到得到样本数量最大的统计估计参数(μ
j
，σ
j
)，此估计参数是未被野点污染的正态分布统计参数(均值和方差)的精确无偏估计。
[0026]可选的，所述估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机惯性测量单元角速度计鲁棒校准方法，其特征在于：采用粒子滤波算法进行无人机角速度计校准。2.根据权利要求1所述的一种无人机惯性测量单元角速度计鲁棒校准方法，其特征在于：无人机处于静止状态，采集角速度计输出数据，对三个轴向输出数据分别求取均值，作为各个轴向角速度测量的零漂误差，后采用粒子滤波算法进行无人机惯性测量单元角速度计校准。3.根据权利要求2所述的一种无人机惯性测量单元角速度计鲁棒校准方法，其特征在于：所述粒子滤波算法包括以下具体步骤：假设有一个测量样本集(x1，x2，
…
，x
n
)被野点测量样本集污染，所述测量样本集{x1，
…
，x
n
}的分布为正态分布所述测量样本集和野点样集组合成总体样本，测量样本集在样本总体中所占的比例为1
‑
α，野点测量样本集在样本总体中所占的比例为α，则总体样本的混合分布为粒子滤波算法校准过程为：估计混合样本的均值μ1、方差和非参数概率分布函数f
nonpara
(x)；选取一组估计参数(μ
j
，σ
j
)，对于所有测量样本点(x1，x2，
…
，x
n
)计算包络因子对于每一个样本点x
i
以概率接收，n个样本点按上述概率接收后剩下n
j
个样本点；对于每一组参数(μ
j
，σ
j
)按照以上概率接收都能剩下一个样本点数n
j
，找到最大的n
j
其对应的参数(μ
j
，σ
j
)即是对(μ0，σ0)的最优估计，该最优估计即是未被野点污染的正态分布统计参数的精确无偏估计。4.根据权利要求3所述的一种无人机惯性测量单元角速度计鲁棒校准方法，其特征在于：所述估计参数(μ
j
，σ
j
)是任意符合正态分布的值。5.根据权利要求3所述的一种无人机惯性测量单元角速度计鲁棒校准方法，其特征在于：所述野点是指对测量数据的干扰数据，野点的分布为威布尔分布W(γ，m，a)。6.根据权利要求1
‑
5任一...

【专利技术属性】
技术研发人员：吴一波，滕万里，郑锋，冯本军，
申请(专利权)人：图木舒克市新广经纬无人机科技有限公司，
类型：发明
国别省市：