基于阵列化IMU导航数据处理方法研究.pdfVIP

摘要

随着导航技术在生产生活中发挥越来越重要的作用，惯性导航领域以其技术

适用范围广，抗干扰性强的特点涌现出越来越多的研究成果。同时针对惯性导航技

术的低成本设备精度低，长时间结果漂移的缺陷，可利用多个惯性测量单元组成惯

性测量单元阵列进行数据融合，估计姿态位置，改善导航精度。目前融合多惯性测

量单元阵列的研究主要集中在利用阵列特点提高设备标定精度与改善导航结果精

度。方法上主要使用加权平均，滤波器与其它借鉴协同导航，组合导航的一些数据

融合方法。这些方法对惯性测量单元的特点与阵列约束的特点利用程度还不够充

分，导致了导航精度与稳定性仍有提升的空间。本文针对惯性测量单元阵列数据融

合方法的不足之处，重点研究了基于阵列运动学及动力学约束下，使用基于滤波器

的数据融合与组合导航方法，解决惯性测量单元阵列数据融合的以下问题：

1.针对纯惯性导航下角速度的估计问题，将角加速度不再视作过程噪声，加

入估计变量，使得状态转移模型更加符合实际，提高了角速度的估计精度，同时

得到阵列参考点的比力，提高了导航结果的可解释性优势。

2.针对运动近似满足一些函数的特点，使用窗口递归估计拟合相应的函数，

提高滤波器预测待估状态的精度，从而提升惯性测量单元阵列对角速度，加速度

的估计精度，从而改善导航结果。

3.针对传统融合方法在使用条件上的局限，使用位置信息补偿姿态估计结

果。提高了姿态估计的精度。在上文估计出的角速度计算的速度约束上，通过基

于阵列位置与卫星导航结果的组合导航方法还能同时估计单个惯性测量单元的位

置，改善了导航结果，使得方法可解释性优势与应用空间提高。

关键词：惯性导航，惯性测量单元阵列，滤波器，组合导航

ABSTRACT

Asnavigationtechnologyplaysanincreasinglyimportantroleinproductionand

dailylife,thefieldofinertialnavigationhasseenanemergenceofmoreandmoreresearch

achievementsduetoitswideapplicabilityandstronganti-interferencecharacteristics.

Meanwhile,inresponsetotheshortcomingsoflow-costandlow-precisiondevicesin

inertialnavigationtechnology,suchaslong-termdrift,multipleinertialmeasurement

units(IMUs)canbeutilizedtoformanIMUarrayfordatafusion,enablingattitudeand

positionestimationtoimprovenavigationaccuracy.Currently,researchonfusing

multipleIMUarraysmainlyfocusesonimprovingdevicecalibrationaccuracyand

navigationresultprecisionbyleveragingthecharacteristicsofarrays.Methodsprimarily

employweightedaveraging,filters,andotherdatafusiontechniquesborrowedfrom

collaborativenavigationandintegratednavigation.However,thesemethodsdonotfully

exploitthecharacteristicsofIMUsandarrayconstraints,leavingroomforimprovement

innavigationaccuracyan