技术领域:
本发明涉及一种惯性测量单元在晃动基座条件下的初始对准方法,属于捷联惯性导航技术领域。
背景技术:
:
初始对准技术是捷联惯性导航技术的关键技术之一,对准精度的提高有利于捷联惯性导航解算精度的提高。目前,常用的捷联惯性导航初始对准技术主要分为粗对准和精对准两个过程,而精对准的对准精度又很大程度上取决于粗对准,故而提高粗对准的对准精度具有很高的现实意义。常用的捷联惯性粗对准方法有解析粗对准,惯性系粗对准和凝固解析粗对准,在这三种方法中,凝固解析粗对准在对准精度和抗晃动方面具有较好的性能。但是凝固解析粗对准中,采用双矢量实时解析计算,在矢量计算过程中,易受外部干扰及传感器量测噪声的影响,降低对准速度,增加对准时间,不利于惯性系统快速初始对准的要求。
为了克服上述存在的问题,采用数据存储及小波降噪算法,对观测矢量进行一次降噪处理,将降噪之后的观测矢量用于初始对准过程,能够有效的减小环境扰动及量测噪声的影响。而且,利用分离矩阵方法,更新矩阵可以实时迭代计算,初始姿态矩阵则可以离线处理,此过程同步进行,加速了对准过程,具有现实的使用价值。
技术实现要素:
:
1、本发明的目的
本发明的目的是为了提高捷联惯导系统的对准精度,提出了一种离线小波降噪快速初始对准方法。发明基于凝固惯性系对准的方法,采用离线小波变换对观测矢量进行一次降噪,再利用四元数最优基方法提取初始姿态四元数,通过旋转矩阵的乘法链式法则最终实现对准矩阵的计算。
2、本发明所采用技术方案
一种离线小波降噪快速初始对准方法,包括以下几个步骤:
步骤一:传感器数据获取,包括光纤陀螺仪和石英挠性加速度计数据;
步骤二:建立初始对准坐标系,包括初始载体坐标系、初始导航坐标系、初始地球坐标系、载体坐标系、导航坐标系、地球坐标系与惯性坐标系;
步骤三:建立重力视运动矢量模型,构造离线小波降噪算法;
步骤四:利用降噪滤波之后的重力视运动矢量,进行最优初始姿态的解算;
步骤五:利用计算得到的最优初始姿态四元数,结合姿态矩阵链式法则,实现快速初始对准过程。
3、本发明的有益效果
(1)本发明采用离线处理方式,通过小波变换算法进行视在重力重构,即对重力视运动矢量模型进行小波降噪,降低量测随机噪声,提高视运动矢量的识别精度;
(2)本发明采用最优迭代k-矩阵姿态确定方法,利用离线降噪之后的重力视运动矢量构造迭代k-矩阵,通过提取有效特征矢量,实现初始姿态四元数的快速确定;
(3)本发明采用凝固惯性对准方法与最优迭代k-矩阵姿态确定相结合的方法,实现了离线降噪、姿态确定以及初始对准过程,提高了初始对准的速度。
(4)本发明所采用的新对准方法,整个对准时间能在50s左右完成,相较于现有技术中的粗对准过程,本方法速度更快。
附图说明:
图1是初始对准算法流程图;
图2是各示意图坐标系;
图3是观测矢量降噪前后对比图;
图4是摇摆情况下对准误差曲线图。
具体实施方式:
下面结合附图和实施举例对本发明作进一步的详细说明:
本发明提出的一种离线小波降噪快速初始对准方法是通过matlab仿真软件进行仿真实验。仿真硬件环境均为intel(r)core(tm)t9600cpu2.80ghz,4gram,windows7操作系统。图1为整个算法的流程图,包括传感器数据获取,姿态信息更新,对准矩阵计算等过程;图2表示本专利涉及的常用姿态坐标系定义,包括初始载体系b0系,载体系b系,导航系n系,初始导航系n0系,地球系e系,初始地球系e系以及惯性系i系;图3为摇摆条件下,重力视运动矢量在降噪前和降噪后的对比图。从图中可以看出,由于采用了离线小波降噪处理,滤波之后的矢量相较于滤波之前的矢量更加平滑,而且能够准确体现重力视运动过程;图4是摇摆情况下计算的三轴姿态误差角,从图中可以看出,采用新算法之后整个对准时间能在50s左右完成,相较于先有的粗对准过程,本方法速度更快。
本发明是一种离线小波降噪快速初始对准方法,流程如图1所示,包括以下几个步骤:
步骤1:传感器数据获取,包括光纤陀螺仪和石英挠性加速度计数据;
步骤2:建立初始对准坐标系,包括初始载体坐标系、初始导航坐标系、初始地球坐标系、载体坐标系、导航坐标系、地球坐标系与惯性坐标系;
所述的初始时刻载体坐标系,记为b0系;所述的初始导航坐标系,记为n0系;所述的初始地球坐标系,记为e0系;所述载体坐标系表示与惯性测量单元的体坐标系重合的坐标系,记为b系;所述的导航系表示载体所在位置的东-北-天坐标系,记为n系;所述的地球坐标系为与地球固连,相对惯性坐标系以地球自转角速度ωie旋转,记为e系;
所述的坐标系存在如下转换关系:
地球系与导航系方向余弦矩阵
式中:l表示载体所在纬度;
惯性系与地球系的转换矩阵
式中:ωie表示地球自转速率;δt表示采样时间;
考虑载体在地球上处于无线运动状态,则初始导航系与导航系之间的转换矩阵可以表示为
式中:
初始载体系与载体系之间的转换四元数
式中:
步骤3:建立重力视运动矢量模型,构造离线小波降噪算法;
(3)重力视运动矢量模型
所述的重力视运动矢量模型采用如下变换得到:
运动载体的比力方程可以由下式得到
式中:
由于载体处于静止状态,因此所述导航系速度vn与导航系速度微分
式中:
由于实际加速度计与陀螺仪输出含有随机噪声,即
式中:
因此,所述的重力视运动矢量模型可以表示为
式中:
对所述重力视运动矢量模型进行简化并忽略二阶噪声
式中:
(4)离线小波降噪
所述的离散小波降噪主要是实现对重力视运动矢量模型中的随机噪声进行降噪,从而提高重力视运动矢量的识别精度,加快粗对准过程。
对所述的重力视运动矢量模型
式中,
由mallat小波变换可知
式中,cj,l表示第j层离散平滑逼近;dj,l表示第j层离散细节信号;cj-1,m表示第j-1层离散平滑逼近;h0,m-2l和h1,m-2l分别表示线性组合权重,可由下式计算
式中,φ0,m(t)和φ1,l(t)为尺度函数;ψ0,m(t)表示小波函数;
通过分解之后小波系数,结合相应的阈值压缩方法,可以得到小波重构系数为:
式中,
结合重构系数
式中,
步骤4:利用降噪滤波之后的重力视运动矢量,进行最优初始姿态的解算;
所述的快速初始对准过程中,参考矢量和观测矢量可由下式计算
式中,α表示参考矢量;β表示观测矢量;||||表示范数运算;
式中,
对观测矢量和量测矢量离散化之后,构造filter-questk-矩阵
式中,
式中,βk表示离散化之后的观测矢量;αk表示离散化之后的参考矢量;
所述初始姿态四元数满足归一化条件
式中,t表示矢量转置;
由拉格朗日乘数法可得
式中,kk表示迭代计算的k-矩阵;λmax表示最大特征值;
步骤5:利用计算得到的最优初始姿态四元数,结合姿态矩阵链式法则,实现快速初始对准过程;
由旋转矩阵链式法则可得
式中,
matlab仿真实验,在以下的仿真条件下,对该方法进行仿真实验:
纬度l=31.64°,经度选为λ=120.74°,地球自转角速率ωie=15.0411°/hr,采样时间δt=0.005s。初始四元数