[发明专利]一种惯性传感器网络节点装置及其信息融合方法

权利要求书

1.一种惯性传感器网络节点装置，其特征在于：包括由惯性传感器阵列（11）构成的斜装冗余惯性测量单元和基于数字信号处理微处理器的最优信息融合系统（22），其中惯性传感器阵列（11）包括m个陀螺，m为自然数，n个加速度计，n为自然数；基于数字信号处理微处理器的最优信息融合系统（22）包括数据采集单元（23）、基于虚拟传感器的降阶处理单元（24）、系统模型及测量模型构建单元（25）、基于线性变换的标准型构建单元（26）、最优滤波器单元（27）和惯性传感网络节点最优输出单元（28），惯性传感器阵列（11）中的m个陀螺，m为自然数，n个加速度计，n为自然数，分别与基于数字信号处理微处理器的最优信息融合系统（22）中的数据采集单元（23）连接，基于虚拟传感器的降阶处理单元（24）、系统模型及测量模型构建单元（25）和基于线性变换的标准型构建单元（26）顺序连接，基于虚拟传感器的降阶处理单元（24）和最优滤波器单元（27）分别与数据采集单元（23）连接，最优滤波器单元（27）与惯性传感网络节点最优输出单元（28）连接。

2.基于权利要求1所述的一种惯性传感器网络节点装置的信息融合方法，其特征在于，包括如下步骤：

（1）将数据采集单元（23）获得的所有惯性测量信息，传输至基于虚拟传感器的降阶处理单元（24）中，首先对各个传感器的误差特性进行分析，然后将具有相同误差特性的同类惯性传感器的测量信息组成子集，根据各个子集中惯性传感器的安装矩阵，进行降阶处理，构建降阶的等价观测量；

（2）将步骤（1）得到的等价观测量在系统模型及测量模型构建单元（25）中，构建降阶的等价误差模型，并进一步构建降阶的等价量测模型；在基于线性变换的标准型构建单元（26）中，根据降阶处理的各个传感器子集的等价安装矩阵，采用基于零空间的线性变换方法，将系统模型及测量模型，转化为标准卡尔曼滤波的状态方程和观测方程；

（3）在最优滤波器单元（27）中，采用最优卡尔曼滤波器进行递推滤波解算，得到最优的误差状态估计；在惯性传感网络节点最优输出单元（28）中，根据最优滤波器单元（27）的最优误差状态估计，计算最优的输出状态；该最优输出状态即为相对于安装轴的角速度和加速度的最优估计，直接用于惯性导航解算。