[发明专利]一种低成本高精度BD/MEMS融合姿态测量方法

说明书

本发明涉及一种低成本高精度BD/MEMS融合姿态测量方法，属于导航技术领域。MEMS惯性传感器模块包括一个三轴加速度计，一个三轴陀螺仪和一个三轴磁力计。BD接收机模块包括2个天线，一个集成BD导航芯片。在该方法中，根据MEMS惯性传感器信息求解出载体姿态角，然后辅助AFM(模糊度函数法)算法求解整周模糊度，最后通过扩展卡尔曼滤波器实现BD/MEMS融合姿态测量。本方法解决了在BD信号被障碍物遮情况下，观测到的卫星颗数不足导致卫星测姿系统无法正常工作的问题，解决了信号失锁带来的整周模糊度求解困难，也解决了陀螺仪、加速度计累计误差的问题，该方法相比于传统方法实时性、可靠性等性能更强，精度更高。

技术领域

本发明属于导航技术领域，涉及一种低成本高精度BD/MEMS融合姿态测量方法。

背景技术

载体的姿态信息是重要导航参数之一。这些参数可以帮助了解实时载体运动状态，在军事、民用等方面都有着重要的作用。诸如火炮、雷达、导弹都需要快速精确的姿态和方位结果，否则对其命中精度就会有很大的影响。

随着载波相位差分技术的快速发展，利用BD系统实现姿态测量成为可能。与惯性导航系统相比，利用BD实现姿态测量，具有无漂移、误差不累计、体积小等特点。但是BD信号容易收到外界干扰，比如天气、地形或者其他客观因素，从而导致无法给予实时准确的姿态信息。而基于微机电系统MEMS(micro-electro-mechanic system,MEMS)惯性传感器实现的姿态测量，具有全自主性，且具有较强的隐蔽性，但无法避免陀螺仪的漂移问题。因此本发明能充分利用BD和MEMS惯性传感器的优点实现基于BD和MEMS惯性传感器的融合姿态测量，能在复杂环境下姿态测量系统的可靠性和准确性。在融合算法方面，组合测姿主要集中在神经网络、扩展卡尔曼滤波和粒子滤波。三种算法对非线性系统都具有良好的性能，但神经网络在事先需要进行参数学习，实现时极为不便；粒子滤波虽然鲁棒性好，但算法复杂度高，若采样时造成样本的有效性和多样性丢失，将导致样本贫化；本发明采用的扩展卡尔曼滤波在算法性能、复杂度等方面都比较适中。

整周模糊度求解算法对于一个单基线的BD姿态测量系统非常重要。目前主要的求解方法有最小二乘搜索算法，优化Cholesky分解，最小二乘降相关平差(Least squaresambiguity decor-relation adjustment,LAMBDA)算法以及将基线长度等作为约束条件的带约束的最小二乘降相关平差算法(Constrained LAMBDA，CLAMBDA)。然而这些算法主要是在高精度浮点解的基础上提高姿态解算的正确率，并没有解决在低精度浮点解情况下姿态解算错误的问题。本发明利用传感器测量得到的姿态信息辅助整周模糊度求解，减小AFM算法的计算量提高整周模糊度的求解成功率解决了AFM算法运算量大无法保证实时解算出整周模糊度的应用瓶颈。

发明内容

有鉴于此，本发明的目的在于提供一种低成本高精度BD/MEMS融合姿态测量方法，该方法首先利用传感器测量得到的姿态信息辅助整周模糊度求解，减小AFM算法的计算量提高整周模糊度的求解成功率，并通过扩展卡尔曼滤波器实现BD/MEMS融合姿态测量。本方法解决了在BD信号被障碍物遮情况下，观测到的卫星颗数不足导致卫星测姿系统无法正常工作的问题，解决了信号失锁带来的整周模糊度求解困难，也解决了陀螺仪、加速度计累计误差的问题。

为达到上述目的，本发明提供如下技术方案：

一种低成本高精度BD/MEMS融合姿态测量方法，其特征在于：包括以下步骤：

步骤1、采集MEMS惯性传感器(三轴陀螺仪、三轴加速度计和三轴磁力计)记录的数据；

步骤2、对步骤1中采集的原始数据进行预处理；

步骤3、利用处理过的加速度计与磁力计原始数据计算载体的姿态信息；

步骤4、根据BD接收机接收到的星历数据，建立双差载波相位观测方程；