针对动中通系统低成本姿态估计计算复杂、易受侧滑角和机动加速度等外界因素干扰的问题, 提出一种基于超球体采样无迹卡尔曼滤波算法, 融合微机械陀螺、加速度计和单基线GPS, 对载体姿态进行精确估计。为了提高姿态估计的实时性, 采用超球体采样减少无迹卡尔曼滤波器的采样点数量, 在不影响精度的前提下, 有效降低了算法的计算量；此外, 加速度计姿态角测量值在加速、转弯行驶过程中会受到机动加速度的影响, 为解决这一问题, 通过单基线GPS提供的速度、侧滑角信息进行机动加速度补偿。行车实验表明, 提出的低成本姿态估计方法估计精度较高, 在降低成本的同时能够满足宽带移动卫星通信波束对准要求。
多传感器融合 姿态估计 超球体采样 multi-sensor fusion attitude estimation UKF unscented Kalman filter spherical simplex transformation
北京航空航天大学自动化科学与电气工程学院，北京100191
初始对准是实现惯性导航高精度的一项关键技术。无迹滤波(UKF)在SINS系统静基座大方位失准角初始对准中计算量大，在不精确或错误的噪声统计情况下，收敛速度变慢，估计精度下降，甚至滤波发散。针对这一问题，将超球体采样与强跟踪无迹滤波(STFUKF)算法相结合，提高了运算速度和对准精度。利用SINS的非线性误差模型，通过数字仿真将卡尔曼滤波、UKF和STFUKF的性能进行比较，证明该方法具有精度高、抗干扰性好、跟踪能力强的特点。
初始对准 超球体采样 强跟踪滤波 UKF滤波 initial alignment spherical simplex transformation Strong Tracking Filtering (STF) UKF
