传统的系统级标定方法是将温箱压缩机、转台电机等环境引起的随机噪声视为白噪声，而实际过程中输出信号具有非平稳和非线性特征。最小二乘拟合法是一种线性回归方法，利用该方法求解的误差系数成为制约光纤捷联惯导系统实现高精度的关键因素之一。针对上述问题，该文提出了一种基于希尔伯特-黄变换的捷联惯导系统级标定改进算法。通过希尔伯特-黄变换去除惯性仪表原始输出信号中的高频随机噪声，再利用系统级标定法计算惯性测量单元(IMU)误差参数。经多组试验证明，该方法能够有效提高IMU误差参数辨识的准确性，1 h的动态导航位置误差相对减少约10%。
光纤惯导 系统级标定 希尔伯特-黄变换 惯性测量单元 FOG SINS system-level calibration method Hilbert-Huang Transform (HHT) inertial measure unit (IMU)
北京航天时代光电科技有限公司, 北京 100094
针对卡尔曼滤波在连续非线性的惯性组合导航系统中对模型误差估计不够准确的问题, 提出了利用可直接处理连续非线性系统的预测滤波为卡尔曼滤波提供一步预测的组合滤波算法, 弥补了两种滤波算法单独使用时的不足, 从而提高了导航系统精度。再利用光纤陀螺惯导实测数据与计算机生成的星敏感器数据对文中组合滤波算法进行了离线仿真, 证明了文中组合滤波算法的可行性、优越性。
预测滤波 卡尔曼滤波 组合导航 光纤陀螺 model predictive filter Kalman filter integrated navigation fiber-optic gyro 红外与激光工程
2018, 47(12): 1217005
