一种数据融合车载捷联惯导系统在线标定方法

捷联惯导系统粗对准方法比较

捷联惯导系统粗对准方法比较 魏春岭 张洪钺 北京航空航天大学自动化科学与电气工程学院 北京 100083 摘 要 通过误差分析对三种捷联惯导系统解析粗对准方法进行了比较。指出在 相同的传感器精度条件下,利用正交向量计算捷联矩阵比传统方法有更高的对准 精度,直接计算法不仅精度高,而且计算简单,更适合工程应用。 主题词 捷联惯导系统 解析粗对准 Comparison of Analytic Coarse Alignment Methods Wei Chunling Zhang Hongyue Beijing University of Aeronautics and Astronautics,Beijing100083 Abstract Three analytic coarse alignment methods to strapdo wn inertial navigation system are com pared via error analysis.The later two are superior to the traditional one because their east level dri f t misalignment angles are not corrupted b y gyro uncertainty.Due to its high ac- curacy and com putation e ff iciency,the direct method is more suitable for practical applica- tions. Subject terms Strapdown inertial navigation systems Analytic coarse alignment 作为一种航迹推算系统,惯性导航系统对初始解算条件有较高要求,初始对准误差会直接影响导航的精度。对于捷联式惯性导航系统,初始对准的目的就是要确定捷联矩阵C n b。解析粗对准就是利用加速度计和陀螺仪对重力加速度和地球自转角速度的测量值估算C n b,为精对准提供初始条件,因此选择算法简单、精度更高的粗对准方法有其实际意义。本文通过误差分析与计算机仿真比较了三种解析粗对准方法,指出直接计算法更适合工程应用。 1 解析粗对准方法 假定当地纬度 已知,地理系采用东北天坐标系,则重力加速度g和地球自转角速度 收稿日期 1999年12月 16

数据融合方法优缺点

数据融合方法 随着交通运行状态评价研究的不断发展，对数据的准确性和广泛覆盖性提出了更高的要求，在此基础上，不同的数据融合模型被引进应用于交通领域中来计算不同检测设备检测到的数据。现阶段，比较常用的数据融合方法主要有：表决法、模糊衰退、贝叶斯汇集技术、BP神经网络、卡尔曼滤波法、D．S理论等方法。 1现有方法应用范围 结合数据融合层次的划分，对数据融合方法在智能交通领域的应用作以下归纳总结： 表数据融合层次及对应的方法 2各种融合方法的优缺点 主要指各种融合方法的理论、应用原理等的不同，呈现出不同的特性。从理论成熟度、运算量、通用性和应用难度四个方面进行优缺点的比较分析，具体内容如下： (1)理论成熟度方面：卡尔曼滤波、贝叶斯方法、神经网络和模糊逻辑的理论已经基本趋于成熟；D—S证据推理在合成规则的合理性方

面还存有异议；表决法的理论还处于逐步完善阶段。 (2)运算量方面：运算量较大的有贝叶斯方法、D．S证据推理和神经网络，其中贝叶斯方法会因保证系统的相关性和一致性，在系统增加或删除一个规则时，需要重新计算所有概率，运算量大；D．S证据推理的运算量呈指数增长，神经网络的运算量随着输入维数和隐层神经元个数的增加而增长；运算量适中的有卡尔曼滤波、模糊逻辑和表决法。 (3)通用性方面：在这六种方法中，通用性较差的是表决法，因为表决法为了迁就原来产生的框架，会割舍具体领域的知识，造成其通用性较差；其他五种方法的通用性相对较强。 (4)应用难度方面：应用难度较高的有神经网络、模糊逻辑和表决法，因为它们均是模拟人的思维过程，需要较强的理论基础；D．S证据推理的应用难度适中，因其合成规则的难易而定：卡尔曼滤波和贝叶斯方法应用难度较低。 3 适用的交通管理事件 之前数据融合技术在交通领域中的应用多是在例如车辆定位、交通事件识别、交通事件预测等交通事件中，但是几乎没有数据融合技术在交通运行状态评价的应用研究，而本文将数据融合技术应用在交通运行状态评价中，为了寻找到最适用于交通运行状态评价的数据融合技术方法，有必要将之前适用于其它交通管理事件的数据融合技术进行评价比较。 表2 各种融合方法适用的交通管理事件的比较

第六章 捷联惯导

第六章捷联惯导

6-1捷联惯导的原理?捷联惯导系统概述 ?捷联惯性技术的发展过程 ?捷联惯导系统与平台惯导系统的对比 ?捷联惯导系统的基本力学编排方程?捷联惯导系统的算法概述 ?捷联惯导系统原理框图的说明 ?姿态方程的解算 （1）姿态和航向角的计算 （2）姿态矩阵的微分方程 （3）四元数的运动学微分方程 （4）等效旋转矢量法及其微分方程 （5）位移角速率方程 （6）速度方程

?导航位置方程 （1）游动方位系与地球系之间的方向余弦矩阵 （2）载体位置计算 （3）方向余弦矩阵计算 ?垂直通道阻尼 ?捷联惯性器件的余度技术?单自由度陀螺仪的配置方案 （1）四陀螺仪配置方案 （2）六陀螺仪系统 ?二自由度陀螺仪的配置方案

?捷联惯导的数值计算方法?数值积分法 （1）欧拉法 （2）四阶龙格－库塔法 ?角速率信息的提取

“ 捷联（Strapdown）”这一术语的英文原义就是“捆绑”的意思。因此，所谓捷联惯性系统也就是将惯性敏感元件（陀螺与加速度计）直接“捆绑”在载体上，从而完成制导和导航任务的系统。 V-2导弹 “阿波罗-13”宇宙飞船 “海盗”火星降落器

从捷联技术的发展过程中我们已经看到捷联系统的优越性已越来越突出的显示出来，并在许多方面已日渐代替平台系统。为什么会出现这种情况呢？为了回答这一问题，这里从生产与使用的角度将捷联系统与平台系统做一对比。 （1）硬件和软件的复杂程度 由于捷联系统没有平台框架及相连的伺服装置，因而简化了硬件；代价是增加了计算机的负担，需要一个比较复杂的实时程序。 （2）可靠性 捷联系统的可靠性要比平台系统高，其原因是它的机械构件少，加之容易采用多敏感元件配置，实现余度技术。 （3）成本与可维护性 由于平台系统在机械结构上要复杂得多，而对于捷联系统只是算法复杂些，因而从制造成本上看捷联系统的成本要比平台系统低。从市场供应的情况来看，数字计算机的价格一直在下降，而平台系统的价格一直在上升。 此外，捷联系统比平台系统具有较长的平均故障间隔时间，加之模块设计简化了维修，从而捷联系统的可维护性比平台系统大为提高了。

多传感器数据融合算法.

一、背景介绍： 多传感器数据融合是一种信号处理、辨识方法，可以与神经网络、小波变换、kalman 滤波技术结合进一步得到研究需要的更纯净的有用信号。 多传感器数据融合涉及到多方面的理论和技术，如信号处理、估计理论、不确定性理论、最优化理论、模式识别、神经网络和人工智能等。多传感器数据融合比较确切的定义可概括为：充分利用不同时间与空间的多传感器数据资源，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，获得对被测对象的一致性解释与描述，进而实现相应的决策和估计，使系统获得比它的各组成部分更充分的信息。 多传感器信息融合技术通过对多个传感器获得的信息进行协调、组合、互补来克服单个传感器的不确定和局限性，并提高系统的有效性能，进而得出比单一传感器测量值更为精确的结果。数据融合就是将来自多个传感器或多源的信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程。当系统中单个传感器不能提供足够的准确度和可靠性时就采用多传感器数据融合。数据融合技术扩展了时空覆盖范围，改善了系统的可靠性，对目标或事件的确认增加了可信度，减少了信息的模糊性，这是任何单个传感器做不到的。 实践证明：与单传感器系统相比，运用多传感器数据融合技术在解决探测、跟踪和目标识别等问题方面，能够增强系统生存能力，提高整个系统的可靠性和鲁棒性，增强数据的可信度，并提高精度，扩展整个系统的时间、空间覆盖率，增加系统的实时性和信息利用率等。信号级融合方法最简单、最直观方法是加权平均法，该方法将一组传感器提供的冗余信息进行加权平均，结果作为融合值，该方法是一种直接对数据源进行操作的方法。卡尔曼滤波主要用于融合低层次实时动态多传感器冗余数据。该方法用测量模型的统计特性递推，决定统计意义下的最优融合和数据估计。 多传感器数据融合虽然未形成完整的理论体系和有效的融合算法，但在不少应用领域根据各自的具体应用背景，已经提出了许多成熟并且有效的融合方法。多传感器数据融合的常用方法基本上可概括为随机和人工智能两大类，随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、产生式规则等;而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。可以预见，神经网络和人工智能等新概念、新技术在多传感器数据融合中将起到越来越重要的作用。 数据融合存在的问题 (1)尚未建立统一的融合理论和有效广义融合模型及算法； (2)对数据融合的具体方法的研究尚处于初步阶段； (3)还没有很好解决融合系统中的容错性或鲁棒性问题； (4)关联的二义性是数据融合中的主要障碍； (5)数据融合系统的设计还存在许多实际问题。 二、算法介绍： 2.1多传感器数据自适应加权融合估计算法： 设有n 个传感器对某一对象进行测量，如图1 所示，对于不同的传感器都有各自不同的加权因子，我们的思想是在总均方误差最小这一最优条件下，根据各个传感器所得到的测量值以自适应的方式寻找各个传感器所对应的最优加权因子，使融合后的X值达到最优。

捷联式惯性导航系统

1 绪论 随着计算机和微电子技术的迅猛发展，利用计算机的强大解算和控制功能代替机电稳定系统成为可能。于是，一种新型惯导系统--捷联惯导系统从20世纪60年代初开始发展起来，尤其在1969年，捷联惯导系统作为"阿波罗"-13号登月飞船的应急备份装置，在其服务舱发生爆炸时将飞船成功地引导到返回地球的轨道上时起到了决定性作用，成为捷联式惯导系统发展中的一个里程碑。 捷联式惯性导航(strap-down inertial navigation)，捷联（strap-down）的英语原义是“捆绑”的意思。因此捷联式惯性导航也就是将惯性测量元件（陀螺仪和加速度计）直接装在飞行器、舰艇、导弹等需要诸如姿态、速度、航向等导航信息的主体上，用计算机把测量信号变换为导航参数的一种导航技术。现代电子计算机技术的迅速发展为捷联式惯性导航系统创造了条件。惯性导航系统是利用惯性敏感器、基准方向及最初的位置信息来确定运载体的方位、位置和速度的自主式航位推算导航系统。在工作时不依赖外界信息，也不向外界辐射能量，不易受到干扰破坏。它完全是依靠载体自身设备独立自主地进行导航，它与外界不发生任何光、声、磁、电的联系，从而实现了与外界条件隔绝的假想的“封闭”空间内实现精确导航。所以它具有隐蔽性好，工作不受气象条件和人为的外界干扰等一系列的优点，这些优点使得惯性导航在航天、航空、航海和测量上都得到了广泛的运用[1] 1.1 捷联惯导系统工作原理及特点 惯导系统主要分为平台式惯导系统和捷联式惯导系统两大类。惯导系统（INS）是一种不依赖于任何外部信息、也不向外部辐射能量的自主式导航系统，具有隐蔽性好，可在空中、地面、水下等各种复杂环境下工作的特点。 捷联惯导系统（SINS）是在平台式惯导系统基础上发展而来的，它是一种无框架系统，由三个速率陀螺、三个线加速度计和微型计算机组成。平台式惯导系统和捷联式惯导系统的主要区别是：前者有实体的物理平台，陀螺和加速度计置于陀螺稳定的平台上，该平台跟踪导航坐标系，以实现速度和位置解算，姿态数据直接取自于平台的环架；后者的陀螺和加速度计直接固连在载体上作

车载捷联惯导系统基本原理

车载捷联惯导系统基本原理 一、捷联惯导系统基本原理 捷联惯导系统基本原理如图2-1所示： 图中陀螺和加速度计直接与载体系b固联，用来测量载体的角运动信息和线运动信息。导航解算的本质是根据初值进行积分的过程，通过求解姿态微分方程完成对姿态和航向角的积分，通过求解比力微分方程完成对速度的积分，通过求解位置微分方程实现对位置的积分。捷联惯导的姿态矩阵C n 相当于“数学平台”，取代了平台惯导中的实体平台，而ω?相当于对数学平台“施矩”的指令角速率。

二、捷联惯导微分方程 （一）姿态微分方程 在捷联惯导系统中，导航坐标系n 和载体坐标系b 之间的角位置关系通常用姿态矩阵、四元数和欧拉角表示，相应也存在姿态矩阵微分方程、四元数微分方程和欧拉角微分方程三种形式。 姿态矩阵微分方程的表达式为：

在欧拉角微分方程式(2.2-7)中，当俯仰角θ趋于90o时，cosθ趋于0，tanθ趋于无穷，方程存在奇异性，所以这种方法不能在全姿态范围内正常工作；姿态矩阵微分方程式(2.2-1)可全姿态工作，但姿态矩阵更新相当于求解包含9个未知量的线性微分方程组，计算量大；四元数微分方程式(2.2-6)同样可以全姿态工作，且更新算法只需求解4个未知量的线性微分方程组，计算量小，算法简单，是较实用的工程算法。 （二）速度微分方程 速度微分方程即比力方程，是惯性导航解算的基本关系式： 三、捷联惯性导航算法 捷联惯导解算的目的是根据惯性器件输出求解载体姿

态、速度和位置等导航信息，实际上就是求解三个微分方程的过程，相应存在姿态更新算法、速度更新算法和位置更新算法。 （一）姿态更新算法 求解微分方程式(2.2-6)可得四元数姿态更新算法为：

捷联式惯导系统误差解析解研究

第22卷　第11期计　算　机　仿　真2005年11月 文章编号:1006-9348(2005)11-0042-04 捷联式惯导系统误差解析解研究 张宾,刘藻珍 (北京理工大学机电工程学院,北京100081) 摘要:该文在一定的假设条件下利用捷联惯导系统的三维误差状态模型求解出了单通道误差状态方程的解析解,列表给出 了各误差源对于某一特定误差状态的动态影响。然后利用某型导弹的弹道数据通过对两种误差模型在同一条件下进行仿 真的方法验证了单通道误差状态方程解析解的正确性。单通道误差模型对分析各种误差源对系统的影响,确定在满足系统 精度要求的条件下主要误差源的选择范围,进行系统精度分配提供了十分方便直观的方法。 关键词:捷联;误差模型;误差分析 中图分类号:V249.32 文献标识码:A Research on the Error Ana lyti c Soluti on of Strapdown I nerti a l Nav i ga ti on System ZHANG B in,L I U Zao-zhen (School of Mechanical Electr onic Engineering,Beijing I nstitute of Technol ogy,Beijing100081,China) ABSTRACT:I n this paper,err or state model of strapdown inertial navigati on syste m(SI N S)is educed and analytic s oluti on t o monochannel err or state equati on is worked out under the conditi on of certain hypotheses.The lists of the effect of each err or s ource t o a given err or status are p r ovided when SI N S is in the state of moving.The correctness of analytic s oluti on t o monochannel err or state equati on is validated by the means of t w o err or models’si m ulati on excer p2 ting the same actual traject ory data of a certain type m issile.Monochannel err or model gives a convenient and intu2 iti onistic way t o analyze the effect of all kinds of err or s ources t o the system,deli m it the selective range of main err or s ource which can meet the requirement of the syste m accuracy and all ot syste m accuracy. KE YWO RD S:Strapdown;Err or model;Err or analysis 1　引言 在导航过程中,希望惯导系统能准确地提供各种导航信 息。但各种误差源的存在,使导航信息具有一定的误差。本 文在一定的假设条件下利用捷联惯导系统的三维误差状态 模型求解出了单通道误差状态方程的解析解,列表给出了各 误差源对于某一特定误差状态的动态影响。然后利用某型 导弹的弹道数据通过对两种误差模型在同一条件下进行仿 真的方法验证了单通道误差状态方程解析解的正确性。 单通道误差模型对分析各种误差源对系统的影响,确定 在满足系统精度要求的条件下主要误差源的选择范围,进行 系统精度分配提供了十分方便直观的方法。 2　捷联惯导误差模型 当地水平坐标系(L)中,捷联惯导系统力学编排方程计 算输出的状态变量包括:大地坐标(φ,λ,h),运动速度(V e , V n,V u)及姿态信息(r,p,y)等量。此时相应的误差状态向量 δX(t)=[

数据融合各种算法整理汇总

数据融合各种算法及数学知识汇总 粗糙集理论 理论简介 面对日益增长的数据库，人们将如何从这些浩瀚的数据中找出有用的知识？ 我们如何将所学到的知识去粗取精？什么是对事物的粗线条描述什么是细线条描述？ 粗糙集合论回答了上面的这些问题。要想了解粗糙集合论的思想，我们先要了解一下什么叫做知识？假设有8个积木构成了一个集合A，我们记： A={x1,x2,x3,x4,x5,x6,x7,x8}，每个积木块都有颜色属性，按照颜色的不同，我们能够把这堆积木分成R1={红，黄，蓝}三个大类，那么所有红颜色的积木构成集合X1={x1,x2,x6}，黄颜色的积木构成集合X2={x3,x4}，蓝颜色的积木是：X3={x5,x7,x8}。按照颜色这个属性我们就把积木集合A进行了一个划分(所谓A的划分就是指对于A中的任意一个元素必然属于且仅属于一个分类），那么我们就说颜色属性就是一种知识。在这个例子中我们不难看到，一种对集合A的划分就对应着关于A中元素的一个知识，假如还有其他的属性，比如还有形状R2={三角,方块,圆形}，大小R3={大,中,小}，这样加上R1属性对A构成的划分分别为： A/R1={X1,X2,X3}={{x1,x2,x6},{x3,x4},{x5,x7,x8}} （颜色分类） A/R2={Y1,Y2,Y3}={{x1,x2},{x5,x8},{x3,x4,x6,x7}} （形状分类） A/R3={Z1,Z2,Z3}={{x1,x2,x5},{x6,x8},{x3,x4,x7}} （大小分类） 上面这些所有的分类合在一起就形成了一个基本的知识库。那么这个基本知识库能表示什么概念呢？除了红的{x1,x2,x6}、大的{x1,x2,x5}、三角形的{x1,x2}这样的概念以外还可以表达例如大的且是三角形的 {x1,x2,x5}∩{x1,x2}={x1,x2}，大三角{x1,x2,x5}∩{x1,x2}={x1,x2}，蓝色的小的圆形({x5,x7,x8}∩{x3,x4,x7}∩{x3,x4,x6,x7}={x7}，蓝色的或者中的积木{x5,x7,x8}∪{x6,x8}={x5,x6,x7,x8}。而类似这样的概念可以通过求交运算得到，比如X1与Y1的交就表示红色的三角。所有的这些能够用交、并表示的概念以及加上上面的三个基本知识(A/R1,A/R2.A/R3)一起就构成了一个知识系统记为R=R1∩R2∩R3，它所决定的所有知识是 A/R={{x1,x2},{x3,x4},{x5},{x6},{x7},{x8}}以及A/R中集合的并。 下面考虑近似这个概念。假设给定了一个A上的子集合X={x2,x5,x7}，那么用我们的知识库中的知识应该怎样描述它呢？红色的三角？****的大圆？ 都不是，无论是单属性知识还是由几个知识进行交、并运算合成的知识，都不能得到这个新的集合X，于是我们只好用我们已有的知识去近似它。也就是在所有的现有知识里面找出跟他最像的两个一个作为下近似，一个作为上近似。于是我们选择了“蓝色的大方块或者蓝色的小圆形”这个概念： {x5,x7}作为X的下近似。选择“三角形或者蓝色的”{x1,x2,x5,x7,x8}作为它的上近似，值得注意的是，下近似集是在那些所有的包含于X的知识库

捷联惯导详细讲解

捷联惯导系统从20世纪60年代初开始发展起来，在1969年，捷联惯导系统作为"阿波罗"-13号登月飞船的应急备份装臵，在其服务舱发生爆炸时将飞船成功地引导到返回地球的轨道上时起到了决定性作用，成为捷联式惯导系统发展中的一个里程碑。 捷联式惯性导航(strap-downinertialnavigation)，捷联（strap-down）的英语原义是“捆绑”的意思。因此捷联式惯性导航也就是将惯性测量元件（陀螺仪和加速度计）直接装在导弹需要诸如姿态、速度、航向等导航信息的主体上，用计算机把测量信号变换为导航参数的一种导航技术。 一、捷联惯导系统工作原理及特点 惯导系统基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，之后将其变换到导航坐标系，得到在导航坐标系中的速度、偏航角和位臵信息等。 捷联惯导系统（SINS）是一种无框架系统，由三个速率陀螺、三个线加速度计和微型计算机组成。由于惯性元器件有固定漂移率，会造成导航误差，因此导弹通常采用指令、GPS或其组合等方式对惯导进行定时修正，以获取持续准确的位臵参数。如采用指令+捷联式惯导 捷联惯导系统能精确提供载体的姿态、地速、经纬度等导航参数，是利用惯性敏感器、基准方向及最初的位臵信息

来确定运载体的方位、位臵和速度的自主式航位推算导航系统。在工作时不依赖外界信息，也不向外界辐射能量，不易受到干扰破坏。它完全是依靠载体自身设备独立自主地进行导航，它与外界不发生任何光、声、磁、电的联系，从而实现了与外界条件隔绝的假想的“封闭”空间内实现精确导航。所以它具有隐蔽性好，工作不受气象条件和人为的外界干扰等一系列的优点。 除此以外捷联惯导系统的最大特点是没有实体平台，即将陀螺仪和加速度计直接安装在机动载体上，在计算机中实时的计算姿态矩阵，通过姿态矩阵把导航加速度计测量的载体沿机体坐标系轴向的加速度信息变换到导航坐标系，然后进行导航计算。同时，从姿态矩阵的元素中提取姿态和航向信息．由此可见，在捷联惯导系统中平台的作用已由计算机及其软件的作用代替了，捷联式惯导系统采用的是数学平台。力学编排就是按照合适的数学模型由观测量计算出导航定位参数。具体地讲，利用陀螺仪测得的载体相对于惯性参照系的旋转角速度，计算出载体坐标系至导航计算坐标系之问的坐标转换矩阵；将测量的比力(加速度计测量载体相对于惯性空间的线加速度)变换至导航坐标系，并经过两次积分得到所需的速度位臵信息。 二、捷联惯导系统有以下独特优点： （1）去掉了复杂的平台机械系统，系统结构极为简单，

数据融合技术概述

数据融合是WSN中非常重要的一项技术，也是目前的一个研究热点，通过一定算法将采集到的数据进行各种网内处理，去除冗余信息，减少数据传输量，降低能耗，延长网络生命周期。本文以从降低传输数据量和能量方面对数据融合方法进行分类，介绍其研究现状。 1.与路由相结合的数据融合 将路由技术和数据融合结合起来，通过在数据转发过程中适当地进行数据融合，减轻网络拥塞，延长网络生存时间[1]。 1.1查询路由中的数据融合 定向扩散（directed diffusion）[2]作为查询路由的代表，数据融合主要是在其数据传播阶段进行，采用抑制副本的方法，对转发过的数据进行缓存，若发现重复数据将不予转发，该方法有很好的能源自适应性，但是他只能在他选择的随机路由上进行数据融合，并不是最优方案。 1.2分层路由中的数据融合 Wendi Rabiner Heinzelman 等提出了在无线传感器网络中使用分簇概念,其将网络分为不同层次的LEACH 算法[3] :通过某种方式周期性随机选举簇头,簇头在无线信道中广播信息,其余节点检测信号 并选择信号最强的簇头加入,从而形成不同的簇。每个簇头在收到本簇成员后进行数据融合处理，并将结果发送给汇集节点。LEACH算法仅强调数据融合的重要性，但未给出具体的融合方法。TEEN是LEACH 算法的改进[4]，通过缓存机制抑制不需要转发的数据，进一步减少数据融合过程中的数据亮。

1.3链式路由中的数据融合 Lindsey S 等人在L EACH 的基础上,提出了PEGASIS 算法[5]每个节点通过贪婪算法找到与其最近的邻居并连接,从而整个网络形成一个链,同时设定一个距离Sink 最近的节点为链头节点,它与Sink进行一跳通信。数据总是在某个节点与其邻居之间传输,节点通过多跳方式轮流传输数据到Sink 处，位于链头节点和源节点之间的节点进行融合操作，最终链头节点将结果传送给汇聚节点。链式结构使每个节点发送数据距离几乎最短，比LEACH节能，但增大了数据传送的平均延时，和传输失败率。PEDAP (power efficient data gathering and aggregation protocol) [6]协议进一步发展了PEGASIS 协议,其核心思想是把WSN 的所有节点构造成一棵最小汇集树(minimum spanning tree) 。节点不管在每一轮内接收到多少个来自各子节点的数据包,都将压缩融合为单个数据包,再进行转发,以最小化每轮数据传输的 总能耗。然而,PEDAP 存在难以及时排除死亡节点(非能量耗尽) 的缺点。 2.基于树的数据融合 现有的算法有最短路径树（SPT）、贪婪增量树（GIT）、近源汇集树（CNS）和Steiner树以及他们的改进算法。Zhang [7]提出 DCTC(dynamic convey tree based collaboration) 算法。通过目标附近的节点协同构建动态生成树,协同组节点把测量数据沿确定的生成树向根节点传输,在传输过程中,汇聚节点对其子生成树节点的数 据进行数据融合。Luo [8-9]了MFST (minimum fusion steiner t ree)

车载捷联惯导系统定位测姿算法研究

第１５卷第ｌ期２００７年２月 中国惯性技术学报 ＪｏｕｍａｌｏｆＣｈｉｎｅｓｅＩｎｅｒｔｉａｌＴｃｃｈｎｏｌｏｇｙ Ｖｂｌ．１５Ｎｏ．１ Ｆｅｂ．２００７ 文章编号：１００５－６７３４（２００７）０１一００２４－０４ 车载捷联惯导系统定位测姿算法研究 陈允芳１，叶泽田２，钟若飞３ （１．山东科技大学地球信息科学与工程学院，青岛２６６５１０；２．中国测绘科学研究院，北京１０００３９； ３．首都师范大学，北京１０００３７） 摘要：ＧＰｓ／ＩＮｓ组合精确测定平台的位置和姿态是移动测图系统中的重要模块。对陀螺仪和加速度计所测角速度和比力进行两次积分得载体姿态、速度和位置即ｓＩＮｓ力学机械编排。目前该过程大多在地理坐标系进行。 这里详细推导了地球坐标系中完整的解算过程，以四元数姿态矩阵更新及重力计算为核心，由ＩＭｕ原始观测值解算出了载体位置、速度和姿态等参数，可快速高效与ＧＰｓ输出的位置速度信息进行组合滤波处理，可据此编程进行工程应用数据处理。 关键词：捷联惯导系统；姿态矩阵；坐标转换；力学编排；四元数 中图分类号：ｕ６６６．１文献标识码：Ａ ＰｏｓｉｔｉｏｎｉｎｇａｎｄｏｒｉｅｎｔａｔｉｏｎｃｏｍｐｕｔａｔｉｏｎｏｎＶｅｈｉｃｌｅ－ｂｏｒｎｅ ＳＩＮＳａｎｄｄｉｓｃｕｓｓｏｆｃａｌｃｕｌａｔｉｏｎｅｒｒｏｒ ｃＨＥＮＹｕｎ．‰９１，ＹＥｚｅ－ｔｉａｎ２，ｚＨＯＮＧＲｕｏ．ｆｅｉ３ （１．Ｇｅｏ?ｉｎｆｏ衄ａｔｉｏｎＳｃｉｅｎｃｅ＆ＥｎｇｉｎｅｅｒｉｎｇＣｏｌｌｅｇｅ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒＳｉ哆ｏｆＳｃｉｅｎｃｅａＩｌｄＴｂｃｈｎｏｌｏｇｙ，Ｑｉｎｇｄａｏ ２６６５１０，Ｃｈｉｎａ；２．ＳｕｒｖｅｙｉｎｇａＴｌｄＭａｐｐｉｎｇＳｃｉｅｎｃｅＲｅｓｅａｒｃｈＩｎＳｔｉｔｕｔｅｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３９，Ｃｈｉｎａ；３．Ｃ印ｉｔａｌ ＮｏｍｌａｌＵｎｉｖｅｒＳｉ劬Ｂｅｉｊｉｎｇ１０００３７，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＧＰＳａｎｄＩＮＳｉｎｔｅｇｒａｔｅｄｔｏａｃｃｕｒａｔｅｌｙｄｅｔｅｍｉｎｉｎｇｐｏｓｉｔｉｏｎａＩｌｄａｔｔｉｔｕｄｅｏｆｎａｔＩ‘ｏｏｆｉｓＶｉｔａｌｍｏｄｕｌｅｉｎｍｏｂｉｌｅｍａｐｐｉｎｇＳｙｓｔｅｍ．Ｓｐｅｃｉｎｃｆｏｒｃｃ行ｏｍｓｐｅｅｄｏｍｅｔｅｒ蚰ｄ舭ｇｌｅｒａｔｅ矗ｏｍ留ｒｏａｒｅｉｎｔｅ铲ａｔｅｄｔｗｉｃｅｒｅｓｐｅｃｔｉＶｅｌｙｔｏａｃｈｉｅｖｅａｎ沁ｄｅ，ｖｅｌｏｃ时ａＩｌｄｐｏｓｉｔｉｏｎｎ锄ｅｌｙＳＩＮＳｍｅｃｈａＩｌｉｚａｔｉｏｎ．Ｃｕｒｒｅｎｔｌｙｔｈｉｓｔｏｏｋｐｌａｃｅｄｉｎｇｅｏｇｒ印ｈｉｃｃｏｏｒｄｉｎａｔｅ，ｗｈｉＩｅｈｅｒｅｄｅｍｏｎｓｔｒａｔｅｄｉｎｄｅｔａｉｌｍｅｗｈｏｌｅｍｅｃｈａＪｌｉｚａｔｉｏｎｉｎｅａｎｌｌ－ｃｅｎｔｃｌｒｃｄｅａｒｔｈ－ｆｉｘｅｄｃｏｏｒｄｉｎａｔｅ，ｍｏｓｔｌｙｑｕａｔｅｍｉｏｎａ钍ｉｔｕｄｅｍａｔｒｉｘｕｐｄａｔｉｎｇ锄ｄｇｒａｖｉｔ）ｒｃａＩｃｕｌａｔｉｏｎ．Ｕｌｔｉｍａｔｅｌｙｖｅｈｉｃｌｅｎａｖｉｇａｔｉｏｎｐａｒ锄ｅｔｅｒｓｓｕｃｈａＳａｔｔｉｔｕｄｅ，ｖｅＩｏｃｉｔｙ锄ｄｐｏｓｉｔｉｏｎｗｅｒｃｇａｈｅｄ丘ｏｍＩＭＵｏｒｉｇｉｎ“０ｂｓｅｒｖａｔｉｏｎｓ．Ｍａｔｈｅｍａｔｉｃｓｐｌａｔｆｏ眦ｉｓｆｏｍｌｃｄｉｎＳｒＮＳｔｏｃａｒｒｙｏｕｔｓｕⅣｅｙｉｎｇａＪｌｄｃａｌｃｕｌａｔｉｎｇｐｒｅｃｉｓｅｌｙｔｈｅｎａｖｉｇａｔｉｏｎｍｏＶｅｍｅｎｔ ｐａｒ锄ｃｔｅｒＳ．Ｔｈｅｒｅｓｕｌｔｓａｒｃｐｒｏｎｅｔｏｉｎｔｅ黟ａｔｅｗｉｔｌｌｓｉｍｉｌａｒｐａｍｍｅｔｅｒｓ疔ｏｍＧＰＳｔｏｆｉｌｔｅｒｐｒｏｃｅｓｓｉｎｇ．Ｐｒｏ可锄ｍｉｎｇｈｅｒｃｂｙｃ锄ｐｍｃｅｓｓｄａｔａｉｎｅｎｇｉｎｅｅｒｉｎｇａｐｐｌｉｃａｔｉｏｎ Ｋｅｙｗｏｒｄｓ：ＳＩＮＳ；ａｔｔｉｔｕｄｅｍａｔｒｉｘ；ｃｏｏｒｄｉｎａｔｅｔｒａｎｓｆｏｍａｔｉｏｎ；ｍｅｃｈａｎｉｚａｔｉｏｎ；ｑｕａｔｅｍｉｏｎ 随着惯性技术与卫星导航定位技术的发展，由ＧＰＳ／ＩＮｓ不同程度组合而成的定位定姿传感器已成为移动测图系统中确定载体轨迹和平台姿态的重要工具，其中ＧＰｓ多用于定位而ＩＮＳ则用于测姿。捷联惯导系统（ｓＩＮｓ）是将惯性仪表直接固联在载体上而无须采用机械陀螺稳定平台，通过导航计算机中相应程序建立“数学的”陀螺稳定平台，即计算机处理测量值得到载体位置、速度和运动方向估计值以实现导航平台功能。尽管ｓＩＮＳ于２０世纪５０年代即在美国获得专利，但因受限于惯性设备和计算机技术的发展而一直未能实用。近年来，电子和高速计算机技术的发展使得捷联技术得以实现和充分发展，这是惯性技术在近２０年内发展的一个重要的标志。 ＩＮＳ的核心部件是惯性测量单元（ＩＭＵ），按照其陀螺仪和加速计等元件的精度，可将惯导分为不同等级：战略级（＜０．０００ｌ（ｏ）／｝ｌ，ｌ岖）、导航级（０：０００ｌ～０．０１５）（ｏ）／Ｉｌ，５～１００嵋）、低成本（（１～１０（。冲，（０．１～１）ｎ培）。考虑到惯性设备出口管制政策及需求与成本等问题，民用ＩＮｓ精度范围一般为低成本级别。 收稿日期：２００６—０６—１６；修回日期：２００６—１２—２２ 基金项目：国家８６３基金课题（２００６ＡＡｌ２２３２４）；教育部三维信息获取与应用重点实验室开放基金 作者简介：陈允芳（１９７７一），女，博士生，讲师，主要从事移动测图与组合导航。

捷联惯性技术的发展及与平台惯导系统的对比

捷联惯性技术的发展及与平台惯导系统的对比 [2009-06-20] 作者：admin 来源： 1.惯性技术与惯性导航的概述 惯性技术是惯性导航技术、惯性制导技术、惯性仪表技术、惯性测量技术以及惯性测试设备和装置技术的统称。它已有四十多年的发展历史了。由于惯性技术的自主性等特点，它不需要引人外界信息便可实现制导于导航。所以，它在国防科技中占有非常重要的地位，广泛的运用于航天、航空、航海等军事领域；随着惯性技术和计算机技术的不断发展以及成本降低，许多国家将其应用领域扩大到现代化交通运输、海洋开发、大地测量与勘探、石油钻井、矿井、隧道的掘进与贯通、机器人控制、现代化医疗器械、摄影技术以及森林防护、农业播种、施肥等民用领域。 惯性导航系统(Inertial Navigation System)，简称惯导，是利用惯性敏感元件、基准方向及最初的位置信息来确定运载体的方位、姿态和速度的自主式航位推算系统。惯性导航系统可以分为平台式惯导系统和捷联式惯导系统两大类：平台式惯导系统是将陀螺仪和加速计安装在一个稳定平台上，以平台坐标系为基准，测量运载体运动参数的惯性导航系统；捷联式惯导系统(Strapdown Inertial Navigation System , SI )是将惯性敏感元件(陀螺仪和加速计)直接安装在运载体上，是一种不再需要稳定平台或常平架系统的惯性导航系统。 导航的目的就是为了得到运载体的实时的方位、姿态和速度。在工程运用中，能够测定物体运动参数的方法很多：如测量位移可以用里程计，还可以用无线电定位技术、天文定位技术和卫星定位技术等；要测速度可以用测速计；要测转角可用角位置传感器(电位计、光电码盘等等)；要测角速度可以用转速表、测速电机等等。但是，以上各种测量手段还没有一种能够在同一时刻单独实时而又高精度地测量运载体的线运动和角运动，而惯性技术恰是测量这些运动参数的最理想的手段。

信息融合的分类方法

一、信息融合技术分类： 多源信息融合技术分为假设检验型信息融合技术、滤波跟踪型信息融合技术、 聚类分析型信息融合技术、模式识别型信息融合技术、人工智能型信息融合技术等。 1、假设检验型信息融合技术 假设检验型信息融合技术是以统计假设检验原理为基础，信息融合中心选择某 种最优化假设检验判决准则执行多传感器数据假设检验处理，获取综合相关结论。 2、滤波跟踪型信息融合技术 滤波跟踪型信息融合技术是将卡尔曼滤波(或其他滤波)航迹相关技术由单一传 感器扩展到多个传感器组成的探测网，用联合卡尔曼滤波相关算法执行多传感器滤波跟踪相关处理。 3、聚类分析型信息融合技术 聚类分析型信息融合技术是以统计聚类分析或模糊聚类分析原理为基础，在多 目标、多传感器大量观测数据样本的情况下，使来自同一目标的数据样本自然聚集、来自不同目标的数据样本自然隔离，从而实现多目标信息融合。 4、模式识别型信息融合技术 模式识别型信息融合技术是以统计模式识别或模糊模式识别原理为基础，在通 常的单一传感器模式识别准则基础上建立最小风险多目标多传感器模式识别判决 准则，通过信息融合处理自然实现目标分类和识别。 5、人工智能信息融合技术 人工智能信息融合技术将人工智能技术应用于多传感器信息融合，对于解决信 息融合中的不精确、不确定信息有着很大优势，因此成为信息融合的发展方向。智能融合方法可分为：基于专家系统的融合方法；基于神经网络的融合方法；基于生物基础的融合方法；基于模糊逻辑的融合方法等。

二、按融合判决方式分类： 多源信息融合的融合判决方式分为硬判决方式和软判决方式。所谓硬判决或软判决指的是数据处理活动中用于信号检测、目标识别的判决方式。每个传感器内部或信息融合中心都既可选用硬判决方式，也可选用软判决方式。 1、硬判决方式 硬判决方式设置有确定的预置判决门限。只有当数据样本特征量达到或超过预置门限时，系统才做出判决断言；只有当系统做出了确定的断言时，系统才向更高层次系统传送”确定无疑”的判决结论。这种判决方式以经典的数理逻辑为基础，是确定性的。 2、软判决方式 软判决方式不设置确定不变的判决门限。无论系统何时收到观测数据都要执行相应分析，都要做出适当评价，也都向更高层次系统传送评判结论意见及其有关信息，包括评判结果的置信度。这些评判不一定是确定无疑的，但它可以更充分地发挥所有有用信息的效用，使信息融合结论更可靠更合理。 三、按信息融合处理层次分类： 按信息融合处理层次分类，多源信息融合可分为数据层信息融合、特征层信息融合、决策层信息融合等。 1、数据层信息融合 数据层信息融合联合来自每一个传感器的原始数据，其优点是信息丰富，结果精确，但是通讯和运算量大，数据需要预处理，传感器之间往往要求同质或者同等精度。主要的数学方法是：加权平均法、卡尔曼滤波[147,148]、贝叶斯估计、参数估计法等，与信号处理有一定的相似性。 2、特征层信息融合 特征层融合联合从观测量中提取的特征向量，既保持足够数量的重要信息，又实现信息压缩，有利于实时性；但是不可避免地会有某些信息损失，精确性有所下降，因而需对传感器预处理提出较严格的要求。主要的数学方法是：分离

捷联惯导作业

一、原理分析： 捷联式惯导系统是将惯性器件（陀螺仪和加速度计）直接固连在载体上的系统。图1为捷联式惯导系统的原理图，陀螺仪和加速度计输出分别送入姿态矩阵计算和由载体坐标系至平台坐标系的方向余弦矩阵的计算。有了姿态矩阵，其一可以实现把载体坐标系轴向加速度信息变换到导航坐标系轴，进而可以进行所需的导航参数计算，其二利用姿态矩阵的元素，提取方位和姿态信息。 图1. 捷联式惯导系统的原理图 姿态速率微分方程为: 12b tb ωΛ=Λ (1) 其中； () b b b t t tb ib t ie et C ωωωω=-- (2) b ib ω为陀螺仪测量经补偿后的值；

0cos sin t iex t t ie iey ie t ie iez L L ωωωωωω?? ? ????? ??==???????????? ，为地球自转角速率； tan t ety t yt etx t t t etx et ety xt t etz t etx xt V R V R V L R ωωωω??-?? ? ???? ????? ??==?????????????????? ，为地理坐标系相对地球坐标系的转动角速率； 导航坐标系到载体坐标系的姿态矩阵为： cos cos sin sin sin sin cos cos sin sin cos sin sin cos cos cos sin cos sin sin sin cos sin sin cos sin cos cos cos t t C ψ?ψθ? ψ?ψθ? θ?ψθ ψθ θ ψ?ψθ? ψ?ψθ? θ?-+-?? ?? =-?? ??+-?? (3) 对应的四元素初值为: 0123cos cos cos sin sin sin 2 2 2 22 2 cos sin cos sin cos sin 2 2 2 2 2 2 cos cos sin sin sin cos 2 2 2 2 2 2 cos sin sin sin cos cos 2 2 2 2 2 2ψ θ ? ψ θ ? λψ θ ? ψθ ? λψ θ ? ψ θ ? λψ θ ? ψ θ ? λ? =-???=-???=+???=+? (4) 四元素姿态矩阵为： 22220123120313022 2 2 2 12030123 230122221302230101232() 2()2() 2()2() 2() b t C λλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλλ?? +++++?? =--+-+????----+? ? (5) 将姿态速率微分方程展开成矩阵形式： 0112233001020b b b tbx tby tbx b b b tbx tbz tby b b b tby tbz tbx b b b tbz tby tbx λλωωωλλωωωωωωλλωωωλλ???? ??---??????-??????=??????-??????-???????????? (6)

数据融合中存在的问题与可解决的思路

数据融合中存在的问题与可解决的思路 3222011041张志成 一、数据融合技术概念由来 数据融合技术，包括对各种信息源给出的有用信息的采集、传输、综合、过滤、相关及合成，以便辅助人们进行态势/环境判定、规划、探测、验证、诊断。这对战场上及时准确地获取各种有用的信息，对战场情况和威胁及其重要程度进行适时的完整评价，实施战术、战略辅助决策与对作战部队的指挥控制，是极其重要的。 数据融合的概念虽始于70年代初期，但真正的技术进步和发展乃是80年代的事，尤其是近几年来引起了世界范围内的普遍关注，美、英、日、德、意等发达国家不但在所部署的一些重大研究项目上取得了突破性进展，而且已陆续开发出一些实用性系统投入实际应用和运行。不少数据融合技术的研究成果和实用系统已在1991年的海湾战争中得到实战验证，取得了理想的效果。 随着计算机技术、通信技术的快速发展，且日趋紧密地互相结合，加之军事应用的特殊迫切需求，作为数据处理的新兴技术——数据融合技术，在近10年中得到惊人发展并已进入诸多军事应用领域。 二、数据融合存在的问题及研究方向 1.当前数据融合研究存在的问题 数据融合是一门新兴的学科，目前尚存在以下的问题：

（1）未形成基本的理论框架和广义融合算法：目前，绝大多数的融合研究皆是针对特定的应用领域的特定问题开展的（混合结构，分布式）。即根据问题的种类，各自建立直观的融合准则，形成“最佳”融合方案，未形成完整的理论框架和融合模型，使得融合系统的设计具有一定的盲目性。 （2）关联的二义性：关联的二义性是数据融合的主要障碍，传感器测量的不精确性和干扰等都是引起关联二义性的因素。如何降低关联二义性是数据融合研究以待解决的问题。 （3）数据融合方法与融合系统实施存在的问题：目前，大多数数据融合是经一种简单的方法合成信息，并未充分有效地利用多传感器所提供的冗余信息，融合方法研究也还处于初步阶段。而且目前很多研究工作亦是基础研究，仿真性工作。因此，数据融合系统的设计实施还存在许多实际的问题：传感器动态测量误差模型的建立、传感器系统优化、复杂动态环境下系统实时性、大型知识库的建立与管理、与其它领域的很多新技术的“嫁接与融合”，如人工智能技术、计算神经网络计算、遗传算法、进化计算、虚拟现实技术性等。 2.数据融合的研究方向 （1）建立数据融合的基础理论，这包括进一步研究融合技术的数学基础，对于同类信息相融合的数值处理：主要研究其各种最优、次优分散式算法；对于不同类型信息相融合的符号处理方法，引进其它领域的一些新技术：如具备学习功能的新型 AI技术、