自适应卡尔曼滤波在惯性-地磁组合姿态解算中的应用

"一种适用于惯性-地磁组合的自适应卡尔曼算法" 本文主要探讨了在惯性-地磁组合姿态解算中的一个重要问题，即现有的算法往往在动态精度和静态精度之间存在权衡，过度依赖陀螺仪或加速度计与地磁传感器的组合会导致性能不佳。传统的卡尔曼滤波算法，如扩展卡尔曼滤波（EKF），在处理这类问题时可能会遇到挑战。作者提出了一个创新的解决方案，即自适应卡尔曼算法，旨在同时优化静态和动态性能。 首先，文章指出，惯性-地磁组合通常由三轴微机电系统（MEMS）陀螺仪、三轴MEMS加速度计和三轴MEMS地磁传感器构成，它们通过多传感器信息融合来确定物体的姿态。单独使用陀螺仪进行姿态测量时，虽然短期精度高，但由于基于数值积分，当使用MEMS陀螺仪时，其长期精度可能会下降，因为这类陀螺仪易受噪声和漂移影响。 为了解决这一问题，文章提出实时估计加速度计输出矢量与地磁传感器输出矢量的向量积的模，并将其估计残差作为扩展卡尔曼滤波器的观测噪声。这个估计残差具有零均值、平稳的特性，而且在物体运动时其方差显著增加。这种自适应策略允许算法根据运动状态自动调整权重，从而在保持动态性能的同时改善静态性能。 实验部分对比了MTi和ADIS16480内置的卡尔曼算法与新提出的自适应卡尔曼算法。实验结果显示，自适应卡尔曼算法在静动态性能上都表现出优越性，验证了该算法的有效性和实用性。 这篇论文研究了一种新的自适应卡尔曼滤波方法，它针对惯性-地磁组合的姿态解算问题，通过对加速度计和地磁传感器数据的智能处理，提高了算法的精度和鲁棒性。这种方法对于依赖惯性导航系统的人体运动分析和其他应用领域具有重要的理论和实践价值。