优化惯-磁组合姿态测量算法：静动态性能提升策略

本文是一篇深入研究的学术论文，主要探讨了基于惯性-地磁组合的运动体姿态测量算法。惯性-地磁组合技术因其无需依赖外部参考源，能在大空间范围内有效地追踪人体等运动物体的姿态，因此在人体运动跟踪等领域具有广泛的应用潜力。然而，这种技术在实际应用中面临着传感器随机误差和运动体线加速度干扰带来的挑战，这直接影响了姿态测量算法的精度和稳定性。 论文详细分析了五种常见的姿态解算算法：线性卡尔曼滤波、状态方程非线性卡尔曼滤波、观测方程非线性卡尔曼滤波、REQUEST算法以及Optimal-REQUEST算法。通过对比和评估，研究结果显示，观测方程非线性卡尔曼滤波和Optimal-REQUEST算法在静动态性能上表现出色。然而，观测方程非线性卡尔曼滤波对初始估计的敏感度较高，而Optimal-REQUEST算法存在一定程度的漂移问题。 鉴于这两种算法的优点和不足，作者提出了一项策略，即结合这两种算法的优势，设计一种新型的姿态解算算法，旨在提高其在实际应用中的静动态性能。这种整合方法有望克服现有算法的局限，实现更精确和稳定的姿态测量，对于提升惯性-地磁组合在复杂环境下的性能具有重要的理论和实践价值。 论文还提及了研究背景和资金支持，包括国家自然科学基金、机器人技术与系统国家重点实验室开放基金、江苏省高校自然科学研究面上资助项目、常州市科技资助项目以及常州大学的博士启动基金。作者团队由戎海龙（讲师，博士，惯性导航系统研究方向）、彭翠云（讲师，硕士，汽车电子工程）和马正华（教授，学士，嵌入式系统研究方向）组成，他们的合作展示了在该领域的扎实基础和创新精神。 这篇论文不仅提供了对当前惯性-地磁组合姿态测量算法的深入理解，还提出了具有前景的研究方向，对于从事相关技术研究的学者和工程师来说，具有很高的参考价值。