捷联惯导算法与组合导航原理讲义.doc

捷联惯导算法与组合导航原理讲义.doc

《捷联惯导算法与组合导航原理讲义.doc》由会员分享，可在线阅读，更多相关《捷联惯导算法与组合导航原理讲义.doc（242页珍藏版）》请在冰点文库上搜索。

捷联惯导算法与组合导航原理

讲义

严恭敏，翁浚编著

西北工业大学

2016-9

前言

近年来，惯性技术不论在军事上、工业上，还是在民用上，特别是消费电子产品领域，都获得了广泛的应用，大到潜艇、舰船、高铁、客机、导弹和人造卫星，小到医疗器械、电动独轮车、小型四旋翼无人机、空中鼠标和手机，都有惯性技术存在甚至大显身手的身影。

相应地，惯性技术的研究和开发也获得前所未有的蓬勃发展，越来越多的高校学生、爱好者和工程技术人员加入到惯性技术的研发队伍中来。

惯性技术涉及面广，涵盖元器件技术、测试设备和测试方法、系统集成技术和应用开发技术等方面，囿于篇幅和作者知识面限制，本书主要讨论捷联惯导系统算法方面的有关问题，包括姿态算法基本理论、捷联惯导更新算法与误差分析、组合导航卡尔曼滤波原理、捷联惯导系统的初始对准技术、组合导航系统建模以及算法仿真等内容。

希望读者参阅之后能够对捷联惯导算法有个系统而深入的理解，并能快速而有效地将基本算法应用于解决实际问题。

本书在编写和定稿过程中得到以下同行的热心支持，指出了不少错误之处或提出了许多宝贵的修改建议，深表谢意：

西北工业大学自动化学院：

梅春波、赵彦明、刘洋、沈彦超、肖迅、牟夏、郑江涛、刘士明、金竹、冯理成、赵雪华；航天科工第九总体设计部：

王亚军；辽宁工程技术大学：

丁伟；北京腾盛科技有限公司：

刘兴华；东南大学：

童金武；中国农业大学：

包建华；南京航空航天大学：

赵宣懿；武汉大学：

董翠军；网友：

Zoro；山东科技大学：

王云鹏。

书中缺点和错误在所难免，望读者不吝批评指正。

作者

2016年9月

目录

第1章概述 6

1.1捷联惯导算法简介 6

1.2Kalman滤波与组合导航原理简介 7

第2章捷联惯导姿态解算基础 10

2.1反对称阵及其矩阵指数函数 10

2.1.1反对称阵 10

2.1.2反对称阵的矩阵指数函数 12

2.2方向余弦阵与等效旋转矢量 13

2.2.1方向余弦阵 13

2.2.2等效旋转矢量 14

2.3方向余弦阵微分方程及其求解 17

2.3.1方向余弦阵微分方程 17

2.3.2方向余弦阵微分方程的求解 17

2.4姿态更新的四元数表示 20

2.4.1四元数的基本概念 20

2.4.2四元数微分方程 23

2.4.3四元数微分方程的求解 25

2.5等效旋转矢量微分方程及其泰勒级数解 26

2.5.1等效旋转矢量微分方程 26

2.5.2等效旋转矢量微分方程的泰勒级数解 29

2.6圆锥运动条件下的等效旋转矢量算法 31

2.6.1圆锥运动的描述 31

2.6.2圆锥误差补偿算法 33

第3章地球形状与重力场基础 40

3.1地球的形状描述 40

3.2地球的正常重力场 46

3.3地球重力场的球谐函数模型 50

3.3.1球谐函数的基本概念 50

3.3.2地球引力位函数 58

3.3.3重力位及重力计算 63

第4章捷联惯导更新算法及误差分析 69

4.1捷联惯导数值更新算法 69

4.1.1姿态更新算法 69

4.1.2速度更新算法 70

4.1.3位置更新算法 76

4.2捷联惯导误差方程 76

4.2.1惯性传感器测量误差 76

4.2.2姿态误差方程 78

4.2.3速度误差方程 79

4.2.4位置误差方程 79

4.2.5误差方程的整理 80

4.3静基座误差特性分析 82

4.3.1静基座误差方程 82

4.3.2高度通道 83

4.3.3水平通道 83

4.3.4水平通道的简化 88

4.3.5水平通道误差方程的仿真 90

第5章卡尔曼滤波基本理论 92

5.1递推最小二乘法 92

5.2Kalman滤波方程的推导 94

5.3连续时间随机系统的离散化与连续时间Kalman滤波 101

5.4噪声相关条件下的Kalman滤波 107

5.5序贯滤波 111

5.6信息滤波与信息融合 114

5.7平方根滤波 116

5.8遗忘滤波 124

5.9Sage-Husa自适应滤波 125

5.10最优平滑算法 127

5.11非线性系统的EKF滤波、二阶滤波与迭代滤波 130

5.12间接滤波与滤波校正 136

5.13联邦滤波（待完善） 136

5.14滤波的稳定性与可观测度分析 141

第6章初始对准及组合导航技术 147

6.1捷联惯导粗对准 147

6.1.1矢量定姿原理 147

6.1.2解析粗对准方法 149

6.1.3间接粗对准方法 152

6.2捷联惯导精对准 153

6.3惯性/卫星组合导航 157

6.3.1空间杆臂误差 157

6.3.2时间不同步误差 158

6.3.3状态空间模型 159

6.4车载惯性/里程仪组合导航 159

6.4.1航位推算算法 159

6.4.2航位推算误差分析 161

6.4.3惯性/里程仪组合 164

6.5低成本姿态航向参考系统（AHRS） 167

6.5.1简化的惯导算法及误差方程 168

6.5.2地磁场测量及误差方程 169

6.5.3低成本组合导航系统模型 170

6.5.4低成本惯导的姿态初始化 171

6.5.5捷联式地平仪的工作原理 173

第7章捷联惯导与组合导航仿真 176

7.1飞行轨迹和惯性器件信息仿真 176

7.1.1飞行轨迹设计 176

7.1.2捷联惯导反演算法 177

7.1.3仿真 178

7.2捷联惯导仿真 180

7.2.1Matlab子函数 180

7.2.2捷联惯导仿真主程序 185

7.3惯导/卫星组合导航仿真 186

7.3.1Matlab子函数 186

7.3.2组合导航仿真主程序 187

附录 190

A一些重要的三维矢量运算关系 190

B运载体姿态的欧拉角描述 192

C姿态更新的毕卡算法、龙格—库塔算法及精确数值解法 199

D从非直角坐标系到直角坐标系的矩阵变换 207

E线性系统基本理论 211

F加权最小二乘估计 216

G矩阵求逆引理 217

H几种矩阵分解方法（QR、Cholesky与UD） 219

I二阶滤波中的引理证明 223

J方差阵上界的证明 225

K三阶非奇异方阵的奇异值分解 226

LMatlab仿真程序 231

M练习题 237

参考文献 241

第1章概述

第1章概述 1

1.1捷联惯导算法简介 1

1.2Kalman滤波与组合导航原理简介 3

1.1捷联惯导算法简介

在捷联惯导系统（SINS）中惯性测量器件（陀螺和加速度计）直接与运载体固联，通过导航计算机采集惯性器件的输出信息并进行数值积分求解运载体的姿态、速度和位置等导航参数，这三组参数的求解过程即所谓的姿态更新算法、速度更新算法和位置更新算法。

特别在恶劣的高动态环境下，高精度的SINS对惯性器件性能和导航算法精度的要求都非常苛刻，由于高精度惯性器件往往价格昂贵并且进一步提升精度异常困难，所以在影响SINS精度的所有误差源中要求因导航算法引起的误差比重必须很小，一般认为应小于5%。

姿态更新算法是SINS算法的核心，对整个系统的解算精度影响最为突出，具有重要的研究和应用价值。

传统的姿态更新算法有欧拉角法、方向余弦阵法和四元数法等方法，这些方法直接以陀螺采样输出作为输入，使用泰勒级数展开或龙格—库塔等方法求解姿态微分方程，未充分考虑转动的不可交换性误差问题。

传统姿态更新算法在理论上可以通过提高采样和更新频率来提高解算精度，但实际陀螺采样频率又受限于传感器的带宽和噪声水平，因此传统算法的精度提升空间相对有限，仅适用于对解算精度要求不太高的场合。

早在1775年，欧拉就提出了等效旋转矢量的概念，指出刚体的定点转动（即绕固定点的任何有限角位移）均可用绕经过该固定点的某轴的一次转动来实现，建立了刚体上单位矢量在转动前后的变换公式。

1840年，罗德里格使用后人称之为罗德里格参数的表示方法，推导了相继两次转动的合成公式，它与W.R.Hamilton在1843年发明的四元数乘法表示是一致的。

研究表明，相继多次的定点转动问题可用一系列的姿态变化量（变化四元数或变化矩阵）相乘来描述，每个姿态变化量与对应转动的等效旋转矢量之间存在转换公式，使用等效旋转矢量计算姿态变化量不存在任何原理上的误差。

因此，现代的SINS姿态更新算法研究的关键就在于如何使用陀螺输出构造等效旋转矢量，以尽量减小和避免不可交换性误差，后续再使用等效旋转矢量计算姿态变化量和进行姿态更新将变得非常简单，而不像传统方法那样，直接使用陀螺输出进行姿态更新容易引起不可交换性误差。

1949年，J.H.Laning在研究火控系统的过程中详细地分析了空间转动合成的性质，推导了由等效旋转矢量确定转动角速度的公式，但是由于缺少更好的应用背景驱动（比如后来SINS发展的迫切需求），未能获得广泛的研究重视。

20世纪50年代是机械陀螺仪飞速发展的一个重要时期，也正是在那时发现了著名的圆锥运动现象，即当陀螺仪在其旋转轴和输出轴出现同频不同相的角振动时，尽管其输入轴净指向不变（在整体上没有随时间改变的趋势项），但陀螺仪还是会敏感到并输出常值角速率。

1958年，为揭示圆锥运动现象产生的根源，L.E.Goodman建立了刚体转动的等效旋转矢量与角速度之间的关系式，后人称之为Goodman-Robinson定理，该定理从几何上将转动不可交换性误差的坐标分量描述为单位球面上的一块有向面积，其面积由对应动坐标轴在单位球面上扫过的曲线与连接该曲线端点的大圆围成，Goodman借助二维Green积分理论获得了不可交换性误差的近似公式。

1969年，基于Goodman近似公式，J.W.Jordan在假设陀螺角增量输出为二次多项式条件下提出了等效旋转矢量的“pre-processor”算法，它与后来发展的等效旋转矢量二子样算法完全一致。

1969年，J.E.Bortz在其博士论文中详细推导了等效旋转矢量微分方程（1971年正式发表，后人称之为Bortz方程），它是利用陀螺输出求解等效旋转矢量的基本公式，奠定了等效旋转矢量多子样算法的理论基础。

在实际应用时一般需对较复杂的Bortz方程做近似处理，事实上，其简化结果与Goodman公式完全一致，它也可以根据Laning公式简化获得。

1983年，R.B.Miller采用在圆锥运动条件下使算法漂移误差最小作为评价标准，推导了等效旋转矢量三子样优化算法。

1990年，J.E.Lee研究了四子样优化算法。

1992年，Y.F.Jiang研究了利用本更新周期内的三子样及前更新周期内的角增量计算旋转矢量的优化算法。

1996年，M.B.Ignagni提出了由陀螺角增量构造等效旋转矢量的通式，并给出了多达10种类型的等效旋转矢量算法。

1999年，C.G.Park总结提出了各子样下求解圆锥误差补偿系数和算法漂移误差估计的通用公式。

至此，从理论上看，在理想的圆锥运动条件下的不可交换性误差补偿问题得到了比较完美的解决。

捷联惯导的基本概念在20世纪50年代就已经提出了，但是由于当时计算机的运算能力极其有限，在算法发展的早期阶段姿态更新通常采用双速回路算法方案：

高速回路（e.g.,400Hz-10kHz）使用简单的一阶算法补偿由角振动引起的姿态不可交换性误差；中速回路（e.g.,50Hz-200Hz）以高速回路的处理结果作为输入再使用相对复杂的高阶算法进行姿态矩阵或四元数更新。

双速回路算法的结构设计和实现过程都稍显繁琐，它只是在计算机运算能力低下时期所采取的权宜之策，随着通用计算机技术的飞速发展，尤其是80年代中后期之后，导航计算机的运算能力就不再是导航算法研究中需要着重关注的问题。

双速回路算法的结构研究已经成为历史，目前的计算机完全能够满足高速高精度姿态更新解算的要求。

1998年，P.G.Savage相继发表的两篇论文对整体捷联惯导数值算法进行了比较全面的总结，但相对于普通技术人员而言，其算法描述过于繁杂，给具体实现带来了很大的不便或困惑。

1.2Kalman滤波与组合导航原理简介

如果信号受噪声干扰，为了从量测中恢复出有用信号而又要尽量减少干扰的影响，常常采用滤波器进行信号处理。

使用经典滤波器时假定信号和干扰的频率分布不同，通过设计特定的滤波器带通和带止频段，实现有用信号和干扰的分离。

但是，如果干扰的频段很宽，比如白噪声，在有用信号的频段范围内也必然会存在干扰，这时经典滤波器对滤除这部分干扰噪声无能为力。

若有用信号和干扰噪声的频带相互重叠，信号处理时通常不再认为有用信号是确定性的，而是带有一定随机性的。

对于随机信号不可能进行准确无误差的恢复，只能根据信号和噪声的统计特性，利用数理统计方法进行估计，并且一般采取某种统计准则使估计误差尽可能小。

借用经典滤波器的术语，这种针对随机信号的统计估计方法也常常称为滤波器，或称为现代滤波器以区别于经典滤波器，但须注意经典滤波器和现代滤波器之间是有本质区别的。

1Kalman滤波

早在1632年，伽利略（GalileoGalilei）就尝试用各种误差函数最小化的方法提出了估计理论问题。

1801年，数学家高斯（KarlGauss）将最小二乘估计法应用于谷神星的轨道跟踪和预测，取得了良好的效果。

最小二乘估计以观测残差平方和最小作为估计准则，它不需要关于量测的任何统计信息，算法简单且实用性强，在参数估计领域获得了广泛的应用。

但是，通常情况下最小二乘估计只能应用于静态参数估计，而不适用于动态系统的状态估计。

20世纪40年代初期，维纳（NorbertWiener）开始将统计方法应用于通信系统和控制系统的研究中，提出了著名的维纳滤波理论。

同一时期，柯尔莫哥洛夫（AndreyKolmogorow）也进行了类似的研究。

维纳滤波是一种从频域角度出发设计滤波器的方法，它根据有用信号和干扰信号的功率谱特性，通过构造和求解维纳—霍夫（Wiener-Hopf）方程得到最佳滤波器的传递函数，给出了最小均方误差意义下的稳态解。

但是，在一般情况下求解维纳—霍夫方程极为困难，甚至是不可能的。

此外，维纳滤波仅适用于低维平稳随机过程，人们试图将它推广到高维和非平稳情况，但都因无法突破计算上的困难而难以实用，这严重限制了维纳滤波的普及。

维纳滤波在历史上有着非常重要的作用和独特的地位，它首次将数理统计理论和线性系统理论有机结合起来，形成了对随机信号进行估计的新理论，虽然维纳滤波不适合用于状态估计，但是它在信号处理和通信理论中依然十分有用。

1960年，RudolfKalman将控制系统状态空间的概念引入随机估计理论中，建立了随机状态空间模型，利用了随机状态方程、量测方程以及激励白噪声的统计特性，构造估计算法对随机状态进行滤波估计，后来被称为Kalman（卡尔曼）滤波。

在Kalman滤波中，所有利用的信息都是时域内的参量，它不但可以应用于一维平稳的随机过程，还可应用于多维非平稳过程，这就避免了Wiener滤波器设计的困境。

Kalman滤波是一套由数字计算机实现的实时递推算法，它以随机系统的量测作为滤波器的输入，滤波器的输出是对系统状态的最优估计，这一特征与确定性控制系统中的状态观测器非常相似。

在Kalman滤波器出现以后，估计理论的发展基本上都是以它为基础的一些推广和改进。

20世纪60年代，Kalman滤波在美国的太空计划中获得了成功的应用，但是由于当时计算机字长较短，滤波器在实现过程中有时会出现一些问题，即计算机求解均方误差阵容易出现无穷大情况，导致滤波发散。

平方根滤波是一种在数学上增加Kalman滤波精度的方法，Potter为“阿波罗”太空计划开发了第一个平方根滤波算法，它推动了后来一些其他平方根滤波方法的研究，比如Bierman提出的U-D分解滤波。

平方根滤波精度性能的提升是以增加计算量为代价的，目前，随着计算机硬件技术的发展，普遍采用双精度浮点数进行计算和存储，多数情况下不必再像过去那样过于关注和担心数值问题了。

经典Kalman滤波是基于线性系统的估计方法，一般只能适用于线性或者非常接近于线性的非线性问题，对于非线性比较明显的问题，Kalman滤波往往不能给出满意的结果，需要采用非线性估计方法。

最为广泛使用的非线性估计方法是EKF（扩展卡尔曼滤波），它通过泰勒级数展开，对非线性函数进行线性化近似。

同样，以泰勒级数展开为基础，若保留二阶项则称为二阶卡尔曼滤波方法，理论上二阶滤波降低了EKF的线性化误差，会得到比EKF稍好的估计性能，但这是以高复杂性和计算量为代价的。

迭代滤波方法也是一种对EKF滤波的修正。

随着系统规模的不断增大，如何有效处理多个传感器测量信息的问题被提出并得到了广泛的研究。

传统的方法是采用集中式Kalman滤波，将所有测量信息送到中心处理器进行集中处理，虽然它的处理结果是全局最优的，但是这种处理方式存在通信负担重、计算量大和容错性能差等缺点。

Speyer从分散控制的角度提出了多处理器结构思想，每个局部传感器都有自己的分处理器，处理包括自身在内的所有传感器的测量信息，得到的估计结果既是局部最优的也是全局最优的。

Willsky对Speyer的方法进行了改进，提出了一个中心处理器（主）加多个局部处理器（子）的结构方式，主处理器完成各个子处理器结果的合成，各子处理器间不要求通信联系，因而是相互独立的。

Carlson对分散滤波算法做了重大改进，提出了联邦滤波算法，采用信息分享原理，把全局状态估计信息和系统噪声信息分配给各个子滤波器，且不改变各子滤波器算法的形式，联邦滤波具有实现简单、信息分享方式灵活、容错性能好的诸多优点。

2组合导航

将运载体从起始点引导到目的地的技术或方法称为导航，导航系统提供的信息主要有姿态、方位、速度和位置，甚至还包括加速度和角速率，这些信息可用于运载体的正确操纵和控制。

随着技术的发展，导航系统的种类越来越多，比如惯导系统、卫星导航系统、磁罗盘、里程仪/多普勒测速仪/空速计、气压高度表/雷达高度表、地标点/地图匹配等。

这些导航系统各有特色，优缺点并存，比如惯导系统的优点是自主性强、动态性能好、导航信息全面且输出频率高，但其缺点是误差随时间不断累积，长期精度差；卫星导航系统的优点是精度高、误差不随时间增大，缺点是导航信息不够全面、频带窄、信号容易受到干扰、在室内等环境下接收不到卫星信号而无法使用。

在许多对导航性能要求苛刻的任务中，无论是精度要求高还是可靠性要求高，任何单一的导航系统可能都无法满足要求，这就需要使用多种导航系统同时对运载体进行导航信息测量，再对所有测量信息作综合处理（包括检测、结合、相关和估计），从而得到更为准确和可靠的导航结果。

这种对多种导航信息作综合处理的技术就称为组合导航技术。

从上述对惯导和卫星导航的优缺点描述中可以看出，两者性能具有非常强的互补性，因而惯性/卫星组合导航被公认为是最佳的组合导航方案。

组合导航系统的设计一般都采用Kalman滤波器，Kalman滤波器最早和最成功的应用实例便是在导航领域。

1960年卡尔曼在美国国家航空航天局埃姆斯研究中心（NASAAmesResearchCenter）访问时，StanleySchmidt发现Kalman滤波方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗登月飞船的导航系统便使用了Kalman滤波器，通常认为Schmidt首次实现了Kalman滤波器。

此外，美国在航天飞机、潜艇和无人航空航天飞行器（比如巡航导弹）上均使用了Kalman滤波器。

第2章捷联惯导姿态解算基础

第2章捷联惯导姿态解算基础 1

2.1反对称阵及其矩阵指数函数 1

2.1.1反对称阵 1

2.1.2反对称阵的矩阵指数函数 3

2.2方向余弦阵与等效旋转矢量 4

2.2.1方向余弦阵 4

2.2.2等效旋转矢量 5

2.3方向余弦阵微分方程及其求解 8

2.3.1方向余弦阵微分方程 8

2.3.2方向余弦阵微分方程的求解 8

2.4姿态更新的四元数表示 11

2.4.1四元数的基本概念 11

2.4.2四元数微分方程 14

2.4.3四元数微分方程的求解 16

2.5等效旋转矢量微分方程及其泰勒级数解 17

2.5.1等效旋转矢量微分方程 17

2.5.2等效旋转矢量微分方程的泰勒级数解 20

2.6圆锥运动条件下的等效旋转矢量算法 22

2.6.1圆锥运动的描述 22

2.6.2圆锥误差补偿算法 24

在捷联惯导系统的姿态、速度和位置更新算法中，姿态算法对整个系统精度的影响最大，它是算法研究和设计的核心。

在非定轴转动情况下，描述姿态运动的微分方程是非线性的，其离散化求解会引起转动不可交换误差。

现代高精度的捷联惯导中，陀螺仪往往采用角增量信号输出方式，利用角增量构造等效旋转矢量以补偿和降低不可交换误差，是目前主流姿态算法的基础。

本章先介绍一些有关于刚体转动或坐标系变换的数学基础知识，之后重点讨论等效旋转矢量微分方程的推导及其离散化求解方法。

2.1反对称阵及其矩阵指数函数

2.1.1反对称阵

两个三维列向量和之间的叉乘积，可利用行列式计算规则表示为

（2.1-1）

另一方面，若计算由向量中各元素构造的某种特殊矩阵与向量之间的矩阵乘法，可得

（2.1-2）

比较式（2.1-1）与式（2.1-2），容易发现它们的右端结果完全相同，因此，可记式（2.1-2）左端的特殊矩阵如下

（2.1-3）

并将其称为向量的反对称阵（或斜对称阵）。

引入反对称阵概念后，两向量之间叉乘运算可等价表示为前一向量的反对称阵与后一向量之间的矩阵乘法运算，亦即

（2.1-4）

以后会看到，这一简单改写方式在许多场合会带来很大的便利。

如果是实向量（以后在涉及反对称阵时未特别说明均作此假设），显然有

（2.1-5）

其中，右上标“”表示Hermite转置，即共轭转置。

不难验证下式成立：

（2.1-6）

可见，反对称阵是正规矩阵（NormalMatrix）。

根据矩阵理论知，正规矩阵可酉相似于对角阵，且不同特征值对应的特征向量两两正交。

下面求解与对角阵之间的相似变换关系。

首先，计算的特征多项式

（2.1-7）

其中，是向量的模值。

令特征多项式，可解得的三个特征值如下

（2.1-8）

当时，不难求得与上式三个特征值相对应的单位特征向量，分别为

（2.1-9）

而当（甚至）时，可选择单位正交特征向量如下

（2.1-10）

实际上，反对称阵的复单位特征向量是不唯一的（见附录I练习题2），式（2.1-9）和（2.1-10）只给出了其中一组。

如记

（2.1-11）

可验证有，因此是酉矩阵。

根据矩阵特征值与特征向量之间的关系，有

（2.1-12）

上式两边同时左乘，得

（2.1-13）

至此，验证了可酉相似于对角阵，并求得了相应的相似变