宽带卫星通信系统成本的估算范文

互补滤波器

陀螺和加速度计这两种传感器输出特性不同：陀螺的高动态适应能力强，但是受到漂移误差的影响，低频段表现欠佳；加速度计在静止状态下准确率高，而当载体动态特性较大时由于机动加速的干扰导致测量误差较大。因此需选取合适的姿态估计算法充分利用这两种传感器的优点，融合出比单个传感器更可靠、更准确的姿态信息错误！未找到引用源。。而互补滤波器正符合上述需求，以yθ表示加速度计估计姿态值，yω表示陀螺测量值，ˆθ表示滤波器估计姿态值，C(s)表示调节系数，则互补滤波器的基本结构如图2所示将图2的基本结构进行离散化处理并加入坐标变换模块，可得到互补滤波器姿态估计算法：3轴陀螺输出ω根据式（1）乘以C和采样间隔ΔT，得到载体姿态角的变化量，将其与上一时刻估计姿态ˆkΘ相加，即得到载体估计姿态1ˆk+Θ。将加速度计估计姿态kΘ减去ˆkΘ得到姿态修正量ΔΘ。修正量ΔΘ一方面乘以比例调节系数Pk，对k+1Θ进行直接校正，另一方面通过−1C转换至惯性系对陀螺的漂移存储−kb进行校正。姿态估计算法的结构如图3所示。

加速度计输出校正

载体在运动时所受到的机动加速度，会在加速度计的输出中与重力加速度一并表现出来。此时若仍用式（3）计算姿态角，得到的kΘ会与实际姿态不符，这必然会导致姿态估计算法的精度变差。如果可以得到机动加速度的估计值，用以校正加速度计输出，就可以得到精确的kΘ，进而得到精确的估计姿态。

1机动加速度补偿

机动加速度的补偿关键在于线加速度和向心加速度的求解。单基线GPS的输出信息中包含载体的速率信息，将载体速率进行微分，就可以得到载体所受到的线加速度；利用载体速率信息和z轴陀螺输出，可以对向心加速度进行补偿。可得校正后的x轴和y轴加速度：

2侧滑角补偿

式（6）是在假设GPS测得的航向vψ与载体的航向角ψ一致时得到的，而在实际的行车过程中，当车体转弯时，vψ与载体航向ψ之间会产生一个夹角，该夹角称为侧滑角(sideslip)sψ，若载体的速率为v，加速度为dv/dt，则侧滑角sψ的示意图如图4所示。由于侧滑角sψ的存在，使得线加速度和向心加速度在载体的x轴与y轴都有影响，这样就导致利用式（6）进行的补偿在转弯时并不准确，因此应在转弯时加入侧滑角补偿。设sψ在转弯过程中的变化率为d/dsψt，根据图4可得加入侧滑角补偿的加速度计输出校正表达式：

GPS遮挡问题的解决

本文中所采用的单基线GPS需要两个天线同时收到6颗以上相同卫星的信号，才能得到满足精度要求的载体航向。实际应用中，载体路过桥梁、涵洞、隧道甚至树林时，都有可能导致GPS信息严重衰减甚至完全消失。为了解决GPS遮挡的问题提高算法适应性，根据GPS收星情况对算法进行了改进：当GPS收星数N≥6时，正常利用GPS信息对加速度计输出进行校正；当GPS收星数N<6时，在算法中加入开来降低载体机动对姿态估计的影响，当满足开关判断准则时，仅利用陀螺的信息对载体姿态进行递推，由于陀螺漂移误差的变化很慢，在一定时间内是可以保证估计精度的。利用上述方法，能够使算法在GPS信息出现短暂遮挡时正常工作。

实验分析

本文选用星网宇达公司的微机械IMU产品XW-IMU5220，包含3个正交放置的陀螺以及3个加速度计，和单基线GPS产品XW-ADU3601。将型号为XW-ADU7612的AHRS(姿态精度满足±0.2°)与IMU固联并一同安装在载体上，作为验证算法的基准。安装方法如图5所示。传感器直接估计出的姿态如图7所示。从图7中可见：陀螺估计的姿态会随着漂移误差的积累不断偏离真实姿态，而加速度估计姿态一直存在干扰噪声，并且一度出现近10°的误差，这显利用互补滤波器进行姿态估计的结果如图8所示。将图8与图7相比较可见，利用互补滤波器对姿态进行估计可得到比两种传感器单独估计都要好的精度，但是估计的效果仍然有较大误差（约5°）。为了验证式（6）的补偿效果以及第4节中的分析内容，图9所示为利用式（6）进行补偿后的姿态估计结果与侧滑角。从图9中可见，经过机动加速度补偿后，进一步提高了姿态算法的估计精度，最大误差已经达到2°以内，但是在载体有转弯运动时误差有明显的跃变。由于/2sψ<π，从式（7）可知xA对sψ是正相关关系，因而俯仰角对sψ是负相关关系。而yA与sψ的关系取决于sψ的大小、dv/dt以及vω的大小，这正与图9中的关系图相一致。在姿态估计算法中加入侧滑角补偿后的估计误差如图10所示。从图10可见：通过加入侧滑角补偿，姿态估计算法不仅能够消除载体加速运动和转弯运动对估计的影响，还能去除侧滑角的影响，使姿态估计误差控制在±0.5°以内，满足“动中通”的指向精度要求。为了验证LCAE算法在GPS信号出现短暂遮挡的情况下的效果，选取另一组单基线GPS不能全程锁定的实验数据进行验证，实验路段包括高架桥遮挡和高层建筑物遮挡等情况。实验路况照片和单基线GPS收星数如图11所示本文LCAE算法姿态角估计误差和开关卡尔曼方法的误差比较如图12所示。在图12中：开关卡尔曼方法俯仰角估计误差均值为−0.22°，标准差为0.190，横滚角估计误差均值为−0.07°，标准差为0.303；本文LCAE算法俯仰角估计误差均值为−0.05°，标准差为0.115，横滚角估计误差均值为−0.05°，标准差为0.136。在单基线GPS收星数较少的情况下，开关卡尔曼算法最大误差绝对值达到1.287°，而本文算法在单基线GPS收星数较少的情况下，能够达到±1°的精度，仍然满足动中通的指向精度要求。

结论

本文提出了一个应用单基线GPS/IMU的LCAE算法。该算法以互补滤波器为基本结构，分别提取出陀螺的高频测量信息和加速度计的低频测量信息并重新组合。针对加速度计输出受载体机动加速度干扰的问题，借助于单基线GPS的信息，通过机动加速度补偿和侧滑角补偿完成了对加速度计输出的校正；针对校正过程容易GPS信号遮挡影响问题，加入了判断开关提高了算法对GPS信号的适应能力。实验结果表明，设计的LCAE算法能够较好地去除载体运动对姿态估计的影响，使系统的精度保持在±0.5°以内；在GPS信号不能完全锁定的情况下，算法的估计精度优于开关卡尔曼方法，可达±1°，满足了动中通系统的指向精度要求。

作者：田方浩姚敏立周淑华伍宗伟单位：第二炮工程大学403教研室第二炮工程大学有线通信教研室