科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对多传感器融合姿态解算精度不高的问题,提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(extended Kalman filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效地解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载惯性测量单元(inertial measurement unit,IMU)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明:提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。
- 单位
