排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对无法保证各子阵天线附近均安装高精度子惯性测量单元(IMU)的问题,提出了一种基于最小二乘拟合的分布式位置姿态测量系统(POS)全局估计方法。首先,建立了考虑一维柔性变形角的主/子传递对准误差模型;然后,采用卡尔曼滤波(KF)估计已安装子IMU的子阵天线运动参数;最后,在已获取运动参数的基础上,采用最小二乘拟合估计未安装子IMU的子阵天线运动参数。半物理仿真实验结果表明,所提方法精确实现了阵列天线运动参数的全局估计,且未安装子IMU的子阵天线运动参数估计精度与相邻的子阵天线运动参数估计精度相当。 相似文献
2.
提出一种采用双谐振器敏感结构的谐振式传感器,传感器的敏感元件包括两个结构参数一致的谐振器,传感器的闭环控制系统由两个幅度控制器和一个反相器组成.分析了这样两个谐振器串联的频率特性,指出在谐振器固有频率点上,两个谐振器串联的相移是180°.给出了双谐振器敏感结构谐振式传感器闭环系统的实现方法,同时分析了当两个谐振器的结构参数不一致时,两个谐振器串联的频率特性.分析结果表明,两个结构参数相差不大的谐振器串联仍然可以构成自激闭环.双谐振器敏感结构谐振式传感器的闭环控制系统中去掉了移相环节,避免了由移相环节产生的相位漂移所引入的测量误差,并有效地提高了传感器的Q值. 相似文献
3.
4.
初始对准是旋转式捷联惯导系统(SINS)的关键技术之一。传统旋转式捷联惯导精对准方法多采用10维模型,该模型的精对准精度不能满足导航精度要求。针对此问题,提出了一种基于状态量扩维的旋转式捷联惯导系统精对准方法。首先,将陀螺和加速度计标度因数误差、安装误差扩展为状态变量,建立了28维的精对准模型;然后,对旋转过程中各状态量的可观测度进行分析,根据分析结果将模型优化为13维;最后,采用卡尔曼滤波实现了旋转式捷联惯导系统的精对准。仿真结果表明,与传统初始对准方法相比,该方法能有效提高姿态对准精度,并估计出更多陀螺误差项。 相似文献
5.
融合高斯过程回归的UKF估计方法 总被引:1,自引:1,他引:0
高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归(GPR)增强无迹卡尔曼滤波(UKF)预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。 相似文献
6.
1