基于改进EKF的IMU动态误差抑制

惯性测量单元（Inertial measurement unit,IMU）三轴欧拉角的解算数据精度和抗干扰性能常受到系统高频噪音以及震动干扰的影响。基于此问题，本文提出一种适合嵌入式系统的低计算量、实时性好、低成本的动态误差抑制方法。该方法通过在扩展卡尔曼滤波器（Extended Kalman filter, EKF）算法前端引入一种无限脉冲响应滤波器（Infiniteimpulseresponse-extendedKalmanfilter,IIR-EKF），借助于二阶巴特沃斯低通滤波器（Butterworth filter, BF）对数据进行预处理来帮助EKF抑制高频或强干扰。IIR-EKF算法在STM32H743微控制器中实现，经过几种实验对比验证，结果表明：在EKF单独作用时，其数据方差较大，遇到震动干扰时，瞬时值误差较大；在无迹卡尔曼滤波（Unscented Kalman filter, UKF）单独作用时，虽然其并不依赖初始噪音参数，其数据方差比EKF小，但还不足以满足要求；在加入BF后，数据方差明显减小，瞬时误差被大幅抑制，增强了系统的稳定性、抗干扰能力。     

6G时代卫星算力网络发展思考

卫星已被广泛认为是6G网络的重要组成部分，卫星算力网络结合实时网络和计算资源状况，进行卫星计算节点间的任务调度，能够满足多样性业务的时延要求，实现在轨通信、处理、存储等资源的高效利用。首先，阐述卫星算力网络的概念内涵，对卫星通信网络的发展现状和趋势进行了总结；其次，从总体架构、硬件组成和软件架构三方面给出了卫星算力网络的设计考虑；最后，对卫星算力网络所面临的技术挑战进行总结，对卫星算力的发展进行了展望。