扰动线运动对惯性系粗对准影响分析及优化方法

针对扰动线运动对惯性系粗对准精度影响较大的问题，通过分析惯性体坐标系下重力加速度积分矢量的物理含义，给出了受扰动线运动影响的惯性系粗对准的误差分析。并在此基础上提出了基于位移积分矢量构造定姿矢量矩阵的抗扰动粗对准算法，利用对速度积分矢量进一步积分得到的3个时间点的位移积分矢量构建姿态解算矩阵，抑制扰动线运动对粗对准精度的影响。仿真结果表明，该算法可有效减小扰动线运动影响下的对准结果振动幅值，能够快速收敛到满足精对准使用的精度范围，从而提高武器装备环境适应性。     

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。