國產化衛星/MEMS組合導航模塊的設計實現

引言

隨著北斗導航應用的不斷推廣，國產導航芯片和模塊持續升級，各領域應用對北斗導航產品性能提出新的要求：低成本、低功耗、小型化、高精度。

其中，GPS/BD多模導航的實現，很大程度滿足國內外需求，集合MEMS慣性傳感器的組合導航模塊，進一步豐富多層面用戶應用。與傳統導航系統相比，衛星/MEMS組合導航模塊，采用較低成本的MEMS慣性器件，極大降低導航系統成本、功耗和體積，與此同時，MEMS慣性器件具有瞬間較高精度的特點，彌補衛星導航不連續、輸出頻率不高、易失鎖等不足[1~3]。

由于MEMS-IMU(IMU，慣性測量單元)精度仍處于較低水平，無法單獨實現導航。通常采用MEMS-IMU與衛星導航接收機、磁強計等相結合的方式，構建組合導航模塊，實現較高精度姿態控制與導航定位[2]。

為了適合特定導航應用，提出一種衛星/MEMS組合導航模塊用工程化濾波算法。并在嵌入式平臺上實現。

衛星/MEMS組合導航，通過算法實現角速度校準，加速度校準，以及磁校準；估計載體姿態角度，位置和速度信息，并以較高的輸出速率實時更新。該系統中采用擴展卡爾曼濾波器(EKF)估算并校準系統狀態量。通過融合衛星導航信息和磁強計信息，實時校準系統姿態、位置、速度和傳感器誤差。該EKF融合算法，考慮到傳感器主要特性：零偏、標度因數誤差、正交耦合誤差等。此外，由于磁強計感測地磁場強度時，會受到硬鐵和軟鐵干擾，因此在濾波器中對其進行估計。在靜態情況下，系統姿態角誤差小于0.2°，航向角誤差小于0.5°。在動態情況下，姿態角與航向角誤差小于1°，如果衛星導航突然中斷，將能持續30秒，定位精度維持在20米內。

模塊設計

綜合考慮成本、功耗、體積、可靠性等因素，衛星/MEMS組合導航模塊采用嵌入式平臺開發方案[6]，如圖1所示。系統由處理器、MEMS-IMU、GPS/BD多模導航接收機、磁強計等重要部件組成。

姿態與航向校準算法

理想情況下，將陀螺感測的角速度信息融入姿態處理器，在獲悉載體初始姿態情況下，同時認為陀螺的輸

出比較精準，一般的解算足以獲得夠用的姿態信息。然而，通常初始姿態無法準確獲得，陀螺和加速度計都遭受隨機漂移、失準角誤差、加速度敏感誤差、標度因數誤差及其非線性等因素的影響，磁強計存在磁感應失真等。如圖2所示，通過工裝將模塊安裝于測試設備上，設計合理標定流程和算法，便可獲得陀螺和加速度計常值零偏、標度因數、失準角誤差量等關鍵參數。

通常在組合模塊安裝好之后，對磁強計的誤差和干擾進行校準。姿態與航向解算中，陀螺的漂移引起的誤差最大，如果沒有濾波算法，解姿信息將不斷偏離真實數值。該卡爾曼濾波器提供在線陀螺漂移校準，加速度計提供重力軸系參考，磁強計通過與加速度計配合，提供航向參考。

姿態估計算法中，提供穩定的三維歐拉角roll、pitch、yaw，為了提高精度并避免奇異，采用四元數法實時更新方向余弦矩陣。MEMS陀螺感測到載體角速度，通過差分方程實時更新姿態四元數，同時獲得更新后的方向余弦矩陣，從而獲得姿態角的更新。

卡爾曼濾波器姿態校準的實現，之所以能夠改善性能，主要在于它能夠準確估計出陀螺的漂移和姿態誤差。這種方式的優點是：濾波器估計了絕對姿態誤差，因而無論是哪一部分誤差污染了姿態角，都可以直接用其來校準姿態角輸出。姿態與航向校準模塊，采用EKF，包含兩個部分：線性姿態誤差與陀螺漂移模型，非線性姿態四元數誤差模型。狀態模型基于陀螺輸出數據，預測姿態誤差和陀螺漂移，量測模型采用真實世界的姿態誤差量測值校準預測部分，該姿態誤差量測值由加速度計與磁強計獲得。這兩個參考數據源向卡爾曼濾波器提供適當的置信水平[4]。

航姿模塊路測試驗

為了能夠正確推算模塊的姿態、速度、位置等信息，準確對準初始姿態是十分必要的。由于低精度MEMS陀螺不能感測到地球自轉角速率，因此不能采用傳統的自對準方法實現初始化對準。基于系統方案，將磁強計與MEMS加速度計進行組合，構成測姿模塊，實現初始化對準。如圖2所示，單片磁強計由三軸正交磁阻傳感器與數字化ASIC接口構成，磁強計不能單獨確定航向角，需要MEMS-IMU模塊中的加速度計配合，輔助磁強計精確確定航向角[2]。

跑車實驗：沿著一小區跑車，該小區有高樓，有樹蔭，其具體的姿態

衛星/MEMS組合濾波

導航解算

由于MEMS陀螺不同于傳統高精度陀螺，其不能感測地球相對于慣性空間的旋轉速率，因而無法使用傳統的導航解算公式去實時推算速度和位置。如圖4所示，為捷聯解算算法流程。

組合濾波算法

衛星/MEMS組合導航模塊實現方案如圖5所示，MEMS-SINS模塊與衛星導航模塊是彼此獨立的兩個部分，此框圖顯示了以MEMS-SINS和衛星導航接收機的速度/位置信息做差作為量測量。松耦合組合導航通常有兩種形式：開環與閉環，如圖5所示，該技術方案采用閉環形式，將卡爾曼濾波估計出的各種誤差反饋至MEMS-SINS模塊，改善系統性能[5]。

組合導航路測試驗

與傳統高精度捷聯慣性導航系統不同的是，MEMS-SINS模塊無法感測地球自轉角速率，地球的自轉角速率完全淹沒在MEMS陀螺的噪聲之中，當載體處于靜止狀態時，認為陀螺輸出角速率為0。MEMS-SINS誤差方程修正如下所示：

姿態誤差方程為： nnb

?分別為陀螺隨機常值漂移和加速度計隨機常值零偏。具體卡爾曼濾波算法功能通過軟件代碼實現。

通過軟件實現所設計的捷聯算法與組合濾波算法。重點研究了采用EKF組合算法之后的系統誤差狀態向量的估計情況。并通過matlab軟件對衛星/MEMS組合中的各種誤差向量估計做仿真觀測。并在實際路測環境下，獲得導航全參數。如圖6所示為路測試驗專用車。

如圖7所示，紅色為衛星導航，藍色為組合導航，當試驗車路過城市峽谷時，由于遮擋和多路徑效應等，衛星導航出現較大偏差，而組合導航表現良好。

如圖8所示，當路測試驗車進入地下車庫時，衛星導航立刻中斷，而組合導航依然能夠維持導航能力。

當衛星導航信號中斷，組合導航

硬件平臺

本文以GPS/BD多模導航接收機、MEMS-IMU、磁強計構成的超低成本微小型組合導航模塊為研究對象，結合實際需求，設計組合導航架構；通過比較傳統SINS與現代MEMSSINS，提出實用的MEMS-SINS的初始化方案和捷聯解算算法；基于MEMSIMU，給出衛星/MEMS組合導航模塊工程化的濾波算法，實現非線性連續系統的線性離散化。仿真與實測試驗結果表明：在MEMS-IMU精度較低的情況下，通過相關算法的合理設計，仍可以實現較高精度導航。圖9展示了自主設計的衛星/MEMS組合導航模塊和集成開發軟件平臺。

參考文獻

[1]G H Elkaim. Comparison of Low-Cost GPS/INS Sensors for Autonomous Vehicle Applications [J]. 2008， 1133: 1144.

[2]Michael J. Caruso Applications of Magnetic Sensors for Low Cost Compass Systems [R]. Honeywell Inc， 2000.

[3]David H Titterton， John L Weston. Strapdown Inertial Navigation Technology 2nd Edition [M]. The IEE， 2004.

[4]秦永元， 張洪鉞， 汪叔華. 卡爾曼濾波與組合導航原理[M]. 西安:西北工業大學出版社， 1998.

[5]Di Li. Based Low-cost Inertial/GPS Integrated Navigation Platform: Design and Experiments [J]. Journal of GPS， 2007

[6]杜春雷. ARM體系結構與編程[M]. 清華大學出版社，2003.