基于嵌入式平臺(tái)的MEMS／GPS組合導(dǎo)航系統(tǒng)實(shí)現(xiàn)研究

黃 欣，許建新，孔雪博，熊 智

（南京航空航天大學(xué)導(dǎo)航研究中心，南京211106)

基于嵌入式平臺(tái)的MEMS／GPS組合導(dǎo)航系統(tǒng)實(shí)現(xiàn)研究

黃 欣，許建新，孔雪博，熊 智

（南京航空航天大學(xué)導(dǎo)航研究中心，南京211106)

主要研究基于PC104平臺(tái)的MEMS／GPS組合導(dǎo)航系統(tǒng)硬件實(shí)現(xiàn)方法。首先設(shè)計(jì)了對(duì)MTi?30 MEMS器件與GPS接收機(jī)的數(shù)據(jù)采集軟件，基于統(tǒng)計(jì)分析方法分析建立了傳感器的誤差模型參數(shù)，構(gòu)建了MEMS／GPS組合算法模型，基于MEMS慣性器件和GPS接收機(jī)實(shí)測(cè)數(shù)據(jù)確定了Kalman濾波器的系統(tǒng)噪聲陣及量測(cè)噪聲陣模型參數(shù)；然后利用實(shí)際測(cè)量數(shù)據(jù)進(jìn)行了MEMS／GPS組合系統(tǒng)導(dǎo)航性能仿真；最后基于PC104嵌入式平臺(tái)，構(gòu)建了MEMS／GPS組合導(dǎo)航系統(tǒng)原理樣機(jī)，分別在靜態(tài)和動(dòng)態(tài)情況下完成MEMS／GPS組合導(dǎo)航算法實(shí)時(shí)測(cè)試，導(dǎo)航結(jié)果驗(yàn)證了硬件平臺(tái)及導(dǎo)航算法的正確性。

MTi?30；組合導(dǎo)航；PC104平臺(tái)；Kalman濾波

0 引言

MEMS（Micro Electro Mechanical System)慣性傳感器是指采用微電子加工技術(shù)，由硅或石英為主要材料制成的芯片級(jí)的慣性傳感器［1］。雖然體積較小，功耗少，但是與其他慣性傳感器相比，MEMS依舊具有較低的元件精度、較差的穩(wěn)定性能等缺點(diǎn)［2?3］。更主要的是，推算式的捷聯(lián)導(dǎo)航結(jié)果誤差會(huì)隨著時(shí)間的增長(zhǎng)而迅速累積。全球定位系統(tǒng)能實(shí)現(xiàn)三維度的實(shí)時(shí)定位，導(dǎo)航定位的全球性和高精度，測(cè)站間無(wú)需通視、省時(shí)、快速、高效率、可移動(dòng)定位和應(yīng)用范圍廣［4］，并且誤差不會(huì)隨著時(shí)間增長(zhǎng)累積。因而，MEMS／GPS組合導(dǎo)航系統(tǒng)相互取長(zhǎng)補(bǔ)短［5］，對(duì)比單個(gè)系統(tǒng)，組合導(dǎo)航精度和性能得到了顯著提升。

本文主要研究MTi微慣性航姿系統(tǒng)與GPS組合導(dǎo)航技術(shù)，并在PC104嵌入式平臺(tái)基礎(chǔ)之上，構(gòu)建MEMS／GPS組合導(dǎo)航系統(tǒng)原理樣機(jī)。針對(duì)MTi?30 MEMS器件與GPS接收機(jī)，設(shè)計(jì)相關(guān)數(shù)據(jù)采集軟件，研究利用統(tǒng)計(jì)學(xué)方法估算傳感器誤差模型參數(shù)，并利用實(shí)測(cè)數(shù)據(jù)驗(yàn)證模型參數(shù)在MEMS／GPS組合算法模型中的適應(yīng)性。同時(shí)，基于PC104平臺(tái)，搭建組合導(dǎo)航系統(tǒng)樣機(jī)，驗(yàn)證硬件平臺(tái)的可用性以及導(dǎo)航算法的精準(zhǔn)性，設(shè)計(jì)出整套精準(zhǔn)組合導(dǎo)航設(shè)備儀器。

1 低成本MEMS／GPS組合導(dǎo)航系統(tǒng)實(shí)現(xiàn)總體設(shè)計(jì)

1．1 低成本MEMS／GPS組合導(dǎo)航系統(tǒng)組合導(dǎo)航方案設(shè)計(jì)

低成本MEMS／GPS組合導(dǎo)航系統(tǒng)在實(shí)現(xiàn)時(shí)選取松組合方式［6］，系統(tǒng)工作原理如圖1所示。

圖1 速度、位置組合Fig．1 Combination of velocity and position

其中，慣性傳感器數(shù)據(jù)處理與補(bǔ)償網(wǎng)絡(luò)設(shè)計(jì)了MTi?30數(shù)據(jù)采集軟件，并研究了在線實(shí)時(shí)標(biāo)定和零偏補(bǔ)償?shù)姆椒ǎ瑥浹a(bǔ)了MEMS長(zhǎng)時(shí)間誤差漂移較大的問題；數(shù)字平臺(tái)模塊憑借加速度計(jì)、陀螺儀與磁強(qiáng)計(jì)采集的數(shù)據(jù)，設(shè)計(jì)了實(shí)時(shí)解算速度位置與姿態(tài)的算法，同時(shí)研究了磁異常判別機(jī)制；組合濾波器模塊設(shè)計(jì)了一種有效的GPS實(shí)時(shí)輔助MEMS的最優(yōu)濾波算法，提升了組合導(dǎo)航定位精度。

1．2 低成本MEMS／GPS組合導(dǎo)航Kalman濾波器模型設(shè)計(jì)

在MEMS／GPS組合導(dǎo)航系統(tǒng)中，選取9個(gè)誤差參數(shù)作為狀態(tài)，包括3個(gè)平臺(tái)角誤差、3個(gè)速度與3個(gè)位置誤差［7］。同時(shí)，選取陀螺隨機(jī)常數(shù)、1階馬爾可夫過程與加速度計(jì)的1階馬爾可夫過程作為另外的9個(gè)狀態(tài)量，可得18階系統(tǒng)狀態(tài)方程。本文采用速度位置松組合方式［8］。

2 MEMS／GPS組合導(dǎo)航系統(tǒng)性能測(cè)試驗(yàn)證

2．1 MEMS／GPS組合導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

（1)系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)與研究

本系統(tǒng)采用荷蘭Xsens公司生產(chǎn)的MTi?30慣性器件以及SDI?TimeNav型GPS接收機(jī)，基于PC104嵌入式平臺(tái)，構(gòu)建MEMS／GPS組合導(dǎo)航系統(tǒng)原理樣機(jī)。其中研究利用MTi?30及GPS接收機(jī)設(shè)計(jì)了相關(guān)數(shù)據(jù)采集軟件采集相關(guān)信息，研究利用PC104嵌入式平臺(tái)完成組合導(dǎo)航定位功能。

圖2和圖3為搭建的MEMS／GPS組合系統(tǒng)實(shí)現(xiàn)硬件仿真平臺(tái)。其中上位機(jī)通過VC＋＋6.0編寫，可以設(shè)置純捷聯(lián)、MEMS／GPS組合等多種方式。

圖2 物理實(shí)現(xiàn)圖Fig．2 Physical implementation

圖3 物理顯控顯示圖Fig．3 Display of physical implementation

（2)系統(tǒng)軟件設(shè)計(jì)與研究

整個(gè)系統(tǒng)的軟件設(shè)計(jì)主要包括慣性傳感器與GPS數(shù)據(jù)處理與補(bǔ)償網(wǎng)絡(luò)的設(shè)計(jì)以及組合導(dǎo)航算法設(shè)計(jì)。

①數(shù)據(jù)處理與補(bǔ)償網(wǎng)絡(luò)的設(shè)計(jì)

該網(wǎng)絡(luò)由數(shù)據(jù)采集與數(shù)據(jù)處理兩部分組成。數(shù)據(jù)采集模塊包括系統(tǒng)初始化、數(shù)據(jù)讀入和檢測(cè)、數(shù)據(jù)解算以及數(shù)據(jù)輸出部分，程序流程如圖4所示。

圖4 數(shù)據(jù)采集與處理流程圖Fig．4 Flowchart of data acquisition and processing

繼IMU數(shù)據(jù)串口初始化，實(shí)時(shí)采集IMU數(shù)據(jù)，并進(jìn)行數(shù)據(jù)包的頭校驗(yàn)與尾校驗(yàn)，如果驗(yàn)證正確，則將數(shù)據(jù)解算后的值傳輸給PC104進(jìn)行實(shí)時(shí)導(dǎo)航解算并通過RS232串口傳輸?shù)轿募斜４妫焕^GPS數(shù)據(jù)串口初始化之，實(shí)時(shí)采集GPS數(shù)據(jù)，進(jìn)行位和校驗(yàn)并剔除異常值，通過RS232串口實(shí)時(shí)保存到文件中。數(shù)據(jù)處理模塊主要研究傳感器零偏標(biāo)定以及磁傳感器的異常處理。在初始時(shí)刻，靜止?fàn)顟B(tài)下采集半分鐘IMU數(shù)據(jù)，均值作為陀螺儀零偏；利用二位橢圓標(biāo)定算法對(duì)磁傳感器數(shù)據(jù)進(jìn)行標(biāo)定，提高航向角精準(zhǔn)度，在靜態(tài)下，對(duì)當(dāng)前磁航向角與航向均值偏差超過一定閾值時(shí)進(jìn)行剔除。

②組合導(dǎo)航算法設(shè)計(jì)

該網(wǎng)絡(luò)研究捷聯(lián)慣導(dǎo)算法，實(shí)時(shí)解算獲取速度、位置與姿態(tài)信息，同時(shí)研究利用Kalman濾波器，通過GPS輔助修正MEMS，以提高組合導(dǎo)航定位的精度，程序流程如圖5所示。研究利用GPS有效時(shí)，利用Kalman濾波器估算速度位置誤差，補(bǔ)償MEMS發(fā)散；研究利用GPS無(wú)效時(shí)，只進(jìn)行一步預(yù)測(cè)更新，不對(duì)MEMS作出修正。研究利用這種濾波器網(wǎng)絡(luò)，來(lái)保證MEMS長(zhǎng)時(shí)間的位置精度。

圖5 組合導(dǎo)航算法流程圖Fig．5 Flowchart of integrated navigation algorithm process

2．2 MEMS／GPS組合系統(tǒng)性能測(cè)試

基于上文的系統(tǒng)結(jié)構(gòu)與軟硬件實(shí)現(xiàn)，進(jìn)行了系統(tǒng)軟硬件調(diào)試并實(shí)現(xiàn)了組合系統(tǒng)的測(cè)試研究。

（1)MTi?30／GPS慣性傳感器數(shù)據(jù)采集與分析

為確定Kalman濾波器中系統(tǒng)噪聲陣的狀態(tài)模型誤差參數(shù)，測(cè)試采集了MTi?30傳感器和GPS的靜態(tài)數(shù)據(jù)。將傳感器固定于手搖轉(zhuǎn)臺(tái)上，并將轉(zhuǎn)臺(tái)調(diào)整到水平位置，采集10組靜態(tài)數(shù)據(jù)，頻率為50Hz，每次時(shí)長(zhǎng)約40min。

靜態(tài)數(shù)據(jù)均值反映了傳感器零偏大小，均方差反映了誤差偏離程度，將采集的原始數(shù)據(jù)基于統(tǒng)計(jì)分析按1s、10s分別求取平均及均方差值來(lái)分析傳感器與GPS的性能。

MTi?30靜態(tài)數(shù)據(jù)如表1、表2所示。

表1 1s平均均值及均方差Table 1 Mean and mean square error in 1 second

表2 10s平均均值及均方差Table 2 Mean and mean square error in 10 second

GPS靜態(tài)數(shù)據(jù)如表3所示。

表3 GPS靜態(tài)數(shù)據(jù)均方誤差Table 3 Mean square error of GPS

從上述結(jié)果中，可以得到以下3個(gè)結(jié)論：

1)傳感器三軸加速度誤差數(shù)量級(jí)在0.01m／s2左右，三軸角速度誤差數(shù)量級(jí)大約在0.001rad／s；

2)單源GPS位置誤差在2m左右；

3)觀測(cè)均方差，數(shù)據(jù)誤差小，重復(fù)性好，可接受程度較高。

（2)參數(shù)設(shè)置

在Kalman濾波器設(shè)計(jì)中，Q陣與R陣的參數(shù)設(shè)定對(duì)濾波精度影響最大，根據(jù)2.1節(jié)測(cè)試獲得的慣性器件與GPS的性能參數(shù)為基礎(chǔ)，依據(jù)傳感器靜態(tài)均值設(shè)置三軸加計(jì)零偏，R陣依據(jù)GPS均方差平方設(shè)置，Q陣依據(jù)傳感器均方差平方進(jìn)行設(shè)置，最終通過Matlab仿真的方式，對(duì)比不同參數(shù)下的導(dǎo)航誤差大小，對(duì)上述參數(shù)進(jìn)行微調(diào)，確定了表4中的Kalman濾波參數(shù)。

表4 參數(shù)設(shè)置Table 4 Parameters setting

（3)基于PC104硬件平臺(tái)的仿真驗(yàn)證

基于搭建的MEMS／GPS組合系統(tǒng)實(shí)現(xiàn)硬件仿真平臺(tái)，仿真參數(shù)按表4取值，分別進(jìn)行靜態(tài)和動(dòng)態(tài)測(cè)試。

圖6、圖7為靜態(tài)測(cè)試結(jié)果。

靜態(tài)情況下，觀測(cè)上述曲線，GPS天向速度趨近于0，近乎直線，GPS東北向速度受限于硬件影響，存在稍小跳動(dòng)。同時(shí)，受限于平臺(tái)誤差角的影響，最終經(jīng)緯誤差在1.5m左右。

圖6 速度對(duì)比曲線（靜態(tài)）Fig．6 Comparison of velocity（statics）

圖7 位置對(duì)比曲線（靜態(tài)）Fig．7 Comparison of location（statics）

圖8～圖11為動(dòng)態(tài)測(cè)試結(jié)果，測(cè)試場(chǎng)地為學(xué)校操場(chǎng)。

圖8 速度對(duì)比曲線（動(dòng)態(tài)）Fig．8 Comparison of velocity（dynamic）

圖9 位置對(duì)比曲線（動(dòng)態(tài)）Fig．9 Comparison of location（dynamic）

圖10 導(dǎo)航結(jié)果與GPS對(duì)比二維圖Fig．10 2D results between navigation and GPS

圖11 GPS的PDOP值Fig．11 PDOP value of GPS

觀測(cè)上述曲線，可以發(fā)現(xiàn)：經(jīng)度誤差不超過1m，緯度誤差大體在1m以下，高度誤差一般在2m以內(nèi)。總體而言，導(dǎo)航結(jié)果較好。

圖12為將導(dǎo)航結(jié)果導(dǎo)入Google Earth中三維路線圖，組合導(dǎo)航精度較好，標(biāo)志了MEMS／GPS組合導(dǎo)航程序的良好性。

圖12 導(dǎo)航結(jié)果的Google Earth圖Fig．12 Navigation results in Google Earth

3 結(jié)論

本文針對(duì)MTi?30 MEMS器件與GPS接收機(jī)設(shè)計(jì)了相對(duì)應(yīng)的數(shù)據(jù)采集軟件，為數(shù)據(jù)采集與分析提供了有利條件，大大縮短工程研究時(shí)間。研究了用于估算傳感器誤差模型參數(shù)的統(tǒng)計(jì)分析方法，為構(gòu)建MEMS／GPS組合算法模型提供有力依據(jù)。研究了MEMS／GPS組合導(dǎo)航算法并基于PC104平臺(tái)，構(gòu)建了MEMS／GPS組合導(dǎo)航系統(tǒng)原理樣機(jī)，為相關(guān)部門針對(duì)不同環(huán)境下的組合導(dǎo)航定位提供強(qiáng)有力的工具，其將在工程實(shí)際中得到廣泛的應(yīng)用。

［1］Tawk Y，Tomé P，Botteron C，et al.Implementation and performance of a GPS／INS tightly coupled assisted PLL architecture using MEMS inertial sensors［J］.Sensors，2014，14（2)：3768?3796.

［2］王淑華.MEMS傳感器現(xiàn)狀及應(yīng)用［J］.微納電子技術(shù)，2011，48（8)：516?522. WANG Shu?hua.Current situation and application of MEMS sensors［J］.Micronanoelectronic Technology，2011，48（8)：516?522.

［3］Quinchia A G，F(xiàn)alco G，F(xiàn)alletti E，et al.A comparison be?tween different error modeling of MEMS applied to GPS／INS integrated systems［J］.Sensors，2013，13（8)：9549?9588.

［4］H?lge?Hazelton B，Tulinius C.Individual development of professionalism in educational peer group supervision：a multiple case study of GPS［J］.International Journal of Family Medicine，2012（434)：792018.

［5］蔡春龍，劉翼，劉一薇.MEMS儀表慣性組合導(dǎo)航系統(tǒng)發(fā)展現(xiàn)狀與趨勢(shì)［J］.中國(guó)慣性技術(shù)學(xué)報(bào)，2009，17（5)：562?567. CAI Chun?long，LIU Yi，LIU Yi?wei.Current situation and the trend of development of the MEMS inertial inte?grated navigation system instrument［J］.Journal of Chinese Inertial Technology，2009，17（5)：562?567.

［6］謝非，劉建業(yè)，李榮冰，等.基于環(huán)路相關(guān)積分觀測(cè)的SINS／GPS深組合導(dǎo)航算法［J］.中國(guó)慣性技術(shù)學(xué)報(bào)，2013（4)：472?477. XIE Fei，LIU Jian?ye，LI Rong?bing，et al.SINS／GPS in?tegrated navigation algorithm based on the correlation inte?gral loop observation.［J］.Journal of Chinese InertialTechnology，2013（4)：472?477.

［7］LIU Lin，WANG Er?kang，ZHANG Xiao?yang，et al. MEMS?based 3D confocal scanning microendoscope using MEMS scanners for both lateral and axial scan.［J］. Sensors Actuators A Physical，2014，215（16)：89?95.

［8］華冰，劉建業(yè)，李榮冰，等.余度MEMS?IMU／GPS組合導(dǎo)航系統(tǒng)［J］.南京航空航天大學(xué)學(xué)報(bào)，2007，39（5)：570?575. HUA Bing，LIU Jian?ye，LI Rong?bing，et al.Redundant of MEMS?IMU／GPS integrated navigation system［J］. Journal of Nanjing University of Aeronautics＆Astronau?tics，2007，39（5)：570?575.

Physical Implementation of MEMS／GPS Integrated Navigation Based on the Embedded Platform

HUANG Xin，XU Jian?xin，KONG Xue?bo，XIONG Zhi
（Nanjing University of Aeronautics and Astronautics，Nanjing 211106)

This paper mainly studied the MEMS／GPS integrated navigation system based on PC104.Firstly，we de?signed the software for MTi?30 MEMS devices and GPS receiver data acquisition.Statistical analysis method was used to establish error model parameters of the sensor and MEMS／GPS combination algorithm model was constructed.Based on the measured data of MEMS inertial device and GPS receiver，we determined the parameters of system noise and measurement noise matrix of Kalman filter.Then the MEMS／GPS integrated navigation system was studied by using the actual measure?ment data.Finally，in the static and dynamic case，built on the PC104 platform，real?time integrated navigation was tested and the correctness and precision of the integrated navigation program was verified.

MTi?30;integrated navigation;PC104 platform;Kalman filter

V249.32＋8

A

1674?5558（2017)01?01280

10.3969／j.issn.1674?5558.2017.01.003

黃欣，男，碩士，研究方向?yàn)閼T性技術(shù)及組合導(dǎo)航研究。

2016?06?01

國(guó)家自然科學(xué)基金項(xiàng)目（編號(hào)：61533008，61374115)；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金（編號(hào)：NP2015406，NJ20150012，NP20152212，NS2014031)