基于組網導航系統的運動體姿態(tài)估計算法

劉 帥，趙國榮，韓 旭，李海君

(1.海軍航空大學 岸防兵學院， 山東 煙臺 264001； 2.中國人民解放軍91001部隊， 北京 100048； 3.中國人民解放軍91115部隊， 浙江 舟山 316000)

1 引言

計算機和通信技術的日趨成熟，促進了網絡化系統的發(fā)展。組網導航系統(networked navigation system，NNS)是網絡化系統在導航領域的一個典型應用，通過無線網絡將集群運動體關聯起來組成導航網絡，參與組網的節(jié)點按照設定的通信協議進行信息交互，協作完成定位、測姿等導航任務，能夠最大化地利用導航資源，提高系統的導航性能[1-4]。NNS是對傳統單平臺導航方式的拓展，對提高導航的“性價比”具有重要意義。

姿態(tài)信息的獲取對運動體的導航與控制是至關重要的。現有的姿態(tài)測量系統主要包括慣性導航系統、視覺導航系統、地磁導航系統、GNSS測姿系統等[5-12]。慣性導航系統具有自主導航、短時精度高、抗干擾性強等優(yōu)點，但其姿態(tài)估計誤差會隨時間累積[5-6]。視覺測量技術具有成本低、精度高等優(yōu)點，但其測量范圍受限，更適合用于近距離位姿測量[7-8]。地磁導航系統以地球磁場矢量為參考基準進行姿態(tài)解算，具有隱蔽性強、無累積誤差、響應速度快等特點，但在使用過程中容易受到電磁干擾的影響[9]。GNSS測姿系統具有成本低、無累計誤差、精度高等優(yōu)點，但在姿態(tài)估計過程中需要進行復雜的模糊度解算，且無法在室內等GNSS信號遮擋嚴重的環(huán)境中使用[10-11]。本文研究基于NNS的姿態(tài)估計技術，是在定位功能基礎上，對NNS導航功能的拓展,既可以作為獨立的導航信源為運動體提供姿態(tài)數據，也可以與其他測姿系統進行信息融合，以獲取更好的導航性能。

2 NNS工作流程

NNS是以組網運動體為載體，以運動體的導航、定位、測姿和信息共享為核心任務，由導航傳感器、組網協議棧、導航處理器等通過實時網絡構成閉環(huán)反饋的分布式導航系統[3-4]。假設NNS中共有M個節(jié)點，采用有向圖G=(V,A)對系統進行描述，其中，V和A分別為G的節(jié)點集和邊集。對于V中的任意節(jié)點i(i=1,2，…,M)，其協作鄰節(jié)點可表示為N[i]={j∈V∶(i,j)∈A}。

典型的組網導航流程可作如下描述：

1) 節(jié)點i通過網絡接收來自其鄰節(jié)點j(j∈N[i])的協作數據包，每個數據包包含發(fā)送者的導航信息和信號的基本信息。具備目標跟蹤功能的節(jié)點發(fā)送的數據包中，還可包含對目標狀態(tài)的估計。

2) 節(jié)點i利用鄰節(jié)點的導航信息和節(jié)點間的相對測量值進行自身導航狀態(tài)的更新。

3) 節(jié)點i將自身的導航信息打包，并在其發(fā)送時序通過網絡發(fā)送給其他節(jié)點，作為其他節(jié)點的協作信息。

3 基于NNS的姿態(tài)解算模型

3.1 坐標系與姿態(tài)

載體的姿態(tài)，是指載體坐標系相對于當地地理坐標系的方位關系[13]。基于NNS進行運動體姿態(tài)估計，需要在運動體的中心處安裝一個節(jié)點作為主節(jié)點。如圖1所示，測姿系統的載體系以主節(jié)點所在位置為原點，以運動體主軸方向為Yb軸，Zb軸垂直于節(jié)點安裝平面指向上方，Xb軸由Yb軸圍繞Zb軸順時針旋轉90°得到。

圖1 天線安裝及載體坐標系示意圖

本文采用“東北天”坐標系作為當地地理坐標系，以主節(jié)點所在的位置為坐標原點，Xn軸指向東(E)，Yn軸指向北(N)，Zn軸指向天頂方向。載體坐標系可由地理坐標系經過3次旋轉得到，3次旋轉分別對應偏航角ψ、俯仰角θ、滾轉角γ。3次旋轉可用以下變換矩陣表示[14]：

于是可得，由地理坐標系到載體坐標系的變換矩陣為

3.2 基線矢量的求解

按照圖1所示，在運動體的主軸上安裝2個組網導航節(jié)點。導航節(jié)點在安裝時會出現安裝誤差，工程應用中，一方面要采用盡可能高的安裝工藝來減小安裝誤差，另一方面可通過一定的標校手段獲取安裝誤差值，并在解算過程中加入修正量抵消安裝誤差造成的影響。

圖2 基于基線矢量的姿態(tài)估計示意圖

(1)

由三角函數的相關性質可得：

(2)

結合式(1)、式(2)可得：

(3)

(4)

將式(4)代入式(3)可得：

組網導航系統可直接測量節(jié)點間的相對距離。na、nb與nj間的相對距離測量方程為

(5)

定義如下變量：

(6)

則根據協方差傳播定律可得：

(7)

結合式(3)、式(5)、式(6)可得：

工程上可采用超寬帶(Ultra-wide band，UWB)技術進行組網測距。考慮實際的安裝條件，有時會借助輔助天線來實現測距功能，此時，可將天線相位中心視為節(jié)點所在位置。另外，本文在建模過程中將節(jié)點視為質點，在組網導航過程中，信號的收發(fā)和導航信息的共享都是以組網模塊(或天線)的相位中心為終端完成的。

若在同一時刻2個天線都能接收到n個鄰居節(jié)點的協作信息，則可將姿態(tài)測量模型寫成如下形式：

zk=Bkbk+vk

(8)

式中的參數如下：

結合式(8)可利用最小二乘法求解基線矢量：

考慮不同測量值間的質量差異，可采用加權最小二乘法[15]估計基線矢量：

(9)

3.3 姿態(tài)角求解

結合姿態(tài)變換矩陣，導航體的偏航角和俯仰角可利用基線矢量通過下列式子求出：

(10)

(11)

表1 航向角

為了獲取3個姿態(tài)角，需考慮雙基線的情況，假設天線布局如圖3所示，na安裝在導航體中心，nb安裝在導航體主軸上，na、nb構成基線1；nc安裝在XBOYB平面上，na、nc構成基線2，兩條基線間的夾角為φ。

圖3 三節(jié)點布局示意圖

(12)

由式(12)可得:

需要說明的是，3個天線中對主天線(天線a)的要求較高，除了基本的測距功能外，還需具備測角功能或者較高的定位精度；而輔助天線只需具有測距功能即可。

4 基于EKF的姿態(tài)估計

第3節(jié)提出的算法只利用了觀測信息，如果能夠充分利用運動體的運動模型信息，將大大提高導航體姿態(tài)解算的效率和精度。本節(jié)從狀態(tài)方程的角度，采用EKF算法進行狀態(tài)估計，首先，構造如下狀態(tài)向量：

xk+1=Fxk+Gwk

(13)

式中，wk表示過程噪聲，假設其方差為Q；F、G為系數矩陣，滿足：

k時刻，使用導航體的姿態(tài)角，在當地地理坐標系下，可將主基線表示為

代入式(8)可得觀測方程：

zk=h(ψk,θk)+vk

(14)

式中，

根據式(13)和式(14)，可按照以下步驟進行運動體的姿態(tài)估計：

步驟2：一步預測：

xk|k-1=Fxk-1

Pk|k-1=FPk-1FT+GQGT

步驟3：根據式(6)、式(7) 計算Rk

步驟4：計算增益矩陣：

步驟5：更新：

Pk=(I-KkHk)Pk|k-1

5 仿真驗證

其中，N表示仿真次數;ek, j表示第j次仿真中k時刻的誤差。

設定主節(jié)點和鄰節(jié)點定位誤差0.1 m、基線長度2 m，分別采用加權最小二乘法和EKF算法進行姿態(tài)解算，仿真結果如圖4所示。顯然，算法2(EKF算法)的測姿精度優(yōu)于算法1(加權最小二乘法)。

圖4 算法性能曲線

對比2種方法可以發(fā)現，加權最小二乘法具有使用范圍廣、約束條件少的特點；EKF算法能獲得更高的精度，但需要初始值和準確的運動方程建模為前提。在實際應用中，可先根據加權最小二乘法確定姿態(tài)解算的初始值，然后根據EKF算法進行姿態(tài)估計。

設定主節(jié)點定位誤差0.1 m、鄰節(jié)點定位誤差0.1 m，基線長度分別取1 m、2 m、5 m，研究基線長度對姿態(tài)估計的影響，結果如圖5所示。隨著基線長度的增加，測姿精度明顯提高，但在工程應用中，還需要根據運動體的實際安裝條件來確定基線長度。

圖5 基線長度對測姿結果的影響曲線

令基線長度為2 m、鄰節(jié)點定位誤差0.1 m，主節(jié)點定位誤差分別取5 cm、10 cm、15 cm，仿真結果如圖6所示。隨著主節(jié)點定位誤差的增大，測姿誤差明顯增大，說明主節(jié)點定位誤差對測姿精度有較大的影響。

圖6 主節(jié)點定位誤差對測姿結果的影響曲線

令基線長度為2 m，主節(jié)點定位誤差5 cm，鄰節(jié)點定位誤差分別取5 cm、10 cm、15 cm，仿真結果如圖7所示，3種情況下的測姿精度變化不大，說明鄰節(jié)點定位誤差在一定范圍內的變化基本不影響測姿精度。

圖7 鄰節(jié)點定位誤差測姿結果的影響曲線

6 結論

基于測距信息建立組網姿態(tài)解算模型，根據加權最小二乘法求解基線矢量坐標，結合坐標轉換關系得到姿態(tài)角。建立了運動體姿態(tài)變化的運動學方程和觀測方程，并基于EKF方法設計了組網姿態(tài)和姿態(tài)角速度估計算法。仿真結果表明，相比最小二乘法，本文提出的姿態(tài)估計精度更高。另外，基線長度、主節(jié)點定位誤差對濾波精度影響較大，基線長度越長、主節(jié)點定位誤差越小，則濾波精度越高，而鄰節(jié)點定位誤差對精度幾乎無影響。