专利名称：一种惯性传感器网络节点装置及其信息融合方法
技术领域：
本发明涉及一种惯性传感器网络节点装置及其信息融合方法，属于惯性导航定位技术领域。
背景技术：
采用分布式惯性传感器网络的导航系统是一种新的导航系统设计理念，它是在近年来新一代的低成本、小体积、轻质量的导航传感器，如MEMS (微机电系统)惯性传感器、MSIS(微小型固态惯性传感器)、光纤陀螺、光纤加速度计等，以及高速大容量的嵌入式微处理器和分布式模块化电子设备的基础上发展起来的新技术。分布式惯性传感器网络的导航系统可以为运动载体(如飞机、舰船、航天器等)提供惯性数据和其它测量信息，通过导航算法和信息融合算法，实现导航定位、姿态确定、运动控制、惯性对准等诸多功能。
基于分布式传感器网络的导航系统，是将具有相同或不同性能、功能的多个传感器网络节点系统分布式的配置在载体的不同空间位置，各传感器网络节点用来测量载体的局部导航信息，由惯性传感器组件和微处理器模块组成，所有传感器网络节点共同构成完全的分布式导航网络结构。将惯性传感器网络节点系统配置在载体的多个位置，不仅能够为载体的导航提供冗余的分布式测量信息，而且为载体的电子设备如雷达跟踪、装备载荷等，提供局部的量测系统，同时还能提供用于载体电子设备局部运动补偿的惯性状态信息。基于传感器网络的导航系统，通过重构和共享有限的计算资源，不仅可以提高故障容错水平，并且能动态的配置传感器网络系统功能。由于低成本、小体积、轻质量的惯性传感器及其组合的精度和可靠性偏低，如何在充分发挥新一代惯性传感器优点的同时，提高系统精度及可靠性，并使系统具有较好的容错能力，成为国内外研究的热点问题。目前的研究表明，采用传感器冗余技术可以提高测量精度和可靠性。将多个单独的惯性传感器组成阵列，构成冗余传感器系统，并通过多传感器信息融合技术，可以有效的实现优于单个传感器的性能的目的。如目前美国的JPL实验室提出了“虚拟陀螺技术”，用N个独立的MEMS陀螺测量同一个角速度来提高测量精度。我国西北工业大学、浙江大学等研究人员也对虚拟陀螺开展了研究。目前，针对惯性冗余传感器系统，国内外对于冗余配置方案、冗余传感器系统可靠性、故障诊断与容错控制等开展可研究，并提出了一些有效的冗余配置构型。但目前的方案通常是针对同类传感器开展研究和设计的，一般假设传感器具有性同的误差特性，所采用的信息融合方法基本上最小二乘法，或是对最小二乘法的改进方法，如加权最小二乘法等。然而，对于不同类型的惯性传感器、以及相同类型传感器具有不同的误差特性等，还没有有效的基于多传感器冗余配置的最优惯性网络节点装置，还没有有效的最优信息融合处理方法。
发明内容
本发明为了克服现有惯性冗余装置在最优性能上的不足，提出了一种惯性传感器网络节点装置及信息融合方法，针对分布式惯性网络导航系统。本发明为解决其技术问题采用如下技术方案一种惯性传感器网络节点装置，包括由惯性传感器阵列构成的斜装冗余惯性测量单元和基于数字信号处理微处理器的最优信息融合系统，其中惯性传感器阵列包括m个陀螺，m为自然数，η个加速度计，η为自然数；基于数字信号处理微处理器的最优信息融合系统包括数据采集单元、基于虚拟传感器的降阶处理单元、系统模型及测量模型构建单元、基于线性变换的标准型构建单元、最优滤波器单元和惯性传感网络节点最优输出单元，惯性传感器阵列中的m个陀螺，m为自然数，η个加速度计，η为自然数，分别与基于数字信号处理微处理器的最优信息融合系统中的数据采集单元连接，基于虚拟传感器的降阶处理单元、系统模型及测量模型构建单元和基于线性变换的标准型构建单元顺序连接，基于虚拟传感器的降阶处理单元和最优滤波器单元分别与数据采集单元连接，最优滤波器单元与惯性传感网络节点最优输出单元连接。一种惯性传感器网络节点装置的信息融合方法，包括如下步骤
(1)将数据采集单元获得的所有惯性测量信息，传输至基于虚拟传感器的降阶处理单元中，首先对各个传感器的误差特性进行分析，然后将具有相同误差特性的同类惯性传感器的测量信息组成子集，根据各个子集中惯性传感器的安装矩阵，进行降阶处理，构建降阶 的等价观测量；
(2)将步骤(I)得到的等价观测量在系统模型及测量模型构建单元中，构建降阶的等价误差模型，并进一步构建降阶的等价量测模型；在基于线性变换的标准型构建单元中，根据降阶处理的各个传感器子集的等价安装矩阵，采用基于零空间的线性变换方法，将系统模型及测量模型，转化为标准卡尔曼滤波的状态方程和观测方程；
(3)在最优滤波器单元中，采用最优卡尔曼滤波器进行递推滤波解算，得到最优的误差状态估计；在惯性传感网络节点最优输出单元中，根据最优滤波器单元的最优误差状态估计，计算最优的输出状态；该最优输出状态即为相对于安装轴的角速度和加速度的最优估计，直接用于惯性导航解算。本发明的有益效果如下
I、采用斜装冗余传感器配置方案，设计了一种新的惯性传感器网络节点装置，与现有技术不同是的，不仅可以采用相同类型的惯性传感器，而且可以采用不同类型的惯性传感器，也可以采用相同误差特性以及不同误差特性的惯性传感器。2、设计了一种新的最优信息融合方法，不仅可以得到最优的误差状态估计，也可以得到最优的输出状态估计。3、设计了一种基于虚拟传感器的降阶处理技术，构建降阶的等价观测量，并在此基础上构建等价的降阶误差模型和降阶测量模型。通过采用降阶处理技术，可以降低最优滤波器的维数，显著降低信息处理的计算量。4、基于传感器的安装矩阵，采用零空间法进行线性变换，可以将观测模型转换为标准型。该基于零空间的线性变换方法，不仅可以用于降阶处理的系统模型，也可以直接用于不经过降阶处理的测量模型，来构建标准型的卡尔曼滤波器。5、该惯性传感器网络节点装置，其最优输出为相对于安装轴的角速度和加速度，将多传感器的斜装的冗余测量，处理为最优的标准正交惯性单元输出，可直接用于惯性导航解算。同时，其最优的误差估计也可用于传感器的补偿和校正。
图I为本发明的惯性传感器网络节点装置结构框图。图2为本发明的基于虚拟传感器的降阶处理流程图。图3为本发明的降阶误差模型和量测模型构建流程图。图4为本发明的基于线性变换的标准型构建流程图。图5为本发明的最优卡尔曼滤波器解算及最优输出流程图。图6(a)为本发明的一个惯性传感器网络节点装置例子，图6(b)为本发明的最优信息融合处理的等价虚拟装置。图7为本发明的一个惯性传感器网络节点装置仿真效果。
具体实施例方式 下面结合附图对本发明创造做进一步详细说明。如图I所示，本发明的惯性传感器网络节点装置包括由惯性传感器阵列11以及基于DSP (数字信号处理微处理器)的最优信息融合系统22共两大部分。其中，惯性传感器阵列由m个陀螺，m为自然数，η个加速度计，η为自然数组成。惯性传感器不仅可以采用相同类型的惯性传感器，而且可以采用不同类型的惯性传感器，也可以采用相同误差特性以及不同误差特性的惯性传感器。比如惯性传感器可以采用MEMS (微机电系统)陀螺、MEMS加速度计、光纤陀螺、光纤加速度计等，以及这些不同类型的传感器组合。惯性传感器阵列通过斜装冗余的方式，构成SRIMU (斜装冗余惯性测量单元)。SRIMU的测量信息，经过基于DSP微处理器的最优信息融合系统22，得到最优的标准正交惯性单元输出。基于DSP的最优信息融合系统22由包括数据采集单元23、基于虚拟传感器的降阶处理单元24、系统模型及测量模型构建单元25、基于线性变换的标准型构建单元26、最优滤波器单元27和惯性传感网络节点最优输出单元28。惯性传感器阵列11中的m个陀螺，m为自然数，η个加速度计，η为自然数，分别与基于数字信号处理微处理器的最优信息融合系统22中的数据采集单元23连接，基于虚拟传感器的降阶处理单元24、系统模型及测量模型构建单元25和基于线性变换的标准型构建单元26顺序连接，基于虚拟传感器的降阶处理单元24和最优滤波器单元27分别与数据采集单元23连接，最优滤波器单元27与惯性传感网络节点最优输出单元28连接。该最优信息融合方法采用基于DSP的微处理器进行融合算法的实现，将由数据采集单元23得到的惯性传感器信息，通过最优信息融合算法，对SRIMU的测量信息进行最优融合处理，其最优输出为相对于安装轴的角速度和加速度信息，可直接用于惯性导航解算。同时，其最优的误差估计也可用于传感器的补偿和校正。基于虚拟传感器的降阶处理流程如图2所示，经过数据采集单元23得到所有惯性测量信息，包括所有m个陀螺和所有η个加速度计的信息，将其记为
2I' 22' " ' ' ΖΝ (其中，《>2 + = iV )。对各个传感器的误差特性进行分析，基于虚拟传感器的思想，将具有相同误差特性的同类惯性传感器的测量信息组成￡个子集务、^.....之。由各个子集的安装矩
阵M1，构建降阶的等价观测量艺叫2、···、分别为
权利要求
1.一种惯性传感器网络节点装置，其特征在于包括由惯性传感器阵列(11)构成的斜装冗余惯性测量单元和基于数字信号处理微处理器的最优信息融合系统(22)，其中惯性传感器阵列(11)包括m个陀螺，m为自然数，n个加速度计，n为自然数；基于数字信号处理微处理器的最优信息融合系统(22)包括数据采集单元(23)、基于虚拟传感器的降阶处理单元(24)、系统模型及测量模型构建单元(25)、基于线性变换的标准型构建单元(26)、最优滤波器单元(27)和惯性传感网络节点最优输出单元(28)，惯性传感器阵列(11)中的m个陀螺，m为自然数，n个加速度计，n为自然数 ，分别与基于数字信号处理微处理器的最优信息融合系统(22)中的数据采集单元(23)连接，基于虚拟传感器的降阶处理单元(24)、系统模型及测量模型构建单元(25)和基于线性变换的标准型构建单元(26)顺序连接，基于虚拟传感器的降阶处理单元(24)和最优滤波器单元(27)分别与数据采集单元(23)连接，最优滤波器单元(27)与惯性传感网络节点最优输出单元(28)连接。
2.基于权利要求I所述的一种惯性传感器网络节点装置的信息融合方法，其特征在于，包括如下步骤 (1)将数据采集单元(23)获得的所有惯性测量信息，传输至基于虚拟传感器的降阶处理单元(24)中，首先对各个传感器的误差特性进行分析，然后将具有相同误差特性的同类惯性传感器的测量信息组成子集，根据各个子集中惯性传感器的安装矩阵，进行降阶处理，构建降阶的等价观测量； (2)将步骤(I)得到的等价观测量在系统模型及测量模型构建单元(25)中，构建降阶的等价误差模型，并进一步构建降阶的等价量测模型；在基于线性变换的标准型构建单元(26)中，根据降阶处理的各个传感器子集的等价安装矩阵，采用基于零空间的线性变换方法，将系统模型及测量模型，转化为标准卡尔曼滤波的状态方程和观测方程； (3 )在最优滤波器单元(27 )中，采用最优卡尔曼滤波器进行递推滤波解算，得到最优的误差状态估计；在惯性传感网络节点最优输出单元(28)中，根据最优滤波器单元(27)的最优误差状态估计，计算最优的输出状态；该最优输出状态即为相对于安装轴的角速度和加速度的最优估计，直接用于惯性导航解算。
全文摘要
本发明公开了一种惯性传感器网络节点装置及其信息融合方法，属于惯性导航定位技术领域。网络节点装置包括由惯性传感器阵列(11)构成的斜装冗余惯性测量单元和基于数字信号处理微处理器的最优信息融合系统(22)；基于数字信号处理微处理器的最优信息融合系统(22)包括数据采集单元(23)、基于虚拟传感器的降阶处理单元(24)、系统模型及测量模型构建单元(25)、基于线性变换的标准型构建单元(26)、最优滤波器单元(27)和惯性传感网络节点最优输出单元(28)。该信息融合方法，不仅可以得到最优的误差状态估计，也可以得到最优的输出状态估计，该最优输出状态可直接用于惯性导航解算。
文档编号G01C21/16GK102706347SQ20121015184
公开日2012年10月3日 申请日期2012年5月17日 优先权日2012年5月17日
发明者刘海颖, 华冰, 杨毅钧, 钱颖红, 陈志明, 黄帅 申请人:南京航空航天大学