前言
在上一篇介绍卡尔曼滤波器的文章中说到,对于无人机的姿态计算,我们不能单独的用陀螺仪或者是加速度计来进行测量,而是需要将它们俩进行融合,那么这一讲我们就来看看如何用卡尔曼滤波器进行滤波融合。
卡尔曼滤波融合过程
首先建立系统的状态方程和测量方程:
式中,$\varphi$是系统的真实角度,$b$是陀螺仪的零点偏移量,$\omega_{gyro}$为包含固定偏差的陀螺仪输出角速度,$\varphi_{acce}$为加速度计经处理后得到的角度值,$w_g$为陀螺仪测量噪声,$w_a$为加速度计测量噪声,$w_g$和$w_a$相互独立,此处假设二者为满足正态分布的白色噪声,令$T_s$为系统采样周期,得到离散系统的状态方程和测量方程:
并且系统过程噪声协方差矩阵$Q$以及测量误差的协方差矩阵$R$为:
式中,q_acce和q_gyro分别是加速度计和陀螺仪测量的协方差,其数值代表卡尔曼滤波器对其传感器数据的信任程度,值越小,表明信任程度越高。在该系统中陀螺仪的值更为接近准确值,因此取q_gyro的值小于q_acce的值。
此时,对应上一篇所介绍的卡尔曼滤波器的计算过程,我们现在已经知道了矩阵$A=\begin{bmatrix}1&-T_s\\0&1\end{bmatrix}$, 矩阵$B=\begin{bmatrix}T_s\\0\end{bmatrix}$,接下来我们只要给定一个初始化的系统状态$\hat x_0$以及它的方差$P_0$,还有干扰的协方差$Q$和$R$就可以带入公式计算了,具体计算过程请参考上一篇。下图是参考资料里用到的初始化参数,可以做一个参考: