基于嵌入式平臺的MEMS／GPS組合導(dǎo)航系統(tǒng)實現(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)

基于嵌入式平臺的MEMS／GPS組合導(dǎo)航系統(tǒng)實現(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平臺的MEMS／GPS組合導(dǎo)航系統(tǒng)硬件實現(xiàn)方法。首先設(shè)計了對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)實測數(shù)據(jù)確定了Kalman濾波器的系統(tǒng)噪聲陣及量測噪聲陣模型參數(shù)；然后利用實際測量數(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，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)和動態(tài)情況下完成MEMS／GPS組合導(dǎo)航算法實時測試，導(dǎo)航結(jié)果驗證了硬件平臺及導(dǎo)航算法的正確性。

MTi?30；組合導(dǎo)航；PC104平臺；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［2?3］。更主要的是，推算式的捷聯(lián)導(dǎo)航結(jié)果誤差會隨著時間的增長而迅速累積。全球定位系統(tǒng)能實現(xiàn)三維度的實時定位，導(dǎo)航定位的全球性和高精度，測站間無需通視、省時、快速、高效率、可移動定位和應(yīng)用范圍廣［4］，并且誤差不會隨著時間增長累積。因而，MEMS／GPS組合導(dǎo)航系統(tǒng)相互取長補(bǔ)短［5］，對比單個系統(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MTi?30 MEMS器件與GPS接收機(jī)，設(shè)計相關(guān)數(shù)據(jù)采集軟件，研究利用統(tǒng)計學(xué)方法估算傳感器誤差模型參數(shù)，并利用實測數(shù)據(jù)驗證模型參數(shù)在MEMS／GPS組合算法模型中的適應(yīng)性。同時，基于PC104平臺，搭建組合導(dǎo)航系統(tǒng)樣機(jī)，驗證硬件平臺的可用性以及導(dǎo)航算法的精準(zhǔn)性，設(shè)計出整套精準(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)實現(xiàn)總體設(shè)計

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

低成本MEMS／GPS組合導(dǎo)航系統(tǒng)在實現(xiàn)時選取松組合方式［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)計了MTi?30數(shù)據(jù)采集軟件，并研究了在線實時標(biāo)定和零偏補(bǔ)償?shù)姆椒?，彌補(bǔ)了MEMS長時間誤差漂移較大的問題；數(shù)字平臺模塊憑借加速度計、陀螺儀與磁強(qiáng)計采集的數(shù)據(jù)，設(shè)計了實時解算速度位置與姿態(tài)的算法，同時研究了磁異常判別機(jī)制；組合濾波器模塊設(shè)計了一種有效的GPS實時輔助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

在MEMS／GPS組合導(dǎo)航系統(tǒng)中，選取9個誤差參數(shù)作為狀態(tài)，包括3個平臺角誤差、3個速度與3個位置誤差［7］。同時，選取陀螺隨機(jī)常數(shù)、1階馬爾可夫過程與加速度計的1階馬爾可夫過程作為另外的9個狀態(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)性能測試驗證

2．1 MEMS／GPS組合導(dǎo)航系統(tǒng)設(shè)計與實現(xiàn)

（1)系統(tǒng)硬件結(jié)構(gòu)設(shè)計與研究

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，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)實現(xiàn)硬件仿真平臺。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)計與研究

整個系統(tǒng)的軟件設(shè)計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)計以及組合導(dǎo)航算法設(shè)計。

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

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、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，實時采集IMU數(shù)據(jù)，并進(jìn)行數(shù)據(jù)包的頭校驗與尾校驗，如果驗證正確，則將數(shù)據(jù)解算后的值傳輸給PC104進(jìn)行實時導(dǎo)航解算并通過RS232串口傳輸?shù)轿募斜４?；繼GPS數(shù)據(jù)串口初始化之，實時采集GPS數(shù)據(jù)，進(jìn)行位和校驗并剔除異常值，通過RS232串口實時保存到文件中。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，對當(dāng)前磁航向角與航向均值偏差超過一定閾值時進(jìn)行剔除。

②組合導(dǎo)航算法設(shè)計

該網(wǎng)絡(luò)研究捷聯(lián)慣導(dǎo)算法，實時解算獲取速度、位置與姿態(tài)信息，同時研究利用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，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無效時，只進(jìn)行一步預(yù)測更新，不對MEMS作出修正。研究利用這種濾波器網(wǎng)絡(luò)，來保證MEMS長時間的位置精度。

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)性能測試

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

（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)臺上，并將轉(zhuǎn)臺調(diào)整到水平位置，采集10組靜態(tài)數(shù)據(jù)，頻率為50Hz，每次時長約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)計分析按1s、10s分別求取平均及均方差值來分析傳感器與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個結(jié)論：

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

2)單源GPS位置誤差在2m左右；

3)觀測均方差，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)計中，Q陣與R陣的參數(shù)設(shè)定對濾波精度影響最大，根據(jù)2.1節(jié)測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，對比不同參數(shù)下的導(dǎo)航誤差大小，對上述參數(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硬件平臺的仿真驗證

基于搭建的MEMS／GPS組合系統(tǒng)實現(xiàn)硬件仿真平臺，仿真參數(shù)按表4取值，分別進(jìn)行靜態(tài)和動態(tài)測試。

圖6、圖7為靜態(tài)測試結(jié)果。

靜態(tài)情況下，觀測上述曲線，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。同時，受限于平臺誤差角的影響，最終經(jīng)緯誤差在1.5m左右。

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

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

圖8～圖11為動態(tài)測試結(jié)果，測試場地為學(xué)校操場。

圖8 速度對比曲線（動態(tài)）Fig．8 Comparison of velocity（dynamic）

圖9 位置對比曲線（動態(tài)）Fig．9 Comparison of location（dynamic）

圖10 導(dǎo)航結(jié)果與GPS對比二維圖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)?？傮w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MTi?30 MEMS器件與GPS接收機(jī)設(shè)計了相對應(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間。研究了用于估算傳感器誤差模型參數(shù)的統(tǒng)計分析方法，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，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［J］.中國慣性技術(shù)學(xué)報，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)積分觀測的SINS／GPS深組合導(dǎo)航算法［J］.中國慣性技術(shù)學(xué)報，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，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，研究方向為慣性技術(shù)及組合導(dǎo)航研究。

2016?06?01

國家自然科學(xué)基金項目（編號：61533008，61374115)；中央高校基本科研業(yè)務(wù)費專項資金（編號：NP2015406，NJ20150012，NP20152212，NS2014031)