基于嵌入式平臺的MEMS／GPS組合導航系統實現研究

黃 欣，許建新，孔雪博，熊 智

（南京航空航天大學導航研究中心，南京211106)

基于嵌入式平臺的MEMS／GPS組合導航系統實現研究

黃 欣，許建新，孔雪博，熊 智

（南京航空航天大學導航研究中心，南京211106)

主要研究基于PC104平臺的MEMS／GPS組合導航系統硬件實現方法。首先設計了對MTi?30 MEMS器件與GPS接收機的數據采集軟件，基于統計分析方法分析建立了傳感器的誤差模型參數，構建了MEMS／GPS組合算法模型，基于MEMS慣性器件和GPS接收機實測數據確定了Kalman濾波器的系統噪聲陣及量測噪聲陣模型參數；然后利用實際測量數據進行了MEMS／GPS組合系統導航性能仿真；最后基于PC104嵌入式平臺，構建了MEMS／GPS組合導航系統原理樣機，分別在靜態和動態情況下完成MEMS／GPS組合導航算法實時測試，導航結果驗證了硬件平臺及導航算法的正確性。

MTi?30；組合導航；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，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、較差的穩定性能等缺點［2?3］。更主要的是，推算式的捷聯導航結果誤差會隨著時間的增長而迅速累積。全球定位系統能實現三維度的實時定位，導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組合導航系統相互取長補短［5］，對比單個系統，組合導航精度和性能得到了顯著提升。

本文主要研究MTi微慣性航姿系統與GPS組合導航技術，并在PC104嵌入式平臺基礎之上，構建MEMS／GPS組合導航系統原理樣機。針對MTi?30 MEMS器件與GPS接收機，設計相關數據采集軟件，研究利用統計學方法估算傳感器誤差模型參數，并利用實測數據驗證模型參數在MEMS／GPS組合算法模型中的適應性。同時，基于PC104平臺，搭建組合導航系統樣機，驗證硬件平臺的可用性以及導航算法的精準性，設計出整套精準組合導航設備儀器。

1 低成本MEMS／GPS組合導航系統實現總體設計

1．1 低成本MEMS／GPS組合導航系統組合導航方案設計

低成本MEMS／GPS組合導航系統在實現時選取松組合方式［6］，系統工作原理如圖1所示。

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

其中，慣性傳感器數據處理與補償網絡設計了MTi?30數據采集軟件，并研究了在線實時標定和零偏補償的方法，彌補了MEMS長時間誤差漂移較大的問題；數字平臺模塊憑借加速度計、陀螺儀與磁強計采集的數據，設計了實時解算速度位置與姿態的算法，同時研究了磁異常判別機制；組合濾波器模塊設計了一種有效的GPS實時輔助MEMS的最優濾波算法，提升了組合導航定位精度。

1．2 低成本MEMS／GPS組合導航Kalman濾波器模型設計

在MEMS／GPS組合導航系統中，選取9個誤差參數作為狀態，包括3個平臺角誤差、3個速度與3個位置誤差［7］。同時，選取陀螺隨機常數、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個狀態量，可得18階系統狀態方程。本文采用速度位置松組合方式［8］。

2 MEMS／GPS組合導航系統性能測試驗證

2．1 MEMS／GPS組合導航系統設計與實現

（1)系統硬件結構設計與研究

本系統采用荷蘭Xsens公司生產的MTi?30慣性器件以及SDI?TimeNav型GPS接收機，基于PC104嵌入式平臺，構建MEMS／GPS組合導航系統原理樣機。其中研究利用MTi?30及GPS接收機設計了相關數據采集軟件采集相關信息，研究利用PC104嵌入式平臺完成組合導航定位功能。

圖2和圖3為搭建的MEMS／GPS組合系統實現硬件仿真平臺。其中上位機通過VC＋＋6.0編寫，可以設置純捷聯、MEMS／GPS組合等多種方式。

圖2 物理實現圖Fig．2 Physical implementation

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

（2)系統軟件設計與研究

整個系統的軟件設計主要包括慣性傳感器與GPS數據處理與補償網絡的設計以及組合導航算法設計。

①數據處理與補償網絡的設計

該網絡由數據采集與數據處理兩部分組成。數據采集模塊包括系統初始化、數據讀入和檢測、數據解算以及數據輸出部分，程序流程如圖4所示。

圖4 數據采集與處理流程圖Fig．4 Flowchart of data acquisition and processing

繼IMU數據串口初始化，實時采集IMU數據，并進行數據包的頭校驗與尾校驗，如果驗證正確，則將數據解算后的值傳輸給PC104進行實時導航解算并通過RS232串口傳輸到文件中保存；繼GPS數據串口初始化之，實時采集GPS數據，進行位和校驗并剔除異常值，通過RS232串口實時保存到文件中。數據處理模塊主要研究傳感器零偏標定以及磁傳感器的異常處理。在初始時刻，靜止狀態下采集半分鐘IMU數據，均值作為陀螺儀零偏；利用二位橢圓標定算法對磁傳感器數據進行標定，提高航向角精準度，在靜態下，對當前磁航向角與航向均值偏差超過一定閾值時進行剔除。

②組合導航算法設計

該網絡研究捷聯慣導算法，實時解算獲取速度、位置與姿態信息，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，補償MEMS發散；研究利用GPS無效時，只進行一步預測更新，不對MEMS作出修正。研究利用這種濾波器網絡，來保證MEMS長時間的位置精度。

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

2．2 MEMS／GPS組合系統性能測試

基于上文的系統結構與軟硬件實現，進行了系統軟硬件調試并實現了組合系統的測試研究。

（1)MTi?30／GPS慣性傳感器數據采集與分析

為確定Kalman濾波器中系統噪聲陣的狀態模型誤差參數，測試采集了MTi?30傳感器和GPS的靜態數據。將傳感器固定于手搖轉臺上，并將轉臺調整到水平位置，采集10組靜態數據，頻率為50Hz，每次時長約40min。

靜態數據均值反映了傳感器零偏大小，均方差反映了誤差偏離程度，將采集的原始數據基于統計分析按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靜態數據如表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靜態數據如表3所示。

表3 GPS靜態數據均方誤差Table 3 Mean square error of GPS

從上述結果中，可以得到以下3個結論：

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

2)單源GPS位置誤差在2m左右；

3)觀測均方差，數據誤差小，重復性好，可接受程度較高。

（2)參數設置

在Kalman濾波器設計中，Q陣與R陣的參數設定對濾波精度影響最大，根據2.1節測試獲得的慣性器件與GPS的性能參數為基礎，依據傳感器靜態均值設置三軸加計零偏，R陣依據GPS均方差平方設置，Q陣依據傳感器均方差平方進行設置，最終通過Matlab仿真的方式，對比不同參數下的導航誤差大小，對上述參數進行微調，確定了表4中的Kalman濾波參數。

表4 參數設置Table 4 Parameters setting

（3)基于PC104硬件平臺的仿真驗證

基于搭建的MEMS／GPS組合系統實現硬件仿真平臺，仿真參數按表4取值，分別進行靜態和動態測試。

圖6、圖7為靜態測試結果。

靜態情況下，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，最終經緯誤差在1.5m左右。

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

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

圖8～圖11為動態測試結果，測試場地為學校操場。

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

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

圖10 導航結果與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，可以發現：經度誤差不超過1m，緯度誤差大體在1m以下，高度誤差一般在2m以內。總體而言，導航結果較好。

圖12為將導航結果導入Google Earth中三維路線圖，組合導航精度較好，標志了MEMS／GPS組合導航程序的良好性。

圖12 導航結果的Google Earth圖Fig．12 Navigation results in Google Earth

3 結論

本文針對MTi?30 MEMS器件與GPS接收機設計了相對應的數據采集軟件，為數據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的統計分析方法，為構建MEMS／GPS組合算法模型提供有力依據。研究了MEMS／GPS組合導航算法并基于PC104平臺，構建了MEMS／GPS組合導航系統原理樣機，為相關部門針對不同環境下的組合導航定位提供強有力的工具，其將在工程實際中得到廣泛的應用。

［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傳感器現狀及應用［J］.微納電子技術，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，Falco G，Falletti 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儀表慣性組合導航系統發展現狀與趨勢［J］.中國慣性技術學報，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，李榮冰，等.基于環路相關積分觀測的SINS／GPS深組合導航算法［J］.中國慣性技術學報，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，李榮冰，等.余度MEMS?IMU／GPS組合導航系統［J］.南京航空航天大學學報，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及組合導航研究。

2016?06?01

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