文档介绍：行胜于言敢为人先和而不同居安思危
基于卡尔曼滤波的惯性传感器信号处理
答辩人:XX
指导教师:XX
2012年6月
课题背景
惯性传感器广泛的运用
惯性传感器测量姿态角度
本文研究预期目标
针对在姿态角测量中陀螺仪存在随机漂移误差的特点,通过卡尔曼滤波对陀螺仪与加速度计的数据融合,希望能补偿陀螺仪的漂移,达到提高惯性传感器对姿态角的测量精度的目的。
论文的主要内容
1 分析惯性传感器的误差来源,建立惯性传感器的系统方程。
2 设计简单实用的卡尔曼滤波器,实现对加速度计和陀螺仪的数据融合。
3通过实验获取惯性传感器在静态和动态下的信号输出数据。
4 编写卡尔曼滤波器的MATLAB程序,通过MATLAB软件对实验数据进行仿真处理。
系统状态方程建立
选择俯仰角和横滚角以及相应的陀螺仪随机漂移作为状态变量,建立系统方程如下:
将建立的系统状态方程离散化
卡尔曼滤波
背景介绍:
Kalman,匈牙利数学家。
卡尔曼滤波器源于他的博士论
文和1960年发表的论文《A New
Approach to Linear Filtering
and Prediction Problems》(线
性滤波与预测问题的新方法)
卡尔曼滤波优点:

卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推,根据系统的量测值来消除随机干扰,再现系统的状态。
计算状态一步预测:
状态估计:
滤波增益矩阵:
一步预测误差方差阵:
估计误差方差阵: