2. 中国航天员科研训练中心, 北京 100094
2. Astronaut Center of China, Beijing 100094, China
捷联惯性导航系统(strap-down inertial navigation system,SINS)依靠固联在载体上的陀螺和加速度计来感知载体的角速度和加速度,通过积分获得载体实时的姿态、速度和位置。SINS的本质是一个积分系统,因此积分初值的准确程度至关重要。初始对准就是确定系统初始姿态的过程。高精度SINS一般采用Kalman滤波(Kalman filter,KF)来实现精确自对准,通常在静基座条件下完成,此时系统不完全可观测,东向陀螺零偏不可观测是造成航向角对准误差的主要因素[1]。
多位置对准方法可以改善系统的可观测性[2],已成为当前研究的热点。吴哲明等提出一种通过旋转来估计陀螺零偏的方法[3],但是需要已知初始姿态、旋转轴坐标以及转角。缪玲娟等提出一种不需要初始姿态的方法[4],但需要载体绕天向轴精确旋转180°。刘百奇等提出一种不需要精确转角的方法[5],只需载体绕天向轴旋转任意角度即可解析计算出航向角和3个陀螺的零偏。谭彩铭等提出一种绕任意轴旋转的方法[6],只需载体绕任意轴转动90°和180°即可求解出3个陀螺和3个加表的零偏。李建利等提出了一种绕任意轴旋转任意角度的双位置陀螺测漂方法[7],需要迭代多次以提高精度。Sri等提出一种不要求转轴和转角的双位置对准方法[8],通过线性搜索求函数极值来确定最佳航向角,但不能估计出陀螺和加表的零偏。以上方法都是解析方法,没有考虑惯性器件的随机噪声,因此精度不高且容易受到环境的干扰。于飞等提出一种将KF与双位置相结合的方法[9],但该方法近似认为两个位置上KF得到的航向角误差相等,由此带来的原理误差将影响陀螺零偏计算的准确性。赖舟济等提出一种基于无迹Kalman滤波器(unscented Kalman filter,UKF)的双位置对准方法[10],需要载体绕天向轴精确转动180°,该方法对失准角的大小不敏感,但对转角精度有要求且不能估计出陀螺和加表的零偏。以上各种双位置对准算法或者需要精确的转位机构,或者未考虑器件的随机噪声,或者不能估计陀螺零偏。为了克服这些不足,本文提出一种基于北向陀螺零偏自观测的双位置初始对准方法,只需载体绕天向轴旋转任意角度(实际操作时只需载体在近似水平的两个位置各停留一段时间),即可有效提高航向对准精度,并估计出3个陀螺的零偏,具有工程实用价值。
1 静基座初始对准模型本文采用“右前上”载体坐标系,记为b系;“东北天”(ENU)地理坐标系,记为n系;带有解算误差的计算地理坐标系记为n′系。推导出的SINS静基座初始对准系统方程为
$\left\{ \begin{gathered} \boldsymbol{\dot \phi} = - \boldsymbol{\omega} _{{\text{ie}}}^{\text{n}} \times \boldsymbol{\phi} - \boldsymbol{C}_{\text{b}}^{\text{n}}\boldsymbol{\varepsilon} _{\text{b}}^{\text{b}} - \boldsymbol{C}_{\text{b}}^{{\text{n'}}}\boldsymbol{\varepsilon} _{\text{w}}^{\text{b}} \hfill \\ \delta {{\boldsymbol{\dot V}}^{\text{n}}} = - {\boldsymbol{g}^{\text{n}}} \times \boldsymbol{\phi} + \boldsymbol{C}_{\text{b}}^{{\text{n'}}}\boldsymbol{\nabla} _{\text{b}}^{\text{b}} + \boldsymbol{C}_{\text{b}}^{{\text{n'}}}\boldsymbol{\nabla} _{\text{w}}^{\text{b}} \hfill \\ \boldsymbol{\dot \varepsilon} _{\text{b}}^{\text{b}} = \boldsymbol{0} \hfill \\ \boldsymbol{\dot \nabla} _{\text{b}}^{\text{b}} = \boldsymbol{0} \hfill \\ \end{gathered} \right.$ | (1) |
其中:φ表示失准角,ωie表示地球自转角速度,Cbn′表示姿态矩阵,εb表示陀螺的常值零偏,εw表示陀螺的白噪声,δV表示速度误差,g表示重力加速度矢量,∇b表示加表的常值零偏,∇w表示加表的白噪声。矢量的上标n、b、n′分别表示在n系、b系、n′系的投影。
取式(1)中等号左端的4个矢量为状态变量,记为x=[φE φN φU δVE δVN δVU εbx εby εbz ∇bx ∇by ∇bz]T,以δVn为观测量,得到静基座初始对准模型为
$\left\{ \begin{gathered} \boldsymbol{\dot x} = \boldsymbol{Fx} + \boldsymbol{Gw} \hfill \\ z = \boldsymbol{Hx} + v \hfill \\ \end{gathered} \right..$ | (2) |
其中:
为了提高航向对准精度,一个有效的途径是增加观测量使εE可观测。多位置方法可以改善系统的可观测度。基于这个原理,本文提出一种基于北向陀螺零偏自观测的双位置对准方法,其原理如图 1所示。首先,在位置1作传统的KF初始对准,通过一定方法提取北向陀螺零偏εN,即所谓的北向陀螺零偏自观测;然后,将εN作为位置2的额外观测量进行KF,即可改善位置2的可观测性,使陀螺零偏完全可观测,从而提高航向角估计精度并估计出3个陀螺零偏。
在近似水平基座上,载体系xb、yb轴与地理系E、N轴的关系如图 2所示。图中ψ表示航向角。
由图 2可知北向陀螺零偏为
${\varepsilon _{\text{N}}} = {\varepsilon _{{\text{bx}}}}\sin \varphi + {\varepsilon _{{\text{by}}}}\cos \varphi .$ | (3) |
在位置1上对准时,εE不可观测,设置合适的滤波初值可以使εE始终保持在0附近,这样估计出来的水平陀螺零偏就是εN在xb和yb方向的分量。记位置1上北向陀螺零偏为εN1,位置1上KF估计出的水平陀螺零偏为
$\left\{ \begin{gathered} {{\tilde \varepsilon }_{{\text{bx1}}}} = {\varepsilon _{{\text{N1}}}}\sin {\varphi _1} \hfill \\ {{\tilde \varepsilon }_{{\text{by1}}}} = {\varepsilon _{{\text{N1}}}}\cos {\varphi _1} \hfill \\ \end{gathered} \right..$ | (4) |
式(4)中的两式都可以用来提取εN1,为了避免分母为零发生歧义,综合两式得到式(5)来计算εN1。
${\varepsilon _{{\text{N1}}}} = \left\{ \begin{gathered} \frac{{{{\tilde \varepsilon }_{{\text{bx1}}}}}}{{\sin {\varphi _1}}},\left| {\cos {\varphi _1}} \right| \leqslant 0.01 \hfill \\ \frac{{{{\tilde \varepsilon }_{{\text{by1}}}}}}{{\cos {\varphi _1}}},\left| {\sin {\varphi _1}} \right| \leqslant 0.01 \hfill \\ \frac{{\frac{{{{\tilde \varepsilon }_{{\text{bx1}}}}}}{{\sin {\varphi _1}}} + \frac{{{{\tilde \varepsilon }_{{\text{by1}}}}}}{{\cos {\varphi _1}}}}}{2},其他 \hfill \\ \end{gathered} \right..$ | (5) |
求得εN1后代入式(3)即可得到水平陀螺的观测方程为
${\varepsilon _{{\text{N1}}}} = {\varepsilon _{{\text{bx}}}}\sin {\varphi _1} + {\varepsilon _{{\text{by}}}}\cos {\varphi _1}.$ | (6) |
在位置2进行KF时,状态方程保持式(2)所示的形式不变,量测方程变为
$\left[ {\begin{array}{*{20}{c}} {{{\text{V}}_{\text{E}}}} \\ {{{\text{V}}_{\text{N}}}} \\ {{{\text{V}}_{\text{U}}}} \\ {{\varepsilon_{{\text{N1}}}}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {}&1&0&0&0&0&{} \\ {}&0&1&0&0&0&{} \\ \boldsymbol{0}&0&0&1&0&0&\boldsymbol{0} \\ {}&0&0&0&{\sin {\varphi _1}}&{\cos {\varphi _1}}&{} \end{array}} \right]\boldsymbol{x} + \left[ {\begin{array}{*{20}{c}} {{v_{\text{w}}}_{\text{E}}} \\ {{v_{\text{w}}}_{\text{E}}} \\ {{v_{\text{w}}}_{\text{E}}} \\ {{\varepsilon _{{\text{Nw}}}}} \end{array}} \right].$ | (7) |
其中εNw代表εN1的观测噪声,反映εN1的可信程度,越小代表越可靠。在位置2进行KF时,将量测噪声方差阵中εNw对应的协方差设置为位置1滤波结束时误差协方差矩阵中εbx或εby协方差对应的数量级。
3 全面可观测度分析方法 3.1 原理介绍双位置对准时,虽然对位置2与位置1之间的转角α不作要求,但不同的α下得到的航向精度不同。为了寻找最佳转角,本文提出一种全面可观测度分析方法。
设线性定常系统为
$\boldsymbol{Q} = {\left[ {{\boldsymbol{H}^{\text{T}}}\;\;{{\left( {\boldsymbol{HF}} \right)}^{\text{T}}}\;\;{{\left( {\boldsymbol{H}{\boldsymbol{F}^2}} \right)}^{\text{T}}} \cdots {{\left( {\boldsymbol{H}{\boldsymbol{F}^{n - 1}}} \right)}^{\text{T}}}} \right]^{\text{T}}}.$ | (8) |
Q满秩则系统完全可观测,不满秩则不完全可观测。传统的可观测度分析是基于Q阵奇异值分解并利用奇异值大小来表征可状态观测度大小的[11-12],这种方法存在不足[13],实际上可观测度除了与奇异值有关外,还与状态分量的数量级以及与之对应的观测量的导数阶次有关。本文将可观测度概念细分为相对可观测度和可观测阶两个概念:相对可观测度描述同一状态或状态组合在不同条件下的可观测程度,用于指导寻优算法;可观测阶描述状态或状态组合的收敛速度,用于分析不同状态的收敛快慢。
可观测性的本质是式(9)所示的方程组[14]:
$\boldsymbol{Z} = \boldsymbol{Qx}.$ | (9) |
其中
全面可观测度分析的变换是唯一的,最终将式(9)化为
$\boldsymbol{PZ} = \left[ \begin{gathered} \boldsymbol{U} \hfill \\ \boldsymbol{0} \hfill \\ \end{gathered} \right]\boldsymbol{x}.$ | (10) |
其中:P=DMP′是由初等变换矩阵组成的可逆阵,U是上三角矩阵(完全可观测时为对角阵)。U的一般形式如式(11)所示(零对角线元素并不一定集中在最后几列,也可能分布在中间某列)。式(11)中:n为状态的个数,u11, u22, …, urr(r≤n)为非零对角线元素,“*”号表示该位置可取任意值。每个非零对角线元素所在列除该对角线元素外均为零,零对角线元素所在列对角线以上部分元素不一定为零。
$\boldsymbol{U} = {\left[ {\begin{array}{*{20}{c}} {{u_{11}}}&0&0&0& * & * & * \\ {}&{{u_{22}}}&0&0& * & * & * \\ {}&{}& \ddots & \vdots & \vdots & \vdots & \vdots \\ {}&{}&{}&{{u_{rr}}}& * & * & * \\ {}&{}&{}&{}&0& * & * \\ {}&{}&{}&{}&{}& \ddots & * \\ {}&{}&{}&{}&{}&{}&0 \end{array}} \right]_{n \times n}} \cdot \left[ \begin{gathered} \boldsymbol{u}_1^{\text{T}} \hfill \\ \boldsymbol{u}_2^{\text{T}} \hfill \\ \vdots \hfill \\ \boldsymbol{u}_N^{\text{T}} \hfill \\ \end{gathered} \right].$ | (11) |
由U和P可以直观地得到系统的可观测度信息:
1)相对可观测度。
如果U矩阵的所有对角线元素均不为零,则系统完全可观测,所有状态均独立可观测,U的对角线元素uii就代表x的第i个状态xi在观测量中所体现出来的大小,称uii为xi的相对可观测度。
如果U矩阵的对角线元素不全为零,则系统不完全可观测,不可观测状态的个数等于U矩阵全零行的个数。如果U矩阵的第i行uiT中仅有1个元素uij不为零,则x的第j个状态xj仍然独立可观测,称uij为xj的相对可观测度。如果U矩阵的第i行uiT中有多个元素不为零,则这些元素对应的状态存在耦合,耦合形式为uiTx,只能确定uiTx整体可观测。
不同的状态分量xi在观测量中体现为不仅与其系数(即相对可观测度)有关,还与xi自身的数量级有关。数量级相差很大的状态之间简单比较相对可观测度是没有意义的,只有在讨论数量级相同的几个状态或者同一状态在不同条件下的可观测度时,相对可观测度才有意义,这就是所谓的“相对”。相对可观测度数值越大,可观测程度越高。
2)可观测阶。
可观测阶是指与系统状态所对应的观测量中的最高导数阶次,反映收敛速度,可观测阶越高,KF时收敛越慢。用piT表示P矩阵的第i行,如式(10)所示,uiTx对应的观测量就是piTZ,piTZ中观测量的导数的最高阶次就定义为uiTx的可观测阶。可观测阶的计算方法为:首先,逐行化简P矩阵的每一行,略去本行中远小于1的元素;piT中非零元素对应的最大导数阶就是uiTx的可观测阶。P中的元素pij对应的导数阶定义为
根据3.1节提出的全面可观测度分析方法,对单位置和双位置对准的可观测度进行了对比。模拟场景为:载体位置[40°, 116°, 50 m],速度为0 m/s,位置1姿态[0°, 0°, 10°],位置2姿态[0°, 0°, 100°]。
位置2单位置对准全面可观测度分析结果如表 1所示。Q的秩为9,3个状态εE、∇bx和∇by不可观测,可观测状态中收敛最快的是δVE、δVN和δVU,其次是φE、φN和∇U,再次是φU和εN,最慢的是εU,这与经典分析结果[1]和实际情况完全一致。
状态或状态组合 | 相对可观测度 | 可观测阶 |
φE | 9.8 | 1 |
φN | 9.8 | 1 |
φU | 0.000 48 | 2 |
δVE | 1 | 0 |
δVN | 1 | 0 |
δVU | 1 | 0 |
9.7εbx-1.7εby | 10 | 2 |
∇U | 1 | 1 |
εU | 0.000 48 | 3 |
1.7εbx+9.7εby、∇bx、∇by | 不可观测 | 不可观测 |
位置2双位置对准全面可观测度分析结果如表 2所示。可以看出,Q的秩增加为10,增加的可观测状态正是εE,这使得εbx和εby变为可观测。这正是双位置对准的优势所在。此外,可以看出各状态的收敛速度与单位置一致,没有明显改善。
状态或状态组合 | 相对可观测度 | 可观测阶 |
φE | 9.8 | 1 |
φN | 9.8 | 1 |
φU | 0.000 48 | 2 |
δVE | 1 | 0 |
δVN | 1 | 0 |
δVU | 1 | 0 |
εbx | 10.0 | 2 |
εby | 56.5 | 2 |
εU | 0.000 48 | 3 |
∇U | 1 | 1 |
∇bx、∇by | 不可观测 | 不可观测 |
3.3 最佳转角分析
利用相对可观测度分析可以寻找最佳转角。假设位置1姿态角为[0°, 0°, 10°],在[-180°180°]范围内每隔2°取一个转角作为位置2计算φU的相对可观测度,结果如图 4所示,可以看出α=±90°时φU的相对可观测度最大,此时KF得到的航向角最精确(因为载体水平所以φU反映航向角的精度),由此得出最佳转角为±90°。
选取不同航向角的位置1进行相对可观测度分析都可以得到最佳转角为±90°,但这只是一种数值分析方法。为了进一步验证最佳转角的通用性,下面用解析方法证明了最佳转角为±90°。
本文提出的双位置对准实际上是根据两个位置上提供的北向陀螺零偏εN1和εN2来求解εbx和εby,等效于求解式(12)所示的方程组,
$\left[ {\begin{array}{*{20}{c}} {\sin \varphi }&{\cos \varphi } \\ {\sin \left( {\varphi + \alpha } \right)}&{\cos \left( {\varphi + \alpha } \right)} \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{\varepsilon _{{\text{bx}}}}} \\ {{\varepsilon _{{\text{by}}}}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {{\varepsilon _{{\text{N}}1}}} \\ {{\varepsilon _{{\text{N2}}}}} \end{array}} \right].$ | (12) |
记
${\text{con}}{{\text{d}}_2}\left( A \right) = \sqrt {1 + \left| {\cos \alpha } \right|} \sqrt {\max \left( {\frac{1}{{1 + \left| {\cos \alpha } \right|}},\frac{1}{{1 - \left| {\cos \alpha } \right|}}} \right)} .$ | (13) |
cond2(A)的曲线如图 5所示。图 5a是完整曲线,可以看出α为±180°或0°时cond2(A)非常大,表示此时双位置方法失效;图 5b是纵坐标拉伸后的局部放大图,可以看出在α=±90°时cond2(A)最小,代表此时方程组最容易解,双位置对准方法性能最优,即最佳转角为±90°。以上理论分析结果与通过相对可观测度分析得到的结论是一致的,证明了本文提出的全面可观测度分析方法是正确的。
4 实验验证 4.1 最佳转角数值仿真实验
为了验证最佳转角,进行了仿真实验。仿真参数为:陀螺常值零偏0.01 (°)/h;为了避免随机噪声淹没最佳转角,陀螺角度随机游走系数设为一个较小的值10-6(°)/
4.2 双位置对准效果实物实验
为了验证双位置对准的效果,进行了实物实验。实验采用一套由光纤陀螺和石英加表组成的惯性测量单元(inetial measurement unit, IMU),其中光纤陀螺的零偏稳定性约为0.03 (°)/h。实验现场如图 7所示。
实验中在水平转台上航向相差约90°的两个位置上分别采集两组数据。该IMU中陀螺零偏已被良好标定,常值零偏小于随机噪声水平,可以认为直接利用采集数据对准得到的航向角是准确的,可以将其作为对比基准。为了验证双位置对准的效果,人为地给xb轴陀螺加入0.03 (°)/h的常值零偏,给yb轴陀螺加入0.05 (°)/h的常值零偏。双位置对准时先在位置1作10 min初始对准,再将提取的北向陀螺零偏传递到位置2作15 min双位置对准。单位置对准时仅利用位置2的15 min数据作传统KF初始对准。对所采集的多组数据进行了分析,取其中一组典型的结果列在表 3中。从表 3中的结果可以看出,双位置方法明显提高了航向精度,航向误差由0.268°降低到0.041°;单位置对准得到的水平陀螺零偏误差高达0.042 (°)/h,是真实值的140%,完全不可接受,而双位置对准得到的水平陀螺零偏误差不大于0.006 (°)/h,接近该陀螺的噪声水平,很好地估计出了水平陀螺零偏。
类别 | 航向角/(°) | εx/((°)·h-1) | εy/((°)·h-1) |
精确值 | 143.438 | 0.030 | 0.050 |
单位置 | 143.170 | -0.012 | 0.016 |
双位置 | 143.397 | 0.024 | 0.044 |
单位值误差 | 0.268 | 0.042 | 0.034 |
双位置误差 | 0.041 | 0.006 | 0.006 |
5 结论
本文提出了一种无需精密转位机构、易于现场实施的基于北向陀螺零偏自观测的双位置初始对准方法,只需载体在近似水平的两个位置上分别静止一段时间,从位置1提取北向陀螺零偏作为位置2的观测量,即可提高位置2的航向角估计精度并估计出水平陀螺的零偏。为了分析最佳转角,本文还提出了一种全面可观测度分析方法,将传统分析中笼统的可观测度分解为表征不同条件下同一状态可观测程度的相对可观测度和表征状态收敛速度的可观测阶两个概念,并给出了求解方法。利用相对可观测度分析证明了该双位置对准方法中最佳转角为±90°,并通过数值仿真验证了这一结论,证明了全面可观测度分析方法的正确性。用光纤陀螺IMU进行的实物测试结果表明:该双位置对准方法效果优于单位置对准方法,航向误差由0.268°降低到0.041°,并能估计出水平陀螺的零偏,是一种效果良好且易于实现的实用技术。
[1] | 严恭敏, 秦永元. 捷联惯导系统静基座初始对准精度分析及仿真[J]. 计算机仿真 , 2006, 23 (10) : 36–40. YAN Gongmin, QIN Yongyuan. Initial alignment accuracy analysis and simulation of strapdown inertial navigation system on a stationary base[J]. Computer Simulation , 2006, 23 (10) : 36–40. (in Chinese) |
[2] | Lee J G, Park C G, Park H W. Multiposition alignment of strapdown inertial navigation system[J]. IEEE Transactions on Aerospace and Electronic Systems , 1993, 29 (4) : 1323–1328. DOI:10.1109/7.259535 |
[3] | 吴哲明, 孙振国, 张文增, 等. 基于惯性测量单元旋转的陀螺漂移估计和补偿方法[J]. 清华大学学报:自然科学版 , 2014, 54 (9) : 1143–1147. WU Zheming, SUN Zhenguo, ZHANG Wenzeng, et al. Gyroscope bias estimation and compensation by rotation of the inertial measurement unit[J]. Journal of Tsinghua University:Science and Technology , 2014, 54 (9) : 1143–1147. (in Chinese) |
[4] | 缪玲娟, 田海. 车载激光捷联惯导系统的快速初始对准及误差分析[J]. 北京理工大学学报 , 2000, 20 (2) : 205–209. MIAO Lingjuan, TIAN Hai. Fast initial alignment and its errors of RLG strapdown inertial navigation system for land vehicle[J]. Journal of Beijing Institute of Technology , 2000, 20 (2) : 205–209. (in Chinese) |
[5] | LIU Baiqi, FANG Jiancheng. Double any-position alignment without rotatable device for SINS [C]//Proc of Sixth International Symposium on Instrumentation and Control Technology: Signal Analysis, Measurement Theory, Photo-Electronic Technology, and Artificial Intelligence. Beijing: SPIE, 2006, 63575H. |
[6] | TAN Caiming, ZHU Xinhua, WANG Yu, et al. Multi-position alignment with arbitrary rotation axis for SINS[J]. Journal of Chinese Inertial Technology , 2015, 23 (3) : 293–297. |
[7] | LI Jianli, FANG Jiancheng, ZHONG Maiying, et al. Gyro drift calibration method based on free double-position ground self-alignment for SINS[J]. Advanced Materials Research , 2011, 346 : 696–704. DOI:10.4028/www.scientific.net/AMR.346 |
[8] | Sri R B, Venugopal R B, Chandrasekhary R S, et al. Novel two position ground alignment technique for strapdown inertial navigation system [C]//Proc of International Conference on Aerospace Electronics and Remote Sensing Technology (ICARES 2014). Yogyakarta, Indonesia: IEEE Press, 2014: 94-98. |
[9] | YU Fei, BEN Yueyang, LI Qian, et al. Optimal two-position alignment for strapdown inertial navigation system [C]//Proc of International Conference on Intelligent Computation Technology and Automation (ICICTA 2008). Changsha, China: IEEE Press, 2008: 158-164. |
[10] | LAI Zhouji, XIONG Jian, LIU Jianye, et al. Improved arithmetic of two-position fast initial alignment for SINS using unscented Kalman filter[J]. International Journal of Innovative Computing, Information & Control , 2012, 8 (4) : 2929–2940. |
[11] | 吴俊伟, 孙国伟, 张如, 等. 基于SVD方法的INS传递对准的可观测性能分析[J]. 中国惯性技术学报 , 2005, 13 (6) : 26–30. WU Junwei, SUN Guowei, ZHANG Ru, et al. Analysis on observability of INS transfer alignment based on SVD method[J]. Journal of Chinese Inertial Technology , 2005, 13 (6) : 26–30. (in Chinese) |
[12] | LIU Yufei, CUI Pingyuan. Observability analysis of deep-space autonomous navigation system [C]//2006 Chinese Control Conference Proceedings. Harbin, China: IEEE Press, 2006: 279-282. |
[13] | 马艳红, 胡军. 基于SVD理论的可观测度分析方法的几个反例[J]. 中国惯性技术学报 , 2008, 16 (4) : 448–452. MA Yanjun, HU jun. Counterexamples for degree of observability analysis method based on SVD theory[J]. Journal of Chinese Inertial Technology , 2008, 16 (4) : 448–452. (in Chinese) |
[14] | Cho S Y, Lee H K, Lee H K. Observability and estimation error analysis of the initial fine alignment filter for nonleveling strapdown inertial navigation system[J]. Journal of Dynamic Systems Measurement and Control , 2013, 135 : 021005. |
[15] | 孔星炜, 董景新, 吉庆昌, 等. 一种基于PWCS的惯导系统可观测度分析方法[J]. 中国惯性技术学报 , 2011, 19 (6) : 631–636. KONG Xingwei, DONG Jingxin, JI Qingchang, et al. INS observable degree analysis method based on PWCS[J]. Journal of Chinese Inertial Technology , 2011, 19 (6) : 631–636. (in Chinese) |