粒子滤波在微型飞行器姿态融合中的应用

　　微型飞行器以其结构上的诸多优点和在石油管线巡线、电力巡线、测绘、航拍等领域的广阔应用前景，鼓舞着科研人员进行各种研究和开发。随着微型惯导传感器及高运算能力的微处理器等在技术方面有了实质性的发展，使得飞行器的尺寸做的更加小巧精致。在实际运用场合中考虑成本问题我们通常选用较为廉价的惯导器件，对于廉价的惯导器件而言存在着较大的温度漂移与噪声系数。这就要求我们利用软件算法来弥补这一不足。如Kalman滤波、互补滤波、四元数法等融合算法的出现。Kalman滤波与互补滤波都是在观测值与估计值之间去一个可信度，不同点是互补滤波这个可信度系数是人为设定好的，而Kalman滤波器的这个可信赖程度是通过上一次的观测协方差与当前的观测偏差决定的，有一个自迭代的过程，减少了人为的因素。而四元数则是结合的磁力计对重力向量的方位角进行估计，得到一个滤波后的方位再将其转换为欧拉角或者其他的角度形式输出。粒子滤波是经由Bayes滤波器推导出来的，其核心思想是利用蒙特卡洛思想以均值替代复杂的积分运算，实现状态的后验估计。

　　尽管有着很多的研究证明在线性高斯模型下kalman滤波器是最优漶波器，但是实际飞行器中由于使用了较为廉价的传感器，使得传感器受对周围环境比较敏感。导致观测的角度数据未必完全符合理想的高斯分布，基于这个猜想我们利用粒子滤波对飞行器的基础姿态数据进行融合以获得高精度的姿态数据，并对比测试了kalman滤波与粒子滤波在不同的噪声模型下的滤波效果，期望获得一个对噪声分布类型敏感且适用于廉价惯导器件的滤波器。在文章的第一部分我们首先介绍了粒子滤波算法的原理，第二部分描述对飞行器姿态模型的建立，并对算法的伪代码进行了说明。在第三部分我们对算法进行了Matlab环境的仿真与实际嵌入式系统的验证仿真，对比Kalman滤波分析粒子滤波算法的性能。在第四部分我们对粒子滤波进行了总结，并提出了一些讨论。