基于偏振光/惯性组合的载体航向角自主测量方法研究

This project aims at the application requirement of autonomous heading measurement for UAV in the case of satellite navigation rejection. Based on the stokes vector description method of atmospheric polarized light as the detection principle, combined with hardware and software, a method of autonomous heading angle measurement for carrier based on polarized light/inertial combination is studied by using polarized light compass and inertial system. Aiming at the problem that the current dynamic environment leads to the decrease of the accuracy of polarized light heading angle measurement, the limitation of single navigation mode and the complete loss of lock of polarized light compass signal caused by the occlusion of underground passage or high building, a method of heading angle calculation with obliquity compensation based on three-dimensional image geometry correction, CKF (Volume Kalman) filtering model and guidance are proposed. The robust CKF algorithm based on H∞ filtering and the RFR (Random Forest Regression) neural network model are introduced to improve the accuracy and stability of the course angle measurement of the combined system, to solve some scientific problems faced by the combined course measurement system in practical application, and to provide a certain research basis and theoretical support for the fully autonomous UAV course measurement system.

本项目面向无人机在卫星导航拒止的情况下的自主航向测量应用需求，以大气偏振光的Stokes矢量描述法为检测原理，结合软硬件利用偏振光罗盘和惯性系统开展一种基于偏振光/惯性组合的载体航向角自主测量方法研究。针对目前存在的动态环境导致偏振光航向角测量精度降低、单一导航方式均存在一定的局限性及地下通道或高楼遮挡导致偏振光罗盘信号彻底失锁的问题展开系统的研究，提出基于三维图像几何矫正的带倾角补偿的航向角解算方法、CKF（容积卡尔曼）滤波模型、引入H∞滤波的鲁棒CKF算法及RFR（随机森林回归）神经网络模型，提高组合系统的航向角测量精度与稳定性，解决组合航向测量系统在实际应用中面临的一些科学难题，为完全自主的无人机航向测量系统提供一定的研究基础和理论支撑。

针对目前存在的动态环境导致偏振光航向角测量精度降低、单一导航方式存在一定的局限性及地下通道或高楼遮挡导致偏振光罗盘信号彻底失锁的问题展开了系统的研究，提出了基于三维图像几何矫正的带倾角补偿的航向角解算方法、CKF（容积卡尔曼）滤波模型、引入H∞滤波的鲁棒CKF算法及RFR（随机森林回归）神经网络模型，提高了组合系统的航向角测量精度与稳定性，具体如下：.1）提出了基于三维图像几何矫正的带倾角补偿的航向角测量方法。.针对动态环境导致偏振光航向角测量精度降低的问题，在静态航向角测量的基础上提出了基于三维图像几何矫正的带倾角补偿的航向角解算算法，并利用搭建的三通道偏振光罗盘和偏振光/惯性组合航向测量系统进行了算法仿真与户外跑车实验验证，实验解算得到的最优航向角均方根误差为1.13°，提高了非水平路面环境下偏振光/惯性组合系统的航向角解算精度。.2）提出了基于CKF的偏振光/惯性组合模型的研究及鲁棒CKF滤波算法。.针对单一信息源的导航方式存在一定的局限性和缺点问题，面向卫星导航拒止的环境建立了基于CKF的偏振光/惯性组合模型，利用跑车的实验数据对建立的偏振光/惯性组合模型进行了仿真，且在户外进行了实验验证，经过CKF滤波算法的航向角均方根误差达到了1.0719°；针对面向复杂环境出现的尖锐噪声问题，又提出了鲁棒CKF数据融合算法，并进行了实验验证，证明了鲁棒CKF算法对削弱不良测量对滤波带来的影响具有一定的效果，经过鲁棒CKF算法的航向角均方根误差达到了0.3612°，解决了偏振光/惯性组合系统在高楼或树木遮挡复杂环境下精度低且稳定性差的问题。.3）提出了基于神经网络辅助的非连续观测组合航向测量模型。.针对地下通道或高楼遮挡导致偏振光罗盘信号彻底失锁的问题，建立了RFR神经网络模型，并将神经网引入到组合系统中，利用跑车的实验数据对设计的模型进行了仿真和户外实验验证，实验得到的航向角均方根误差为1.1894°，解决了偏振光/惯性组合系统无法实现非连续观测条件下对载体航向角的检测问题。