捷联惯导系统学习7.2(捷联惯导精对准 )

捷联惯导的粗对准误差可达(’)数级，方位失准角为(。^。。)数级。
若在进行粗对准以后进入纯惯导导航，导航误差将迅速发散，需要进一步精对准，减小失角误差。

捷联惯导系统精对准

令wenb=0w^b_{en}=0wenb=0
Cbn:导航系与载体系的转换矩阵wibb:陀螺仪输出，载体系相对于惯性系的角速度wieb:地球自转引起的导航系的旋转C^n_b:导航系与载体系的转换矩阵\\ w^b_{ib}:陀螺仪输出，载体系相对于惯性系的角速度\\ w^b_{ie}:地球自转引起的导航系的旋转Cbn:导航系与载体系的转换矩阵wibb:陀螺仪输出，载体系相对于惯性系的角速度wieb:地球自转引起的导航系的旋转
C˙bn=Cbn(wnbb×)=Cbn[(wibb−wieb−wenb)×]=Cbn[(wibb−wieb)×]\dot C^n_b=C^n_b(w^b_{nb}×)=C^n_b[(w^b_{ib}-w^b_{ie}-w^b_{en})×]=C^n_b[(w^b_{ib}-w^b_{ie})×]C˙bn=Cbn(wnbb×)=Cbn[(wibb−wieb−wenb)×]=Cbn[(wibb−wieb)×]
令vn=0v^n=0vn=0
fsfb:加速度计输出gn:重力加速度f^b_{sf}:加速度计输出\\ g^n:重力加速度fsfb:加速度计输出gn:重力加速度
v˙n=Cbnfsfb+gn\dot v^n=C^n_bf^b_{sf}+g^nv˙n=Cbnfsfb+gn
得到误差方程
ξn:等效陀螺仪随机常值漂移,当ξb为常值时,ξn也为常值▽n:等效加速度随机常值零偏，可以是为常值Cij:为姿态阵Cbn第i行j列元素\xi^n:等效陀螺仪随机常值漂移,当\xi^b为常值时,\xi^n也为常值\\ \bigtriangledown^n:等效加速度随机常值零偏，可以是为常值\\ C_{ij}:为姿态阵C^n_b第i行j列元素ξn:等效陀螺仪随机常值漂移,当ξb为常值时,ξn也为常值▽n:等效加速度随机常值零偏，可以是为常值Cij:为姿态阵Cbn第i行j列元素
{ϕ˙=ϕ×wien−ξnδv˙=fsfn×ϕ+▽nξn=[ξEξNξU]=[C11ξxb+C12ξyb+C13ξzbC21ξxb+C22ξyb+C23ξzbC31ξxb+C32ξyb+C33ξzb],▽n=[▽E▽N▽U]=[C11▽xb+C12▽yb+C13▽zbC21▽xb+C22▽yb+C23▽zbC31▽xb+C32▽yb+C33▽zb]\begin{cases} \dot \phi=\phi×w^n_{ie}-\xi^n\\ \delta \dot v=f^n_{sf}×\phi+\bigtriangledown^n\\ \end{cases}\\ \xi^n=\left[\begin{matrix} \xi_E\\\xi_N\\\xi_U \end{matrix}\right]= \left[\begin{matrix} C_{11}\xi_x^b+C_{12}\xi_y^b+C_{13}\xi_z^b\\ C_{21}\xi_x^b+C_{22}\xi_y^b+C_{23}\xi_z^b\\ C_{31}\xi_x^b+C_{32}\xi_y^b+C_{33}\xi_z^b \end{matrix}\right],\bigtriangledown^n= \left[\begin{matrix} \bigtriangledown_E\\\bigtriangledown_N\\\bigtriangledown_U \end{matrix}\right]= \left[\begin{matrix} C_{11}&\bigtriangledown^b_x+C_{12}&\bigtriangledown^b_y+C_{13}&\bigtriangledown^b_z\\ C_{21}&\bigtriangledown^b_x+C_{22}&\bigtriangledown^b_y+C_{23}&\bigtriangledown^b_z\\ C_{31}&\bigtriangledown^b_x+C_{32}&\bigtriangledown^b_y+C_{33}&\bigtriangledown^b_z\\ \end{matrix}\right]{ϕ˙=ϕ×wien−ξnδv˙=fsfn×ϕ+▽nξn=⎣⎡ξEξNξU⎦⎤=⎣⎡C11ξxb+C12ξyb+C13ξzbC21ξxb+C22ξyb+C23ξzbC31ξxb+C32ξyb+C33ξzb⎦⎤,▽n=⎣⎡▽E▽N▽U⎦⎤=⎣⎡C11C21C31▽xb+C12▽xb+C22▽xb+C32▽yb+C13▽yb+C23▽yb+C33▽zb▽zb▽zb⎦⎤
在基静座下，近似fsfn=−gn=[00gn]f^n_{sf}=-g^n= \left[\begin{matrix} 0&0&g^n \end{matrix}\right]fsfn=−gn=[00gn],并将第三步得到的等式展开得到：
{ϕ˙E=wUϕN−wNϕU−ξEϕ˙N=−wUϕE−ξNϕ˙U=wNϕE−ξUδv˙E=−gϕN+▽Eδv˙N=gϕE+▽Nδv˙U=▽U\begin{cases} \dot \phi_E=w_U\phi_N-w_N\phi_U-\xi_E\\ \dot \phi_N=-w_U\phi_E-\xi_N\\ \dot \phi_U=w_N\phi_E-\xi_U\\ \delta \dot v_E=-g\phi_N+\bigtriangledown_E\\ \delta \dot v_N=g\phi_E+\bigtriangledown_N\\ \delta \dot v_U=\bigtriangledown_U\\ \end{cases}⎩⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎧ϕ˙E=wUϕN−wNϕU−ξEϕ˙N=−wUϕE−ξNϕ˙U=wNϕE−ξUδv˙E=−gϕN+▽Eδv˙N=gϕE+▽Nδv˙U=▽U
δv˙U=▽U\delta \dot v_U=\bigtriangledown_Uδv˙U=▽U可知：天向速度对失准角不会有任何作用，在基静座天向速度仅用于计算天向速度零偏，分析失准角时，一般可忽略天向通道（天向速度和加速度计天向零偏）。
建立初始对准空间模型如下：
{X˙=FXZ=HXX=[ϕEϕNϕUδvEδvNξEξNξU▽E▽N]TF=[0wU−wN00−10000−wU00000−1000wN000000−1000−g00000010g00000000100000000000000000000000000000000000000000000000000]H=[00010000000000100000]\begin{cases} \dot X=FX\\Z=HX \end{cases}\\ X=\left[\begin{matrix}\phi_E&\phi_N&\phi_U&\delta v_E&\delta v_N&\xi_E&\xi_N&\xi_U&\bigtriangledown_E&\bigtriangledown_N\end{matrix}\right]^T\\ F=\left[\begin{matrix} 0&w_U&-w_N&0&0&-1&0&0&0&0\\ -w_U&0&0&0&0&0&-1&0&0&0\\ w_N&0&0&0&0&0&0&-1&0&0\\ 0&-g&0&0&0&0&0&0&1&0\\ g&0&0&0&0&0&0&0&0&1\\ 0&0&0&0&0&0&0&0&0&0\\0&0&0&0&0&0&0&0&0&0\\0&0&0&0&0&0&0&0&0&0\\0&0&0&0&0&0&0&0&0&0\\0&0&0&0&0&0&0&0&0&0\\ \end{matrix}\right]\\ H=\left[\begin{matrix} 0&0&0&1&0&0&0&0&0&0\\0&0&0&0&1&0&0&0&0&0\\ \end{matrix}\right]{X˙=FXZ=HXX=[ϕEϕNϕUδvEδvNξEξNξU▽E▽N]TF=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡0−wUwN0g00000wU00−g000000−wN00000000000000000000000000000−10000000000−10000000000−1000000000010000000000100000⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤H=[00000010010000000000]
系统的观测性矩阵为
O=[HHF...HF9]=[000100000000001000000−g00000010g000000001gwU00000g0000gwU−gwU00−g00000gwU2−gwNwU00−gwU0000−gwie200000−gwUgwN00..............................]O=\left[\begin{matrix} H\\HF\\...\\HF^9 \end{matrix}\right]= \left[\begin{matrix} 0&0&0&1&0&0&0&0&0&0\\0&0&0&0&1&0&0&0&0&0\\ 0&-g&0&0&0&0&0&0&1&0\\g&0&0&0&0&0&0&0&0&1\\ gw_U&0&0&0&0&0&g&0&0&0\\0&gw_U&-gw_U&0&0&-g&0&0&0&0\\ 0&gw^2_U&-gw_Nw_U&0&0&-gw_U&0&0&0&0\\-gw^2_{ie}&0&0&0&0&0&-gw_U&gw_N&0&0\\ ...&...&...&...&...&...&...&...&...&...\\ \end{matrix}\right]O=⎣⎢⎢⎡HHF...HF9⎦⎥⎥⎤=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎡000ggwU00−gwie2...00−g00gwUgwU20...00000−gwU−gwNwU0...10000000...01000000...00000−g−gwU0...0000g00−gwU...0000000gwN...00100000...00010000...⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎤
观察上式可以看出第6行与第7行线性相关，其他7行向量间互不相关。rank(O)=7rank(O)=7rank(O)=7
根据观测矩阵列出速度测量（及其微分）与状态之间的关系dnZdnt=HFnX(n=0,1,2,...,n)\frac{d^nZ}{d^nt}=HF^nX(n=0,1,2,...,n)dntdnZ=HFnX(n=0,1,2,...,n)
{δvE=δvEδvN=δvNδv′E=−gϕN+▽Eδv′N=−gϕE+▽NδvE′′=gwUϕE+gξNδvN′′=gwUϕN−gwNϕU−gξEδvE′′′=δvN′′wUδvN′′′=−gwie2ϕE−gwUξN+gwNξU\begin{cases} \delta v_E=\delta v_E\\\delta v_N=\delta v_N\\ \delta v{'}_E=-g\phi_N+\bigtriangledown_E\\ \delta v{'}_N=-g\phi_E+\bigtriangledown_N\\ \delta v''_E=gw_U\phi_E+g\xi_N\\ \delta v''_N=gw_U\phi_N-gw_N\phi_U-g\xi_E\\ \delta v'''_E=\delta v''_Nw_U\\ \delta v'''_N=-gw^2_{ie}\phi_E-gw_U\xi_N+gw_N\xi_U \end{cases}⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧δvE=δvEδvN=δvNδv′E=−gϕN+▽Eδv′N=−gϕE+▽NδvE′′=gwUϕE+gξNδvN′′=gwUϕN−gwNϕU−gξEδvE′′′=δvN′′wUδvN′′′=−gwie2ϕE−gwUξN+gwNξU
在第7步可知，只有δvE,δv′E\delta v_E, \delta v{'}_EδvE,δv′E是直接测量可得的，其他系统状态变量值都是通过间接测得的，将系统改写为（如果系统的测量存在干扰，求导次数越多干扰越大）：
{δvE=δvEδvN=δvNϕN=−(δvE′−▽E)/gϕE=(δvN′−▽N)/gξN=[δvE′′−wU(δvN′−▽N)]/gϕU=−[δvN′′+wU(δvE′−▽E)]/(gwN)ξU=[δvN′′′+wie2(δvN′−▽N)+gwUξN]/(gwN)\begin{cases} \delta v_E=\delta v_E\\\delta v_N=\delta v_N\\ \phi_N=-(\delta v'_E-\bigtriangledown_E)/g\\ \phi_E=(\delta v'_N-\bigtriangledown_N)/g\\ \xi_N=[\delta v''_E-w_U(\delta v'_N-\bigtriangledown_N)]/g\\ \phi_U=-[\delta v''_N+w_U(\delta v'_E-\bigtriangledown_E)]/(gw_N)\\ \xi_U=[\delta v'''_N+w^2_{ie}(\delta v'_N-\bigtriangledown_N)+gw_U\xi_N]/(gw_N) \end{cases}⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧δvE=δvEδvN=δvNϕN=−(δvE′−▽E)/gϕE=(δvN′−▽N)/gξN=[δvE′′−wU(δvN′−▽N)]/gϕU=−[δvN′′+wU(δvE′−▽E)]/(gwN)ξU=[δvN′′′+wie2(δvN′−▽N)+gwUξN]/(gwN)
因为▽N,▽E,ξE\bigtriangledown_N,\bigtriangledown_E,\xi_E▽N,▽E,ξE是不可观测的，将成为限制可观测状态的误差因素，通过上式求得可观测状态的极限精度如下：
{ϕE=−▽N/gϕN=▽E/gϕU=tanL∗▽E/g−ξE/wNξN=wU▽N/gξU=−wiesecL∗▽N/g+tanL∗ξE\begin{cases} \phi_E=-\bigtriangledown_N/g\\ \phi_N=\bigtriangledown_E/g\\ \phi_U=tanL*\bigtriangledown_E/g-\xi_E/w_N\\ \xi_N=w_U \bigtriangledown_N/g\\ \xi_U=-w_{ie}secL*\bigtriangledown_N/g+tanL*\xi_E\\ \end{cases}⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧ϕE=−▽N/gϕN=▽E/gϕU=tanL∗▽E/g−ξE/wNξN=wU▽N/gξU=−wiesecL∗▽N/g+tanL∗ξE
为了降低计算量，将▽E,▽N,ξE\bigtriangledown_E,\bigtriangledown_N,\xi_E▽E,▽N,ξE删去，建立7维随机系统模型如下：
wgib(i=x,y,z):为陀螺角速率白噪声;E[wgib]=0,E[wgib(t)wgib(t)]=qgibδ(t−τ),qgib:角度随机游走waib(i=x,y,z):加速度计比力白噪声，一般设E[waib]=0E[waib(t)waib(τ)]=aaibδ(t−τ),qaib速度随机游走、、VE:东向量测噪声VN:北向量测噪声w^b_{gi}(i=x,y,z):为陀螺角速率白噪声;\\ E[w^b_{gi}]=0,E[w^b_{gi}(t)w^b_{gi}(t)]=q^b_{gi}\delta(t-\tau),\sqrt{q^b_{gi}}:角度随机游走\\ w^b_{ai}(i=x,y,z):加速度计比力白噪声，一般设E[w^b_{ai}]=0\\ E[w^b_{ai}(t)w^b_{ai}(\tau)]=a^b_{ai}\delta(t-\tau),\sqrt{q^b_{ai}}速度随机游走、、 V_E:东向量测噪声\\ V_N:北向量测噪声wgib(i=x,y,z):为陀螺角速率白噪声;E[wgib]=0,E[wgib(t)wgib(t)]=qgibδ(t−τ),qgib:角度随机游走waib(i=x,y,z):加速度计比力白噪声，一般设E[waib]=0E[waib(t)waib(τ)]=aaibδ(t−τ),qaib速度随机游走、、VE:东向量测噪声VN:北向量测噪声
{X˙=FX+GWbZ=HX+VX=[ϕEϕNϕUδvEδvNξEξNξU]TF=[0wU−wN0000−wU0000−10wN00000−10−g00000g00000000000000000000]G=[−C11−C12−C1300−−C21−C22−C23000−C31−C32−C33000000C11C12C13000C21C22C23000000000000],W=[wgxbwgybwgzbwaxbwaybwazb]H=[00010000000100],V=[VEVN],\begin{cases} \dot X=FX+GW^b\\Z=HX+V \end{cases}\\ X=\left[\begin{matrix}\phi_E&\phi_N&\phi_U&\delta v_E&\delta v_N&\xi_E&\xi_N&\xi_U\end{matrix}\right]^T\\ F=\left[\begin{matrix} 0&w_U&-w_N&0&0&0&0\\ -w_U&0&0&0&0&-1&0\\ w_N&0&0&0&0&0&-1\\ 0&-g&0&0&0&0&0\\ g&0&0&0&0&0&0\\0&0&0&0&0&0&0\\0&0&0&0&0&0&0\\ \end{matrix}\right]\\ G=\left[\begin{matrix} -C_{11}&-C_{12}&-C_{13}&0&0&-\\ -C_{21}&-C_{22}&-C_{23}&0&0&0\\ -C_{31}&-C_{32}&-C_{33}&0&0&0\\ 0&0&0&C_{11}&C_{12}&C_{13}\\ 0&0&0&C_{21}&C_{22}&C_{23}\\ 0&0&0&0&0&0\\0&0&0&0&0&0\\ \end{matrix}\right],W=\left[\begin{matrix} w_{gx}^b\\w_{gy}^b\\w_{gz}^b\\ w_{ax}^b\\w_{ay}^b\\w_{az}^b\\ \end{matrix}\right]\\ H=\left[\begin{matrix} 0&0&0&1&0&0&0\\0&0&0&0&1&0&0\\ \end{matrix}\right],V=\left[\begin{matrix} V_E\\V_N \end{matrix}\right],{X˙=FX+GWbZ=HX+VX=[ϕEϕNϕUδvEδvNξEξNξU]TF=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡0−wUwN0g00wU00−g000−wN000000000000000000000−10000000−10000⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤G=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡−C11−C21−C310000−C12−C22−C320000−C13−C23−C330000000C11C2100000C12C2200−00C13C2300⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤,W=⎣⎢⎢⎢⎢⎢⎢⎡wgxbwgybwgzbwaxbwaybwazb⎦⎥⎥⎥⎥⎥⎥⎤H=[00000010010000],V=[VEVN],
实际上静座误差下噪声分配阵G近似为常值矩阵，令W=GWbW=GW^bW=GWb
{X˙=FX+WZ=HX+VW=[wgxbwgybwgzbwaxbwaybwazb00]T\begin{cases} \dot X=FX+W\\Z=HX+V \end{cases}\\ W=\left[\begin{matrix} w_{gx}^b&w_{gy}^b&w_{gz}^b& w_{ax}^b&w_{ay}^b&w_{az}^b&0&0\end{matrix}\right]^T{X˙=FX+WZ=HX+VW=[wgxbwgybwgzbwaxbwaybwazb00]T
在对上式进行离散化，再采用Kalman滤波方法进行估计，便可获得失准角的最优估计，实现精对准
也可以采用双位置方法：就是在初始对准过程中故意将捷联惯导系统转动一定角度。
实际中常捷联惯导系统的方位轴旋转180度，矫正方法采用12维的惯导系统对准模型如下：
{X˙=FX+WZ=HX+VX=[ϕEϕNϕUδvEδvNδvUξxbξybξzb▽xb▽yb▽zb]TF=[−(wien×)03×3−Cbn03×3−(gn×)03×303×3Cbn06×12]，G=[−Cbn03×303×3Cbn06×6]W=[wgxbwgybwgzbwaxbwaybwazb]TH=[03×3I3×303×6],V=[VEVNVU]T\begin{cases} \dot X=FX+W\\Z=HX+V \end{cases}\\ X=\left[\begin{matrix} \phi_E&\phi_N&\phi_U&\delta v_E&\delta v_N&\delta v_U&\xi^b_x&\xi^b_y&\xi^b_z&\bigtriangledown_x^b&\bigtriangledown_y^b&\bigtriangledown_z^b\\ \end{matrix}\right]^T\\ F=\left[\begin{matrix} -(w^n_{ie}×)&0_{3×3}&-C^n_b&0_{3×3}\\ -(g^n×)&0_{3×3}&0_{3×3}&C^n_b\\ 0_{6×12}\\ \end{matrix}\right]，G= \left[\begin{matrix} -C^n_b&0_{3×3}\\ 0_{3×3}&C^n_b\\ 0_{6×6}\\ \end{matrix}\right]\\ W= \left[\begin{matrix} w^b_{gx}&w^b_{gy}&w^b_{gz}&w^b_{ax}&w^b_{ay}&w^b_{az} \end{matrix}\right]^T\\ H=\left[\begin{matrix} 0_{3×3}&I_{3×3}&0_{3×6} \end{matrix}\right],V=\left[\begin{matrix} V_E&V_N&V_U \end{matrix}\right]^T{X˙=FX+WZ=HX+VX=[ϕEϕNϕUδvEδvNδvUξxbξybξzb▽xb▽yb▽zb]TF=⎣⎡−(wien×)−(gn×)06×1203×303×3−Cbn03×303×3Cbn⎦⎤，G=⎣⎡−Cbn03×306×603×3Cbn⎦⎤W=[wgxbwgybwgzbwaxbwaybwazb]TH=[03×3I3×303×6],V=[VEVNVU]T
实际使用时应当注意:
（1）:对于不可观测或者观测性较弱的状态变量，对应初始方差阵应当小些
（2）：在初始失准较大时，应在应滤波反馈修正技术：在滤波过程中不断利用失准角估计值修正惯导计算导航系，使其逼近真实导航系，有利于保持惯导误差方程线性，逼近极限对准精度
（3）：在双位置对准的过程中容易产生线运动干扰，只需要进行kalman滤波量测更新，不需要进行滤波量测更新
（4）：量测噪声大小视实际线运动干扰大小设置，设置偏小，收敛虽快单抗干扰性弱。

捷联惯导系统学习7.2(捷联惯导精对准 )相关推荐

捷联惯导系统学习4.1(惯导数值更新算法)
1 常用坐标系的定义 (1)地心惯性坐标系(i 系,inertial frame) 用oixiyizio_ix_iy_iz_ioixiyizi表示,原点以地球为中心, 原点oio_ioi在地 ...
捷联惯导系统学习7.5(低成本组合导航系统模型)
低成本组合导航系统模型低精度MEMS惯性/卫星/地磁组合导航系统中,选择惯导系统的姿态失准角ϕ\phiϕ.速度误差δvn\delta v^nδvn.定位误差δpn\delta p^nδpn.陀螺仪相 ...
捷联惯导系统学习2.5（等效旋转矢量微分方程的泰勒级数解）
在高精度的捷联惯导系统中,陀螺仪姿态的解算往往是通过采集一定时间内的角增量信息, 计算角增量信息计算出等效旋转矢量,在通过等效旋转矢量递推余弦阵或者四元数,完成姿态更新. 等效旋转矢量微分方程的泰勒级 ...
思维导图学习法手把手教你思维导图怎么画
前阵子和朋友聊天时,这才发现如今的小孩子学习压力是越来越大,头脑好一点的还能勉强读好书,脑袋瓜稍微老实点的就很吃亏了.读小学成绩还能不落下,到了初高中,成绩一差就没心思读书了. 不过后来听一培训机构的 ...
思维导图学习法金融学基础课程思维导图分享
这是我本人总结的思维导图学习法,我将其用于五门金融学基础课程的学习,受益颇多,在此进行分享 MAC和IOS用户推荐下载MindNode 链接下载:https://pan.baidu.com/s/1qO ...
捷联惯导系统学习3.2(地球的正常重力场)
圆球模型下的地球重力如图,重力为引力与离心力作用的共同结果,其中引力:F=GMr2=ur2(G引力常数,M为地球质量,r为质点到地心距离)F=\frac{GM}{r^2}=\frac{u}{r^2 ...
捷联惯导系统学习6.1(一些卡尔曼滤波处理技术 )
噪声相关条件下的Kalman滤波理想状态下的kalman需要系统噪声与测量噪声之间部不相关,如果测量噪声与系统噪声相关需要进行处理噪声相关条件下的系统状态方程 Xk:n维状态向量X_k:n维状态向 ...
捷联惯导系统学习6.6(Sage-Husa自适应滤波 )
原理作用只有准确的获得系统的结构参数和噪声统计特性参数,才能获得最优值的状态估计,实际中往往是不够准确的可以使用量测输出(输出隐含了系统模型的某些信息)对系统系统模型进行重新估计. 量测噪声方差阵 ...
捷联惯导系统学习2.6(圆锥误差补偿多子样算法)
若圆锥运动的四元数更新方程为: Q(tm)=Q(Tm−1).Q(T)Q(t_m)=Q(T_{m-1}).Q(T)Q(tm)=Q(Tm−1).Q(T) ( ...四元数乘法) ( Q(T)Q(T)Q ...
捷联惯导系统学习2.2（等效旋转矢量）
二等效旋转矢量: 1 一些重要的三维矢量运算关系(证明请自己找) $ u为单位矢量 ;u'是u的一阶导数$ (1):V1×(V2×V3)=(V1∗V3)V2−(V1∗V2)V3(1):V_1\tim ...

捷联惯导系统学习7.2(捷联惯导精对准 )

捷联惯导系统精对准

捷联惯导系统学习7.2(捷联惯导精对准 )相关推荐

最新文章

热门文章