В 1970-х годах, с развитием сенсорных технологий, особенно с развитием микроэлектромеханических систем (MEMS), технология фильтрации ориентации инерциальной навигационной системы ознаменовала важный прорыв. Сенсорные чипы MEMS имеют небольшой размер, низкое энергопотребление, легкий вес и низкую стоимость применения, что делает инерциальные навигационные системы MEMS более популярными и практичными. С 1980-х по 1990-е годы мультисенсорный синтез стал важным направлением развития технологии фильтрации ориентации для зарубежных инерциальных навигационных систем MEMS. Путем объединения инерционных датчиков с другими датчиками (такими как GPS, магнитометры, датчики технического зрения и т. д.) можно повысить точность и стабильность диапазона применения оценки ориентации. В начале XXI века алгоритмы нелинейной фильтрации стали широко использоваться при пространственной фильтрации MEMS -инерциальных навигационных систем. В последние годы, с развитием технологий глубокого обучения, зарубежные исследования по фильтрации ориентации инерциальных навигационных систем MEMS также начали внедрять методы глубокого обучения. Используя модели глубокого обучения, такие как нейронные сети, можно лучше решать сложные задачи оценки позы, а также повысить надежность системы [10] и адаптируемость.

Метод фильтра Калмана, используемый в этом проекте, применяет теорию фильтра Калмана (Kalman Filter, KF), которая была предложена Калманом в 1960 году как метод оценки дискретных случайных систем [11]. Однако, поскольку оценивать можно только дискретные системы, Калман позже сотрудничал с Р. С. Бизи в исследованиях и распространил этот метод теории фильтрации на линейные системы с непрерывным временем [12], сформировав полную систему алгоритмов оценки фильтрации. На измерительные датчики, такие как трехосные гироскопы, акселерометры и магниторезистивные магнитометры, используемые в экспериментах, легко влияют внешние помехи при измерении углов ориентации, что приводит к большим ошибкам. Например, гироскопы имеют температурный дрейф и дрейф нуля, акселерометры легко подвержены вибрациям оборудования, а магнитометры легко подвержены влиянию помех от окружающего магнитного поля [13] [14]. После того, как система будет накапливать текущие данные в течение длительного времени, точность расчета угла поворота снизится, что приведет к смещению данных [15], поэтому необходимо выполнить расчет и фильтрацию.

Для решения проблемы ошибок инерциальных устройств в литературе [16] для решения модели ошибок системы используются модель IMU и алгоритм фильтра Калмана, но для установления точной модели ошибок и выбора параметров требуется большой объем расчетных работ.. В литературе [17] принят алгоритм слияния отношений дополнительных фильтров первого порядка. В [18] метод определения ориентации, основанный на адаптивной фильтрации Калмана без запаха, используется для получения высокоточной информации об ориентации и подавления проблемы расхождения ориентации при дрейфе гироскопа.

2.2. Тенденции развития. Сопутствующее расширение применения исследований по фильтрации положения инерциальной навигационной системы MEMS имеет большое значение для разработки будущей гражданской и военной техники. Он основан на механической теореме Ньютона, которая может обеспечивать шесть степеней свободы параметров движения в реальном времени, одновременно отвечая требованиям автономности и скрытности [19]. поля MEMS инерциальных навигационных систем. В более широком смысле автономная навигация реализована на многих машинах [20].