- 文献综述（或调研报告）：
本课题主要涉及惯性姿态测量技术，本节中将针对惯性姿态测量技术的研究现状进行陈述。
- 惯性姿态测量研究现状
随着多 MEMS 传感器组合方案在姿态测量中的广泛使用，测姿设备的硬件设计工作逐渐变得简单起来，姿态信息的获取更加方便，因此，如何设计算法将传感器测量得到的数据更好地融合在一起，最大限度地降低系统噪声干扰逐渐成为研究的重点。姿态解算的最初工作就是要建立起姿态矩阵，以表征两个坐标系相互间的数学关联。在寻求姿态矩阵的求解方法上，国内外学者已做了大量研究工作。总体上，其方法主要有以下几种：
欧拉角法。又称三参数法。欧拉提出，载体在三维空间中的有限次转动，可依照次序分别采用三个独立转角来表征，即旋进角、章动角和自旋角。若载体初始时刻位于参考坐标系中，则载体按照一定顺序做三次旋转动作的过程可由三个方向余弦矩阵来描述。该方法直观，简单易于理解，但其三角运算较多，运算量较大，且在求解载体全姿态信息时，微分方程会产生奇异点。因此，欧拉角法一般适用于载体平稳运行时的姿态解算。
方向余弦法。又称九参数法。该方法通过一个 3*3 阶矩阵来描述参考坐标系与载体坐标系的夹角的余弦。要求解姿态信息，需要计算九个微分方程，计算量的增加大大加重了嵌入式系统中处理器的负担，不满足系统实时性的要求。与欧拉角法相比，方向余弦法不存在奇异点问题，因此可应用于载体任何姿态的解算。
四元数法。又称四参数法。相比以上算法，四元数法只需求解四个一阶微分方程，不仅解决了计算量大的难题，而且可实现载体在空间全方位运动时的姿态信息获取，因此在工程实践中具有非常大的应用价值。在载体静止或低动态运动情行下，例如 VR 头盔检测头部的旋转动作、四旋翼飞行器获取机身的倾斜状态、掘进机捕捉钻头的方位，使用四元数法配合相应的微控制器足以满足载体姿态解算的需求，达到进一步控制载体后续动作的目的。
上述是姿态解算过程中可用来描述姿态角的主要数学方法。由于传感器输出噪声、外界干扰等的影响，求解的姿态矩阵是存在误差的，后期需要采用补偿算法对其进行修正。
扩展卡尔曼滤波法（EKF）是测姿领域中应用非常广泛的姿态解算补偿算法，文献[2]基于磁传感器、加速度计和陀螺仪的姿态估计扩展卡尔曼滤波器，有效补偿了陀螺漂移引起的姿态误差，但该滤波器只适用于载体无线加速度的情况，且 EKF 存在线性化误差、Jacobian 矩阵计算量大等缺点。文献[3-4]采用无轨迹卡尔曼滤波器（UKF），不需计算 Jacobian 矩阵，滤波精度较 EKF 更高，但同样要通过泰勒展开使非线性系统线性化，高阶截断误差不可避免，最终导致滤波精度不高甚至会出现发散的情况。
- 存在的问题
- 上述这些补偿算法虽然在一定程度上提高了姿态估计的精度，但设计滤波器的过程一般比较复杂，算法数学运算量较大，加重了芯片计算的负担，可能使测姿系统输出无法及时跟踪上载体的姿态变化。因此，如何改善姿态解算算法，使之既能满足系统姿态解算的精度，又能保证系统输出姿态角的实时性，将是未来研究的重点。
- 移动设备在使用时场景复杂，有时需进行快速运动，而陀螺仪采样频率一般最高为600HZ，若移动设备的移动频率高于采样频率，就难以获得准确位姿状态，并且难以获取移动设备的真实位姿状态与补偿算法进行比较，以验证算法的精准性。
- 参考文献
[1]崔晓阳. 多传感器组合测姿系统设计及姿态解算算法研究[D].杭州电子科技大学,2017.
