相较于仅搭载在微飞行器上的GPS定位,同时搭载MEMS运动传感器可获得更加准确的微飞行器的姿态。MEMS九轴运动传感器的陀螺仪、加速度计、磁力计分别测量载体的角速度、加速度和磁力值。与传统的导航传感器相比,MEMS九轴运动传感器具有体积小、成本低、方便搭载等优点,在导航领域获得了越来越多的应用。由于MEMS运动传感器中的陀螺仪确定性漂移以及随机性漂移等累积误差的存在,使得测量的姿态角误差越来越大,不太适用直接搭载到微飞行器上。因此,如何补偿传感器的误差以提高测量精度并适用于搭载,成为MEMS运动传感器应用研究的重点内容。目前,提高MEMS运动传感器精度的方法有两种,一种是通过提高工艺水平减少累积误差,但由于陀螺仪累积误差的特性,再加上研究工艺的成本高、周期长,这种方法不太适合。另一种根据MEMS运动传感器的特性,建立一个姿态解算“黑盒子”模型,通过姿态解算“黑盒子”模型提高姿态角的精度。微飞行器姿态解算“黑盒子”模型涉及到捷联惯性导航、时间序列误差建模以及卡尔曼滤波等算法。本论文的主要工作如下:(1)对捷联惯性导航进行介绍,主要介绍了各个坐标系以及地理坐标系与载体坐标系之间的转换矩阵,并介绍了几种姿态解算理论,重点阐述捷联惯性导航的四元数算法,这也是微飞行器姿态解算的核心算法。另外介绍模型中非常重要的卡尔曼滤波算法,将从卡尔曼滤波原理、卡尔曼滤波的状态过程与测量过程以及协方差等方面进行阐述。(2)介绍了运动传感器的选型JY901模块,并对模块的三个非常重要的部件陀螺仪、加速度计以及磁力计的原理以及特性进行说明。推导了基于加速度计与磁力计的姿态解算“黑盒子”模型中的初始姿态模型,并对最大理论误差进行分析。微飞行器的初始姿态是一个重要的过程,它的精确度很大程度上影响微飞行器飞行过程中的姿态。这为后续的姿态解算“黑盒子”模型的运动姿态提供初始姿态角数据。(3)微飞行器的运动过程姿态解算是“黑盒子”模型的核心内容。微飞行器飞行过程的飞行运动姿态使用陀螺仪的数据,运动姿态的算法包含采用时间序列分析建立误差模型、捷联惯性导航算法、卡尔曼滤波算法,从而得到可以使用的精确的角速度的输出。运动姿态可以包括静态和动态部分,分别对MEMS运动传感器的静态与动态数据进行建模,通过理论计算以及大量实验数据确定过程噪声协方差、测量噪声协方差、经误差建模后的状态转移矩阵等这几个相关参数作为姿态解算“黑盒子”输入端的接口,便可使用该模型对原始数据进行处理从而得到更高精确度的值。并通过转台实验验证其准确性。从而证明姿态解算“黑盒子”模型输出姿态角的高精确度。然后在ARM上对微飞行器的姿态算法进行实现。(4)通过Allan方差对陀螺仪的噪声的各个误差源进行分析,并对经误差建模和卡尔曼滤波前后的Allan方差进行对比,从而说明滤波的正确性。本文工作为微飞行器的高精度姿态控制打下一定的理论和实验研究基础。