1.一种基于节点信息共享的载机局部姿态精确估计方法，其特征在于：首先建立一个多节点惯性网络系统，包括一个主IMU节点和多个子IMU节点，主节点位于机身重心位置，各子节点分布于机翼及其余机身位置，然后，按照以下步骤实施：

第一部分：对于单个子节点的精度优化策略，将每个子节点IMU与主节点IMU进行传递对准，得到较高精度的子节点导航数据；

第二部分：结合离散卡尔曼滤波方程进行局部卡尔曼滤波算法编排，并引入逆向卡尔曼滤波以及双向融合算法，提高单节点的传递对准结果；

第三部分：利用子节点之间相距位置较近以及运动的连续性特点，对各子节点之间进行信息转换计算，将不同节点信息转换至某一节点，并对该节点的导航信息进行融合，得到更高精度的状态估计结果。

2.根据权利要求1所述的基于节点信息共享的载机局部姿态精确估计方法，其特征在于：所述的第一部分中，具体过程是，步骤1：确定主节点、子节点传递对准匹配方式，步骤2：构造“速度+姿态”传递对准的量测方程和状态方程：

2.1)选取滤波状态量，表达式为：

其中， 为子惯导姿态误差； 为子惯导速度误差； 为子惯导陀螺常值漂移；

为子惯导加速度计常值偏置；μT为子惯导常值安装误差角； 为子惯导所在处机翼的挠曲变形角， 为子惯导所在处机翼的变形角速率，各个变量及表达式右上角的T表示转置；

2.2)采用二阶马尔科夫过程描述机翼的挠曲变形，表达式为：其中， 指的是对θ求导数，κ＝2.146/τ，τ为二阶马尔科夫过程的相关时间；λ为方差是

4κ3σ2的白噪声，σ为挠曲变形角的均方差；

2.3)构建系统状态空间模型,表达式为：

式中，

其中， 为n系相对于i系的运动角速率， 为 的反对称矩阵， 为地球自转角速率在n系分量， 为运载体绕地球表面运动引起的角速率在n系的分量， 为子惯导转换至n系的矩阵，fs为子惯导的比力输出， 为子惯导陀螺随机游走， 为子惯导加计随机漂移；

2.4)进行滤波量测量，选取速度匹配量测量与姿态匹配量测量，滤波量测量的表达式为：

Zvθ＝[Zv Zθ]T  (5)

其中，速度匹配量测量与姿态匹配量测量分别表示为：其中， 为子惯导输出速度； 为主惯导输出速度； 为子惯导处杆臂速度； 为主惯导解算姿态矩阵； 为子惯导解算姿态矩阵；

上述的式(1)、式(4)、式(5)、式(6)一起构成了速度+姿态匹配传递对准的卡尔曼滤波系统状态方程和量测方程。

3.根据权利要求2所述的基于节点信息共享的载机局部姿态精确估计方法，其特征在于：所述的第二部分中，具体过程是，步骤3：根据得到的卡尔曼滤波系统状态方程以及量测方程，构建离散型卡尔曼滤波方程，由以下五个基本方程构成：

3.1)状态一步预测方程：

其中，X为步骤2.1)中的状态量，右下标k表示在k时刻的状态量，上标 表示对X的状态一步估值，Φk/k-1为tk-1时刻至tk时刻一步转移矩阵， 是根据 计算得到的对Xk的一步状态预测；

3.2)状态估计方程：

其中，Kk为滤波增益方程，Zk为步骤2.4)中求得的量测方程，Hk为量测阵；

3.3)一步预测的均方误差阵：

其中，Γk-1为系统噪声驱动阵，Qk为系统噪声序列的方差阵，为非负定阵，Pk表示k时刻的均方误差，Pk-1表示k-1时刻的均方误差，Pk/k-1为由tk-1时刻至tk时刻的均方误差，Q对应表示与P相同；

3.4)滤波增益矩阵：

其中，Rk为量测噪声序列的方差阵，为正定阵；

3.5)估计均方误差方程是：

Pk＝(I-KkHk)Pk/k-1  (12)其中，I为单位阵；

步骤4：构建逆向卡尔曼滤波方程，

逆向滤波器的方程式为：

其中，上标箭头←表示逆向处理；与步骤3中变量不变，下标k-1/k为由tk时刻逆向推导出tk-1时刻的对应方程；

步骤5：加权融合过程，

将正向滤波、逆向滤波得到的状态参数估计向量及协方差进行加权平滑，得到平滑状态参数向量及协方差阵，表达式如下：其中，下标s,k表示平滑后的结果。

4.根据权利要求3所述的基于节点信息共享的载机局部姿态精确估计方法，其特征在于：所述的第三部分中，具体过程是，步骤6：对各节点之间进行转换矩阵的计算，

以三个IMU节点i，j，cg为例，选择IMU节点cg的坐标系作为参考坐标系，则IMU节点i，j的角速率相对惯性坐标系矢量在IMU节点主坐标系cg下的投影，以i节点为例，可得出表达式为：

其中，Ω是对应角速率矢量ω的反对称矩阵， 为i系相对于I系的运动角速率在cg系下的投影， 为cg系相对于I系的运动角速率在cg系下的投影， 为i系相对于cg系的运动角速率在cg系下的投影，由于姿态阵微分方程 将方程式(15)改写为：其中， 为cg系至i系的转换矩阵， 为 的导数，由此得到IMU节点i相对IMU节点cg转换阵 的微分方程为：其中， 为i系至cg系的转换矩阵， 为i系相对于I系的运动角速率在i系下的投影，同理，得到IMU节点j相对IMU节点cg转换阵 的微分方程，求解微分方程得到 和则IMU节点i，j之间的动态转换阵表达式为：式中， 为i系至j系的转换矩阵；

步骤7：利用节点之间的信息转换矩阵将其他节点信息转换至各节点，并进行各节点信息的量测融合；

IMU节点i和IMU节点j根据式(18)的旋转矩阵 实现该两个IMU节点间相似状态的相互转换：其中，xl,l＝i,j,cg为IMU节点l的待估计加速度或角速度输出， 为步骤6中所求的i节点与j节点之间的转换矩阵；

则IMU节点i的量测方程表达式为：

其中，ml,l＝i,j,cg表示l节点吸收其余节点惯性测量信息后，得到l点完整的的惯性测量信息，yl,l＝i,j,cg是IMU节点l的加速度或角速度输出值，vl,l＝i,j,cg是节点l的观测误差矩阵，Hl,l＝i,j,cg是IMU节点l的观测阵；

由最小二乘估计法得到IMU节点l的待估计加速度或角速度 及其估计误差协方差阵Px,l，表达式为：其中，表示对状态量x的估计,R为量测噪声序列的方差阵，Px,l为误差协方差阵，选取最大条件概率密度函数 作为优化指标，得到IMU节点i,j,cg通过量测融合后待估计加速度或角速度xl,l＝i,j,cg，表达式为：步骤8：对各节点信息进行状态融合，

在各个节点通过局部卡尔曼滤波器对局部状态进行估计后，设计局部状态融合滤波器，吸收其他节点的局部状态估计，进行各节点姿态信息融合处理，完成局部状态估计的更新，获得导航状态信息的高精度估计。