GPS/DR组合定位系统数据融合算法的研究
全球定位系统/航位推算组合定位论文 扩展卡尔曼滤波论文 联合卡尔曼滤波论文 强跟踪滤波论文 无迹卡尔
论文详情
车辆定位系统是智能交通系统的一个重要内容,它在缓解交通拥挤、方便驾驶、交通管理、防盗报警和紧急求救等方面都具有重要的意义。对于车辆定位系统,一个关键的问题就是采用何种定位方式来获取准确可靠的车辆位置信息,全球定位系统/航位推算组合定位不但可以解决全球定位系统单独定位时,由于卫星信号被遮挡而造成的不能定位的问题,而且可以有效地抑制航位推算定位时的累积误差,极大地提高了车辆定位系统的定位精度和工作的可靠性,因此被广泛采用。但是由于受到成本的限制,全球定位系统/航位推算组合定位系统需选用低成本的航位传感器,因此必须配合一定的融合算法来提高系统的整体性能,即如何有效地融合全球定位系统和航位推算系统两者的定位信息,因此实现全球定位系统/航位推算组合定位的核心问题是两者数据融合方案的设计,卡尔曼滤波是一种较好的解决方案。本文以卡尔曼滤波理论为基础,对全球定位系统/航位推算组合定位的融合算法进行了详细的研究。建立了基于“当前”统计模型的组合定位系统的滤波模型,分析研究了传统的扩展卡尔曼滤波,联合卡尔曼滤波,强跟踪滤波算法在全球定位系统/航位推算组合定位系统中的应用。由于这些融合算法都是基于扩展卡尔曼滤波的,而扩展卡尔曼滤波存在滤波收敛速度慢、对系统模型误差和噪声统计特性的鲁棒性差和实际中难以实施等缺点,因此本文引入了一种新型的非线性滤波算法—无迹卡尔曼滤波,无迹卡尔曼滤波无需对非线性系统进行线性化近似,避免了线性化误差的引入和雅克比矩阵的计算,其实用性和滤波估计精度都要优于传统的扩展卡尔曼滤波。根据全球定位系统/航位推算组合定位系统的特点,对无迹卡尔曼滤波进行了简化,提高了其计算效率,并将无迹卡尔曼滤波与联合卡尔曼滤波、强跟踪滤波相结合,构成了无迹卡尔曼联合滤波算法和无迹卡尔曼强跟踪滤波算法。通过对各种融合算法的仿真,结果表明无迹卡尔曼滤波与传统的扩展卡尔曼滤波相比,其滤波精度、收敛速度、鲁棒性、实用性和可靠性都得到了明显改善,尤其是本文提出的基于无迹卡尔曼滤波的联合滤波算法和基于无迹卡尔曼滤波的强跟踪滤波算法不但保持了传统的联合滤波和强跟踪滤波的优良特性,又融合了无迹卡尔曼滤波估计精度高和鲁棒性强的优点,真正实现了车辆定位系统低成本、高精度和高可靠性的要求,具有一定的应用价值。
摘要 | 第7-8页 |
Abstract | 第8页 |
第1章 绪论 | 第9-15页 |
1.1 课题研究背景和意义 | 第9-10页 |
1.2 GPS/DR组合定位系统的数据融合方案 | 第10-13页 |
1.2.1 GPS/DR组合定位系统的数据融合算法的研究现状 | 第10-12页 |
1.2.2 GPS/DR组合定位系统的数据融合算法的研究重点 | 第12-13页 |
1.3 本文主要研究内容 | 第13-14页 |
1.4 本文组织结构 | 第14-15页 |
第2章 GPS/DR数据融合算法的理论基础 | 第15-38页 |
2.1 线性离散系统的卡尔曼滤波 | 第15-18页 |
2.1.1 线性离散系统的卡尔曼滤波模型 | 第15页 |
2.1.2 线性离散系统的卡尔曼滤波算法 | 第15-18页 |
2.1.3 卡尔曼滤波的发散抑制 | 第18页 |
2.2 扩展卡尔曼滤波 | 第18-21页 |
2.2.1 扩展卡尔曼滤波算法 | 第18-20页 |
2.2.2 扩展卡尔曼滤波的线性化误差补偿 | 第20页 |
2.2.3 扩展卡尔曼滤波存在的问题 | 第20-21页 |
2.3 无迹卡尔曼滤波 | 第21-26页 |
2.3.1 无迹变换 | 第21-23页 |
2.3.2 无迹卡尔曼滤波算法 | 第23-24页 |
2.3.3 无迹卡尔曼滤波算法的改进 | 第24-26页 |
2.4 GPS定位原理及误差分析 | 第26-29页 |
2.4.1 GPS定位的基本原理 | 第26-28页 |
2.4.2 GPS定位的误差模型 | 第28-29页 |
2.5 航位推算原理及误差分析 | 第29-33页 |
2.5.1 航位推算的基本原理 | 第29-30页 |
2.5.2 航位推算传感器的工作原理及误差分析 | 第30-33页 |
2.6 车辆运动模型 | 第33-38页 |
2.6.1 匀速(CV)和匀加速(CA)模型 | 第33-34页 |
2.6.2 辛格(Singer)模型 | 第34页 |
2.6.3 "当前"统计模型 | 第34-38页 |
第3章 EKF和UKF在GPS/DR组合定位中的应用 | 第38-43页 |
3.1 扩展卡尔曼滤波在GPS/DR数据融合中的应用 | 第38-42页 |
3.1.1 GPS/DR组合定位系统状态方程的建立 | 第38-39页 |
3.1.2 GPS/DR组合定位系统量测方程的建立 | 第39-41页 |
3.1.3 自适应卡尔曼滤波方程 | 第41-42页 |
3.2 无迹卡尔曼滤波在GPS/DR数据融合中的应用 | 第42-43页 |
第4章 联合滤波器在GPS/DR组合定位中的应用 | 第43-49页 |
4.1 引言 | 第43页 |
4.2 联合卡尔曼滤波器 | 第43-45页 |
4.2.1 联合卡尔曼滤波器的结构 | 第43-44页 |
4.2.2 联合卡尔曼滤波算法 | 第44-45页 |
4.3 GPS/DR组合定位系统的联合滤波方案 | 第45-46页 |
4.4 GPS/DR组合定位系统的联合卡尔曼滤波器的设计 | 第46-47页 |
4.4.1 GPS局部滤波器的状态方程和量测方程 | 第46页 |
4.4.2 DR局部滤波器的状态方程和量测方程 | 第46-47页 |
4.4.3 全局滤波算法 | 第47页 |
4.5 GPS/DR组合定位系统信息分配系数的自适应算法 | 第47-48页 |
4.6 基于无迹卡尔曼滤波的联合卡尔曼滤波器 | 第48-49页 |
第5章 强跟踪滤波器在GPS/DR组合定位中的应用 | 第49-53页 |
5.1 强跟踪滤波器的引入 | 第49页 |
5.2 强跟踪滤波器的基本原理 | 第49-50页 |
5.3 强跟踪滤波算法 | 第50-51页 |
5.4 强跟踪滤波器与扩展卡尔曼滤波器的性能分析 | 第51-52页 |
5.5 基于无迹卡尔曼滤波的强跟踪滤波器 | 第52-53页 |
第6章 仿真结果及分析 | 第53-67页 |
6.1 系统仿真技术 | 第53-54页 |
6.1.1 系统仿真的分类 | 第53页 |
6.1.2 Monte Carlo仿真方法的基本思想和特点 | 第53-54页 |
6.1.3 常用的仿真统计指标 | 第54页 |
6.2 EKF与UKF的仿真分析 | 第54-60页 |
6.3 FEKF与FUKF的仿真分析 | 第60-63页 |
6.4 STF的仿真分析 | 第63-67页 |
结论与展望 | 第67-69页 |
1、结论 | 第67-68页 |
2、展望 | 第68-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-74页 |
附录A UT变换的精度分析 | 第74-76页 |
附录B (攻读学位期间所发表的学术论文目录) | 第76页 |
论文购买
论文编号
ABS1988519,这篇论文共76页
会员购买按0.30元/页下载,共需支付
22.8。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
38。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文