车载组合导航系统的卡尔曼滤波器设计

《车载组合导航系统的卡尔曼滤波器设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、沈阳理工大学硕士学位论文摘要全球定位系统(GPS)具有定位精度高，但容易出现卫星信号遮挡问题而导致信号失效的特点。航位推算具有短时定位精度高，但误差随时问累积的特点。为了降低成本，提高系统定位精度，使系统能实时连续的获得参数，本文提出了车载GPS／航位推算组合导航的设计方案。本文研究了全球定位系统和航位推算系统的原理，分别对GPS子系统、航位推算子系统和GPS／航位推算组合导航系统进行建模，并离散化。选用GPS接收机，方向传感器电子罗盘和距离传感器轮解码器进行数据的采集。分析比较残差检验法、数据变化率检验法和模糊逻辑检验法，通过

2、仿真实验，确定用模糊逻辑检验法对采集的数据进行预处理。通过运动载体的“当前”加速度统计模型和本文建立的系统模型，推导出GPS子系统、航位推算子系统和GPS／航位推算组合系统的卡尔曼滤波方程。通过三个子系统的仿真实验，分析得出：系统滤波后比滤波前误差更小、曲线更平滑。GPS／航位推算组合导航系统比单独的GPS子系统、航位推算子系统性能更好、精度更高。本文研究及实验结果表明，车载GPS／航位推算组合导航系统比单独的GPS子系统、航位推算子系统误差更小精度更高。关键词：全球定位系统：航位推算：组合导航；卡尔曼滤波沈阳理工大学硕士学位论

3、文AbstractGlobalpositioningsystem(GPS)hasthefollowingcharacters：highlocationaccuracy,buteasytoappeartheproblemofsignalsbeingcoveredbysatelliteandleadingtosignalexpiration．Deadreckoningsystemhascharactersofhighlocationaccuracyinshorttime，buterroraccumulatesalongwithtim

4、epassing．Toreducecost，increaselocationaccuracyandacquirecontinuousreal·timeparameters，thevehicleGPS／deadreckoningintegratednavigationsystemisputout．StudyingtheprincipleofGPSanddeadreckoningfirstly,establishingmodelsforGPSsubsystem，dcadreckoningsubsystemandGPS／DRinteg

5、ratednavigationsystem，thenmakingthemdiscreted．ItchoosesGPSreceiver,cheapdigitalcompassandmile·metertoacquireparameters，Comparedthreeinspectionmethods，fuzzylogicmethodtopre-treatparametersbysimulationexperimentsisconfirmed．Accordingtotheaccelerationmodelofmotioncarrie

6、randthesystemequations，theKalmanfilterequationsofGPSsub-system，deadreckoningsubsystemandGPS／DRintegratednavigationsystemareputout．Byanalyzingtheresultsofsimulationexperiments，theerrorafterfilteriSsmallerandthecarveissmoother．Thesimulationcarveofdeadreckoningsubsystem

7、showsitscharactersofhJighshort—timeprecisionanderroraccumulation．TheGPS／DRintegratednavigationsystemhasbetterperformanceandhiigherprecisionthanitssubsystem．Accordingtotheresultsofsimulation,comparedtoGPSsubsystemanddeadreckoningsubsystem，thevehicleGPS／DRintegratednav

8、igationsystemhassmallererrorandhigherprecision．Keywords：GlobalPositioningSystem；DeadReckoning；IntegratedNavigation；KalmanFiltcr沈阳理工