车载gps导航系统动态滤波算法应用研究

《车载gps导航系统动态滤波算法应用研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、江苏大学硕士学位论文车载GPS导航系统动态滤波算法应用研究姓名：赵倩申请学位级别：硕士专业：控制理论与控制工程指导教师：刘国海20090606江苏大学硕士学位论文摘要车载导航及定位是在全球卫星定位系统(GPS，GlobalPositioningSystem)的基础上发展起来的一门新型技术。近年来，随着科学技术的发展，GPS导航和定位技术已向高精度、高动态的方向发展。但是由于GPS定位包含许多误差源，尤其是测鼍随机误差和卫星的几何位置误差，使定位精度受到影响。利用传统的方法很难消除。而GPS动态滤波是消除GPS定位随机误差的重要方法，即利用特定的滤波方法消除各种随机误差，从而提高GPS

2、导航定位精度。木文首先分析了GPS定位的基本原理、误差来源及系统构成。重点介绍了影响GPS定位精度两个关键的客观因素：定位信号与接收机，并对GPS信号进行了仿真。详细介绍了差分GPS技术的原理、分类及应用优势。其次，由于GPS静态定位和动态定轨中，GPS数据预处理质量的好坏都直接影响着GPS定位精度，囚此本文以GPS数据预处理理论和计算机应用技术为基础，巧妙运用了统计分析软件SPSS，重点对GPS数据预处理进行了应用研究；并且探讨了观测数据粗差检测与剔除的新方法。接着，本文将一种新的非线性滤波方法——中心差分卡尔曼滤波(CDKF)用于车辆导航中，进行了仿真试验研究。和普遍采用的EKF

3、方法相比，CDKF方法不仅提高了定位的精度和稳定性；而且不需要模型的具体解析形式，避免了复杂的Jacobian矩阵的计算，算法更简单，也更加易于实现。而且较目前存在的另一种非线性滤波算法UKF，也有一定的优势。仿真实验结果进一步表明CDKF方法明显优于EKF、UKF方法，是车辆导航中一种更理想的非线性滤波方法，真正实现了车辆低成本、高精度的实时定位。最后，拟定了GPS动态试验的新方案，进行了实际跑车实验，通过匀速运动车辆的DGPS及GPS的滤波对比试验，验证了新的中心差分卡尔曼滤波算法在处理动态估计问题上的实用性。仿真实验和实际车辆动态导航试验均表明：比起传统卡尔曼滤波算法，中心差分

4、卡尔曼滤波法精度及稳定性更好，实用性更强。关键词：全球定位系统，动态，差分GPS，预处理，无迹卡尔曼滤波，中心差分卡尔曼滤波，状态估计江苏大学硕士学位论文ABSTRACTTheautomobileguidanceandthelocalizationaredevelopedinthewholeworldsatellitepositioningsystem(GPS，GlobalPositioningSystem)foundationasanewtechnology．Intheseyears，withthedevelopmentofnavigationandorientation，peop

5、lehavehigherdemandstotheofientmionprecision．Itisnecessitytoimproveonthefilteringmeans．Firstofall，thebasicprinciple，systemstructureanderrorsourcesofGPSpositioningareanalyzed．Thediscussionfocusesontwoimportantobjectivefactorsthatinfluencepositioningaccuracy：localizationsignalandthereceiver．Furthe

6、rmore，GPSsignalissimulated．Theprinciple，varietyandadvantageofDGPSareanalyzedparticularly．Next，thequalityofGPSdataPre—ProeessingisthekeytoimproveGPSpositioningprecisionineitherGPSstaticpositioningordynamicpositioning．SobasedonthedataprocessingtheoriesforGPSandcomputertechnologies，thedatapre-proc

7、essingareresearchedmainlyinthispaper，viaastatisticssoftware—SPSSskillfully．AndthenewmethodthatthegrosserrorofmeasuringdataisdetectedandeliminatediSdiscussed．Inaddition，TheCentralDifferenceFilter(CDKF)asanewnonlinearfilteringmethod