车载GPS/北斗/DR组合导航系统研究

针对移动车辆的定位与导航问题,研究了GPS/北斗/DR组合导航算法.文中采用坐标系变换及增加状态变量法对不同卫星星座进行了时空统一,并在此基础上研究了GPS/北斗卫星组合导航算法;为了克服卫星定位存在的不连续性问题,提出了GPS/北斗卫星导航系统与低成本的航位推算系统组合导航方案,设计了GPS/北斗/DR组合导航滤波器...     

GPS／DR车辆导航系统研究

随着城市车辆的急剧增长和道路交通状况的紧张,以ＧＰＳ定位技术为主的民用车辆的定位导航和监控技术得到了飞速发展。本文研究ＧＰＳ和航位推算系统ＤＲ的组合导航技术,给出了ＧＰＳ／ＤＲ组合导航系统的设计方案。由ＧＰＳ接收机,压电陀螺仪和车载里程仪组成的多传感器系统通过卡尔曼滤波器实现信息融合,以提高ＧＰＳ／ＤＲ组合系统导航精度。本文也对ＧＰＳ／ＤＲ系统的工程实现做了探讨。     

H2/H∞混合滤波在GPS/DR组合导航中的应用研究Ⅰ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H2/H∞混合滤波.本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H2/H∞滤波方法,仿真结果表明,H2/H∞混合滤波即具有卡尔曼滤波的同等精度,又具有H∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H2/H∞滤波更符合工程应用.     

H2/H∞混合滤波在GPS/DR组合导航中的应用研究Ⅱ

纯卡尔曼滤波在系统或观测噪声不符合假设前提下,滤波将出现发散,而纯H∞滤波虽然稳健,但是精度不高,所以,比较常用的方式是两种滤波形式相结合的H2/H∞混合滤波.本文提出了一种不需对噪声作过多建模,对两种滤波的增益矩阵进行加权求和的混合滤波形式,基于该形式,推导了加权系数的求法,并基于该算法,应用在GPS/DR组合导航中,进一步,为了简化计算,提高运算效率,提出了更符合工程应用的稳态H2/H∞滤波方法,仿真结果表明,H2/H∞混合滤波即具有卡尔曼滤波的同等精度,又具有H∞滤波的滤波稳健性,综合时间耗费、滤波精度、滤波稳健性三个指标,稳态H2/H∞滤波更符合工程应用.     

GPS／DR组合定位系统中几个问题的处理

本文介绍了GPS及其组合导航系统中GPS接收机及惯性传感器的性能,组合导航算法：重点讨论了GPS／DR滤波算法及模型选取、时间同步、整体性和可靠性等几个问题,试验样机验证了所选滤波模型的正确性和可靠性。     

GPS/DR组合导航性能增强技术

为了提高全球定位系统(GPS)信号短时中断时地面车辆自主导航精确度,提出了GPS信号中断时采用车辆不完全约束条件和里程仪速度信息作为量测,辅助惯性导航系统实现车辆航位推算(DR)自主导航的方案;推导了该方案的GPS/DR组合导航的卡尔曼滤波方程;并进行了计算机仿真研究和地面车载试验,结果显示GPS信号中断90 s,DR自主导航误差为20 m,能够满足部分地面车辆短时高精确度自主定位要求。     

非线性滤波及其在组合导航系统中的应用

非线性滤波理论的研究在近年来取得了很大的进展，相继出现了一些次优和最优的非线性滤波算法。本文首先对滤波理论的研究现状作了一个系统的总结，同时对现有各种非线性滤波方法的效率和精度进行了认真的分析和比较，在此基础上，指出了未来非线性滤波的发展趋势，最后针对组合导航系统自身的特点，介绍了近年来涌现同来的与之相关的各种滤波算法，通过对各种算法性能的比较，揭示了组合导航系统中非线性滤波技术的未来发展方向。     

改进的粒子滤波算法在车辆组合导航中的应用

针对目前粒子滤波粒子贫化、计算量大等问题,提出了基于自适应迭代重采样的粒子滤波计算方法。改进的粒子滤波算法在不损失对系统状态估计精度的前提下,缓解了粒子贫化,降低了计算量,缩短了计算时间,同时保证了状态的估计性能。通过实际算例分析,验证了该算法的有效性。最后将该算法应用于GPS/DR车辆组合导航中,仿真结果验证了该算法的可行性和有效性。     

一种新型GPS/DR组合导航系统

利用三个陀螺仪和一个里程计提出一种新型GPS/DR组合导航系统。首先推导了这种组合导航系统的状态方程,然后给出了松组合方式的滤波方程。最后用实测算例对这种新型组合导航系统进行了验证,结果表明,相比于SINS系统、传统的DR系统,这种DR系统在车载系统应用中具有更好的优势;而且这种组合导航系统能够很好地提高单一导航系统的导航精度。     

智能GPS／DR组合导航技术在TRACK—1型车载导航仪中的应用

由于单独采用GPS导航易受多路径放应及障碍物遮挡的影响，导致定位结果不可靠。因此采用航位推算法DR与GPS进行组合导航，本文探讨了基本的航位推算原理，并详细阐述了最新研制的TRACK－1型导航仪的系统工作原理，系统测试表明采用组合导航可以充分利用各个定位传感器的信息资源，提高了系统的整体性能。     

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。     

基于DSP的车载GPS／DR组合导航定位系统设计

为了满足低成本组合导航系统的需要,设计了利用DSP技术和FPGA技术的导航计算机,丈中以数字信号处理器浮点DSP TMS320VC33为主处理器,FPGA实现里程仪信号的计数和与数据通信芯片TLI6C554结合扩展DSP外部串口的功能,整个系统具有体积小、成本低、功耗低和实时性好的优点。     

具有未知参数的GPS/DR组合导航系统跟踪与辨识

该文针对GPS/DR(Global Positioning System/Dead-Reckoning)组合导航系统中存在参数不确定性问题,构建自组织状态空间模型,应用蒙特卡罗粒子滤波方法对新构建的系统模型进行滤波。并且对于在自组织模型中粒子滤波易使未知参数搜索陷入初始取样子集的问题,提出一种人工鱼群-粒子滤波算法。该算法不仅可以估计系统状态,而且还能使未知参数的取样分布向真实参数分布移动,最终辨识出未知参数的真值。仿真结果表明该方法的有效性。     

低复杂度的MIMO系统粒子滤波检测

该文通过降低采样大小和信号检测搜索空间给出了两种低复杂度的多输入多输出(MIMO)系统粒子滤波(PF)检测方法：球形约束PF和多层映射PF。在球形约束PF中,首先基于迫零原则求得所需的球形约束,然后利用该球形约束减少粒子滤波过程中每一级重要性采样生成的粒子数。多层映射PF则采用多层映射将大小为4L的正交幅度调制(QAM)星座划分为L个4-QAM星座的级联以降低信号检测的搜索范围。计算机仿真结果表明,第1种方法能够在大发送天线数的情况下保持系统性能且有效地降低粒子滤波的计算复杂度;而第2种方法能够以较低的错误性能损失为代价获得计算复杂度的极大降低。     

车载导航系统现状及GPS/DR定位系统车载实验

车载定位导航系统(Vehicle Location and Navigation System,VLNS)综合了多种高科技技术,旨在改善城市交通状况,给驾驶者一个方便快捷的路径诱导。而车载定位技术是车载导航系统的一个关键技术。通过市场调研剖析了车载定位导航系统的现状,并对GPS/DR组合定位系统进行了跑车实验,给出了相应结论。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

基于加权自适应平方根容积卡尔曼滤波的GPS/INS组合导航方法

针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。     

基于遗传算法的智能粒子滤波重采样策略研究

智能粒子滤波通过借鉴遗传算法思想能够减轻粒子退化现象。在基于遗传算法的智能粒子滤波基础上,该文提出对低权值粒子的改进的智能粒子滤波(IIPF)处理策略。在对粒子进行分离、交叉后,优化遗传算子,对低权值粒子进行自适应处理。低权值粒子根据权值大小自行判断是否为底层粒子;底层粒子将直接进行变异,其余低权值粒子将根据变异概率随机变异。仿真结果表明,改进的智能粒子滤波(IIPF)性能优于智能粒子滤波、一般粒子滤波算法和拓展卡尔曼滤波。在1维仿真实验中,改进的智能粒子滤波误差较一般粒子滤波算法和智能粒子滤波分别降低了10.5%和8.5%,且具有更好的收敛性;在多维仿真实验中,改进的智能粒子滤波较智能粒子滤波在高度均方根误差和平均误差上分别降低了8.5%和7.5%,在速度均方根误差和平均误差上分别降低了11.5%和7.6%;在乘性噪声和非高斯随机噪声中,改进的智能粒子滤波依旧有10%以上的性能优势。