基于非线性滤波的组合导航方法研究
发布时间：2021-02-19 14:45
室内外环境日益复杂,人们对于导航的需求日益增加,尤其是商场、图书馆、地铁站等大型公共场所,常需要快速的获得用户所在的位置。WIFI、红外线、UWB等基于无线射频信号的室内定位方式无法在停电及其他一些情况下使用,室外定位主要采用成熟的GPS,但是GPS信号存在遮挡等问题。捷联惯性导航（SINS）只需要根据惯性测量单元（IMU）的测量数据就可实现独立自主导航,因此经常将GPS与SINS进行组合实现室内外的行人连续导航。实现高精度、实时性好GPS/SINS组合导航需要有良好的滤波算法,因此本文主要对非线性滤波方法展开研究。首先,对常用的导航坐标系及其变换、GPS导航原理、INS原理、GPS/INS组合导航模型进行分析;对贝叶斯非线性滤波框架下的EKF、UKF、PF进行原理分析与仿真对比。其次,针对IMU存在有色噪声影响而使得导航定位精度低,根据IMU噪声特点进行建模并对扩展卡尔曼滤波模型进行改进,将改进的算法在组合导航中进行验证。最后,对箱粒子滤波（BPF）进行原理分析,PF与BPF进行对比仿真分析,发现BPF 比 PF精度和实时性都要好,特别是实时性;建立GPS/INS松组合模型,将箱粒子...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题背景与意义
1.2 组合导航的研究现状
1.3 论文的主要内容与结构编排
第2章 组合导航的基本原理
2.1 常用坐标系及其变换
2.1.1 常用导航坐标系
2.1.2 坐标系的变换
2.2 GPS导航原理
2.2.1 GPS导航定位的原理
2.2.2 GPS导航的主要误差来源
2.3 捷联惯性导航
2.3.1 捷联惯性导航的原理
2.3.2 捷联惯导的误差分析
2.3.3 捷联惯导的初始对准
2.4 GPS/INS组合导航系统
2.5 本章小结
第3章 非线性滤波方法研究
3.1 贝叶斯滤波
3.2 扩展卡尔曼滤波
3.2.1 算法原理
3.2.2 算法流程
3.3 无迹卡尔曼滤波
3.3.1 算法原理
3.3.2 算法流程
3.4 粒子滤波
3.4.1 蒙特卡罗采样
3.4.2 序贯重要性采样重要性
3.4.3 重采样
3.4.4 粒子滤波算法通用流程
3.5 各滤波算法的仿真对比
3.6 本章小结
第4章 改进扩展卡尔曼滤波的组合导航算法
4.1 有色噪声扩展卡尔曼滤波模型
4.1.1 有色噪声及其模型的建立
4.1.2 有色噪声扩展卡尔曼滤波算法
4.2 组合导航系统的设计
4.2.1 系统框架
4.2.2 步态检测
4.2.3 组合导航算法
4.2.4 有色噪声扩展卡尔曼滤波的应用
4.3 实验验证
4.4 本章小结
第5章 箱粒子滤波在组合导航中的应用
5.1 箱粒子滤波
5.1.1 区间分析
5.1.2 箱粒子滤波算法
5.1.3 箱粒子与粒子的仿真对比
5.2 箱粒子滤波下的GPS/INS模型的建立
5.2.1 GPS/INS松组合模型的建立
5.2.2 伯努利箱粒子滤波行人组合导航
5.2.3 箱粒子滤波参数的设计
5.2.4 计算步骤
5.3 实验验证
5.3.1 信息采集系统的设计
5.3.2 实验方案
5.3.3 实验结果及其分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 下一步研究方向
致谢
参考文献
【参考文献】：
期刊论文
[1]采用EKF与PF的室内融合定位技术[J]. 张雨婷,陈璟. 传感技术学报. 2020(02)
[2]基于机器学习与步态特征辅助的行人导航方法[J]. 钱伟行,周紫君,谢非,陈欣,王融,刘文慧. 中国惯性技术学报. 2019(04)
[3]有色噪声条件下扩展卡尔曼滤波算法研究[J]. 张奇正,黄雪梅,蔡述江. 计算机仿真. 2019(06)
[4]一步相关卡尔曼滤波估计[J]. 刘俊钊,林旭,刘奕凡. 测绘. 2018(05)
[5]多传感器行人航位推算方法和UKF融合算法[J]. 漆钰晖,郭杭,邓林坤. 测绘通报. 2018(03)
[6]基于有色噪声的改进卡尔曼滤波方法[J]. 熊雪,郭敏华,李伟杰,赵瑾,崔金华. 中国惯性技术学报. 2017(01)
[7]粒子滤波理论、方法及其在多目标跟踪中的应用[J]. 李天成,范红旗,孙树栋. 自动化学报. 2015(12)
[8]基于似然分布的样本数自适应UPF算法[J]. 高怡,高雅,高社生. 中国惯性技术学报. 2015(05)
[9]捷联姿态计算中方向余弦与四元数法分析比较[J]. 尹剑,陈红,杨萌,黄皓. 四川兵工学报. 2015(09)
[10]基于箱粒子的多扩展目标PHD滤波[J]. 宋骊平,严超,姬红兵,梁萌. 控制与决策. 2015(10)
博士论文
[1]惯性行人导航系统的算法研究[D]. 赵红宇.大连理工大学 2015
[2]运载器组合导航高性能滤波算法研究[D]. 高怡.西北工业大学 2014
[3]非线性非高斯条件下贝叶斯滤波若干问题研究[D]. 何可可.南京理工大学 2012
[4]非线性滤波方法及其在导航中的应用研究[D]. 向礼.哈尔滨工业大学 2009
硕士论文
[1]GNSS和IMU的室内外行人无缝导航方法研究[D]. 王凯龙.南昌大学 2018
[2]基于GPS/INS组合导航的轨迹补偿方法研究[D]. 谢永强.吉林大学 2018
[3]基于视觉导航的四旋翼无人机自主着降控制研究[D]. 单一.南京航空航天大学 2018
[4]具备完好性监测功能的卫星/惯性紧组合导航方法研究[D]. 李朝阳.国防科技大学 2017
[5]GPS/Visual/INS多传感器融合导航算法的研究[D]. 王加芳.浙江大学 2017
[6]基于SINS/GPS的组合导航系统与滤波算法研究[D]. 曹晟杰.华南理工大学 2016
[7]基于WiFi和惯性传感器的多信息融合室内定位系统的设计与实现[D]. 姚志锋.华南理工大学 2016
[8]SINS/GPS组合导航系统研究[D]. 王菲.北京理工大学 2015
[9]基于foot-mounted的IMU室内行人航迹推算研究[D]. 殷红.南昌大学 2013
[10]GPS/INS组合导航算法研究[D]. 邓利坚.电子科技大学 2013
本文编号：3041266
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题背景与意义
1.2 组合导航的研究现状
1.3 论文的主要内容与结构编排
第2章 组合导航的基本原理
2.1 常用坐标系及其变换
2.1.1 常用导航坐标系
2.1.2 坐标系的变换
2.2 GPS导航原理
2.2.1 GPS导航定位的原理
2.2.2 GPS导航的主要误差来源
2.3 捷联惯性导航
2.3.1 捷联惯性导航的原理
2.3.2 捷联惯导的误差分析
2.3.3 捷联惯导的初始对准
2.4 GPS/INS组合导航系统
2.5 本章小结
第3章 非线性滤波方法研究
3.1 贝叶斯滤波
3.2 扩展卡尔曼滤波
3.2.1 算法原理
3.2.2 算法流程
3.3 无迹卡尔曼滤波
3.3.1 算法原理
3.3.2 算法流程
3.4 粒子滤波
3.4.1 蒙特卡罗采样
3.4.2 序贯重要性采样重要性
3.4.3 重采样
3.4.4 粒子滤波算法通用流程
3.5 各滤波算法的仿真对比
3.6 本章小结
第4章 改进扩展卡尔曼滤波的组合导航算法
4.1 有色噪声扩展卡尔曼滤波模型
4.1.1 有色噪声及其模型的建立
4.1.2 有色噪声扩展卡尔曼滤波算法
4.2 组合导航系统的设计
4.2.1 系统框架
4.2.2 步态检测
4.2.3 组合导航算法
4.2.4 有色噪声扩展卡尔曼滤波的应用
4.3 实验验证
4.4 本章小结
第5章 箱粒子滤波在组合导航中的应用
5.1 箱粒子滤波
5.1.1 区间分析
5.1.2 箱粒子滤波算法
5.1.3 箱粒子与粒子的仿真对比
5.2 箱粒子滤波下的GPS/INS模型的建立
5.2.1 GPS/INS松组合模型的建立
5.2.2 伯努利箱粒子滤波行人组合导航
5.2.3 箱粒子滤波参数的设计
5.2.4 计算步骤
5.3 实验验证
5.3.1 信息采集系统的设计
5.3.2 实验方案
5.3.3 实验结果及其分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 下一步研究方向
致谢
参考文献
【参考文献】：
期刊论文
[1]采用EKF与PF的室内融合定位技术[J]. 张雨婷,陈璟. 传感技术学报. 2020(02)
[2]基于机器学习与步态特征辅助的行人导航方法[J]. 钱伟行,周紫君,谢非,陈欣,王融,刘文慧. 中国惯性技术学报. 2019(04)
[3]有色噪声条件下扩展卡尔曼滤波算法研究[J]. 张奇正,黄雪梅,蔡述江. 计算机仿真. 2019(06)
[4]一步相关卡尔曼滤波估计[J]. 刘俊钊,林旭,刘奕凡. 测绘. 2018(05)
[5]多传感器行人航位推算方法和UKF融合算法[J]. 漆钰晖,郭杭,邓林坤. 测绘通报. 2018(03)
[6]基于有色噪声的改进卡尔曼滤波方法[J]. 熊雪,郭敏华,李伟杰,赵瑾,崔金华. 中国惯性技术学报. 2017(01)
[7]粒子滤波理论、方法及其在多目标跟踪中的应用[J]. 李天成,范红旗,孙树栋. 自动化学报. 2015(12)
[8]基于似然分布的样本数自适应UPF算法[J]. 高怡,高雅,高社生. 中国惯性技术学报. 2015(05)
[9]捷联姿态计算中方向余弦与四元数法分析比较[J]. 尹剑,陈红,杨萌,黄皓. 四川兵工学报. 2015(09)
[10]基于箱粒子的多扩展目标PHD滤波[J]. 宋骊平,严超,姬红兵,梁萌. 控制与决策. 2015(10)
博士论文
[1]惯性行人导航系统的算法研究[D]. 赵红宇.大连理工大学 2015
[2]运载器组合导航高性能滤波算法研究[D]. 高怡.西北工业大学 2014
[3]非线性非高斯条件下贝叶斯滤波若干问题研究[D]. 何可可.南京理工大学 2012
[4]非线性滤波方法及其在导航中的应用研究[D]. 向礼.哈尔滨工业大学 2009
硕士论文
[1]GNSS和IMU的室内外行人无缝导航方法研究[D]. 王凯龙.南昌大学 2018
[2]基于GPS/INS组合导航的轨迹补偿方法研究[D]. 谢永强.吉林大学 2018
[3]基于视觉导航的四旋翼无人机自主着降控制研究[D]. 单一.南京航空航天大学 2018
[4]具备完好性监测功能的卫星/惯性紧组合导航方法研究[D]. 李朝阳.国防科技大学 2017
[5]GPS/Visual/INS多传感器融合导航算法的研究[D]. 王加芳.浙江大学 2017
[6]基于SINS/GPS的组合导航系统与滤波算法研究[D]. 曹晟杰.华南理工大学 2016
[7]基于WiFi和惯性传感器的多信息融合室内定位系统的设计与实现[D]. 姚志锋.华南理工大学 2016
[8]SINS/GPS组合导航系统研究[D]. 王菲.北京理工大学 2015
[9]基于foot-mounted的IMU室内行人航迹推算研究[D]. 殷红.南昌大学 2013
[10]GPS/INS组合导航算法研究[D]. 邓利坚.电子科技大学 2013
本文编号：3041266
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3041266.html
