基于多传感器信息融合的GPS/DR车载组合导航系统的研究
发布时间：2021-05-26 18:55
多传感器信息融合（MSIF）是组合导航系统中信息处理的基本理论。通过完善车载组合导航系统的信息融合结构和处理算法是取得高精度的组合导航性能的有效解决途径。根据车载导航系统精度和连续性的需要，以及体积、功耗和成本的制约因素，GPS/DR车载组合导航系统成为现今车辆导航的研究热点。卡尔曼滤波是处理导航估计中最常用的方法。其中，扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）解决了非线性系统的滤波问题。但二者在复杂的滤波环境中的自适应能力较弱。本文通过对算法的自适应改进解决这一问题，主要做了以下工作：首先阐述了多传感器数据融合理论，GPS和DR系统的定位原理以及组合导航系统的误差分析。研究了基本卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和递推最小二乘（RLS）自适应算法的结构和流程。其次分析了当由环境噪声的大小变化所引起的EKF和UKF算法容易出现定位失去可靠性，甚至是滤波发散的原因。为了解决这一问题，对EKF和UKF算法进行了改进，得到了具有自适应性质的AEKF和AUKF。再次根据GPS/DR组合导航系统的紧组合方式，以车辆的动力学特性和加速度“当前”统计模型...
【文章来源】：燕山大学河北省
【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 课题研究的背景及意义
1.2 多传感器信息融合技术及算法的国内外发展和现状
1.3 组合导航技术及国内外发展和现状
1.3.1 卫星导航系统的国内外发展和现状
1.3.2 DR 系统传感器的国内外发展及现状
1.4 论文的主要内容及工作
第2章 多传感器信息融合理论和定位原理
2.1 引言
2.2 多传感器信息融合理论
2.2.1 多传感器信息融合层次
2.2.2 多传感器信息融合结构
2.3 GPS/DR 组合导航系统的定位原理
2.3.1 GPS 系统定位原理
2.3.2 陀螺仪原理
2.3.3 里程仪原理
2.3.4 DR 定位原理
2.4 GPS/DR 组合导航系统的定位误差分析
2.4.1 GPS 定位误差分析
2.4.2 DR 系统定位误差分析
2.5 本章小结
第3章 滤波算法的改进
3.1 引言
3.2 Kalman 滤波算法
3.2.1 基本 Kalman 滤波方程
3.2.2 扩展 Kalman 滤波算法
3.3 无迹 Kalman 滤波算法
3.3.1 UT 变换
3.3.2 Sigma 取点
3.3.3 UKF 算法的实现
3.4 自适应滤波算法
3.4.1 自适应系统
3.4.2 自适应滤波算法 RLS
3.5 滤波算法的自适应改进
3.6 本章小结
第4章 GPS/DR 组合导航系统的模型构建
4.1 引言
4.2 构建方案
4.2.1 GPS/DR 组合导航系统的组合方式
4.2.2 GPS/DR 组合导航系统方程的离散化
4.3 模型构建
4.3.1 CV 和 CA 模型
4.3.2 加速度“当前”统计模型
4.4 本章小结
第5章 实验仿真
5.1 引言
5.2 实验设计
5.2.1 实验设计方法
5.2.2 实验数据分析
5.3 仿真实验
5.3.1 基于时间的比较
5.3.2 基于误差的比较
5.4 本章小结
结论
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于GPS/SINS/里程计的车载组合导航研究[J]. 李兵,战兴群,湛雷. 测控技术. 2012(11)
[2]信息融合理论的基本方法与进展（Ⅱ）[J]. 潘泉,王增福,梁彦,杨峰,刘准钆. 控制理论与应用. 2012(10)
[3]多传感器信息融合在智能车中的应用研究[J]. 宋晓虹,陈白帆. 计算机仿真. 2012(06)
[4]基于当前统计模型的机动目标自适应强跟踪算法[J]. 刘望生,李亚安,崔琳. 系统工程与电子技术. 2011(09)
[5]迭代无味卡尔曼滤波的目标跟踪算法[J]. 常国宾,许江宁,李安,常路宾. 西安交通大学学报. 2011(12)
[6]基于UKF的窗口自适应Mean-Shift算法[J]. 杨帆,郑春红,杨刚. 计算机工程. 2011(14)
[7]组合导航自适应卡尔曼滤波改进算法研究[J]. 李旦,秦永元,梅春波. 测控技术. 2011(03)
[8]SINS/GPS组合导航系统Kalman滤波仿真研究[J]. 员丽琼,景占荣. 自动化仪表. 2011(01)
[9]基于渐消记忆自适应Kalman滤波的GPS/DR数据融合[J]. 游胜玉,姜林,李祥. 计算机工程与设计. 2010(21)
[10]我国未来卫星导航与卫星移动通信结合发展与应用构想[J]. 陈向东. 卫星与网络. 2010(10)
硕士论文
[1]GPS/DR车辆组合导航定位系统关键理论问题的研究[D]. 严镭.兰州理工大学 2011
[2]多传感器最优估计与融合算法[D]. 肖雷.西安电子科技大学 2009
[3]组合导航系统及其滤波算法研究[D]. 姚文国.西安电子科技大学 2007
[4]多传感器信息融合在车辆定位与导航中的应用[D]. 黄静.兰州理工大学 2005
[5]自适应滤波及滤波算法研究[D]. 李毅.西北工业大学 2003
本文编号：3206889
【文章来源】：燕山大学河北省
【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 课题研究的背景及意义
1.2 多传感器信息融合技术及算法的国内外发展和现状
1.3 组合导航技术及国内外发展和现状
1.3.1 卫星导航系统的国内外发展和现状
1.3.2 DR 系统传感器的国内外发展及现状
1.4 论文的主要内容及工作
第2章 多传感器信息融合理论和定位原理
2.1 引言
2.2 多传感器信息融合理论
2.2.1 多传感器信息融合层次
2.2.2 多传感器信息融合结构
2.3 GPS/DR 组合导航系统的定位原理
2.3.1 GPS 系统定位原理
2.3.2 陀螺仪原理
2.3.3 里程仪原理
2.3.4 DR 定位原理
2.4 GPS/DR 组合导航系统的定位误差分析
2.4.1 GPS 定位误差分析
2.4.2 DR 系统定位误差分析
2.5 本章小结
第3章 滤波算法的改进
3.1 引言
3.2 Kalman 滤波算法
3.2.1 基本 Kalman 滤波方程
3.2.2 扩展 Kalman 滤波算法
3.3 无迹 Kalman 滤波算法
3.3.1 UT 变换
3.3.2 Sigma 取点
3.3.3 UKF 算法的实现
3.4 自适应滤波算法
3.4.1 自适应系统
3.4.2 自适应滤波算法 RLS
3.5 滤波算法的自适应改进
3.6 本章小结
第4章 GPS/DR 组合导航系统的模型构建
4.1 引言
4.2 构建方案
4.2.1 GPS/DR 组合导航系统的组合方式
4.2.2 GPS/DR 组合导航系统方程的离散化
4.3 模型构建
4.3.1 CV 和 CA 模型
4.3.2 加速度“当前”统计模型
4.4 本章小结
第5章 实验仿真
5.1 引言
5.2 实验设计
5.2.1 实验设计方法
5.2.2 实验数据分析
5.3 仿真实验
5.3.1 基于时间的比较
5.3.2 基于误差的比较
5.4 本章小结
结论
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]基于GPS/SINS/里程计的车载组合导航研究[J]. 李兵,战兴群,湛雷. 测控技术. 2012(11)
[2]信息融合理论的基本方法与进展（Ⅱ）[J]. 潘泉,王增福,梁彦,杨峰,刘准钆. 控制理论与应用. 2012(10)
[3]多传感器信息融合在智能车中的应用研究[J]. 宋晓虹,陈白帆. 计算机仿真. 2012(06)
[4]基于当前统计模型的机动目标自适应强跟踪算法[J]. 刘望生,李亚安,崔琳. 系统工程与电子技术. 2011(09)
[5]迭代无味卡尔曼滤波的目标跟踪算法[J]. 常国宾,许江宁,李安,常路宾. 西安交通大学学报. 2011(12)
[6]基于UKF的窗口自适应Mean-Shift算法[J]. 杨帆,郑春红,杨刚. 计算机工程. 2011(14)
[7]组合导航自适应卡尔曼滤波改进算法研究[J]. 李旦,秦永元,梅春波. 测控技术. 2011(03)
[8]SINS/GPS组合导航系统Kalman滤波仿真研究[J]. 员丽琼,景占荣. 自动化仪表. 2011(01)
[9]基于渐消记忆自适应Kalman滤波的GPS/DR数据融合[J]. 游胜玉,姜林,李祥. 计算机工程与设计. 2010(21)
[10]我国未来卫星导航与卫星移动通信结合发展与应用构想[J]. 陈向东. 卫星与网络. 2010(10)
硕士论文
[1]GPS/DR车辆组合导航定位系统关键理论问题的研究[D]. 严镭.兰州理工大学 2011
[2]多传感器最优估计与融合算法[D]. 肖雷.西安电子科技大学 2009
[3]组合导航系统及其滤波算法研究[D]. 姚文国.西安电子科技大学 2007
[4]多传感器信息融合在车辆定位与导航中的应用[D]. 黄静.兰州理工大学 2005
[5]自适应滤波及滤波算法研究[D]. 李毅.西北工业大学 2003
本文编号：3206889
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3206889.html
