基于联邦卡尔曼滤波的车载组合导航算法研究
发布时间：2023-01-12 15:01
车载导航系统（VNS）可以提供用于汽车行驶的多种导航参数,目前被广泛运用于无人驾驶、车载导航仪、机器人导航等民用以及军用领域中,由于互联网与物联网的快速发展,汽车导航系统将在未来会发挥越来越重要的作用。目前,精度和可靠性为车载组合导航系统重要的性能指标,而在车载导航系统中,捷联惯性导航系统、全球定位系统与里程计是常用的导航传感器,如何将它们进行有效的多传感器组合并改善传统的滤波算法以提高系统的抗干扰能力和高精度导航参数输出能力是本文重点研究的内容。本文围绕传感器的原理与误差分析、多传感器滤波结构的选取、信息分配系数的设计以及级联自适应鲁棒联邦滤波算法的构造等展开研究分析,研究内容为以下几点:首先,介绍了捷联惯性导航系统、全球导航定位系统与车载里程计的工作过程,对它们的误差进行数学建模,同时对比了这三种传感器在实际应用中的优点和缺点,从理论层面上阐述三种传感器单独使用的弊端以及进行组合的必要性。其次,介绍了标准卡尔曼滤波的应用背景、数学公式以及算法流程;当多个传感器组合使用时,介绍了集中式滤波和联邦式滤波两种滤波方式,比较了二者的优势与弊端;对基于联邦滤波结构的车载导航系统进行建模,从提...
【文章页数】：106 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究和发展现状
1.2.1 车载导航系统的发展和研究现状
1.2.2 卡尔曼滤波及自适应滤波的发展与研究现状
1.3 论文的研究内容及章节安排
第2章 惯性/全球定位/里程计传感器分析
2.1 捷联惯性导航系统(SINS)
2.1.1 常用坐标系及其转换关系
2.1.2 捷联惯导系统的工作原理
2.1.3 捷联惯导系统的误差模型
2.2 全球定位系统(GPS)
2.2.1 全球定位系统概述
2.2.2 全球定位系统原理
2.2.3 全球定位系统的误差分析
2.3 里程计(Odometer)
2.3.1 船位推算算法
2.3.2 船位推算的误差分析
2.4 本章小结
第3章 惯性/全球定位/里程计组合导航方案研究
3.1 卡尔曼滤波(KF)
3.2 集中式卡尔曼滤波(CKF)
3.2.1 集中式卡尔曼滤波的模型
3.2.2 集中式卡尔曼滤波的优劣分析
3.3 联邦卡尔曼滤波(FKF)
3.3.1 联邦卡尔曼滤波的原理及特点
3.3.2 联邦滤波器的结构对比与性能分析
3.3.3 集中式与联邦式滤波的仿真对比
3.4 惯性/全球定位/里程计的数学模型建立
3.4.1 SINS/GPS子系统的数学建模
3.4.2 SINS/OD子系统的数学建模
3.5 车载联邦滤波系统的信息分配
3.5.1 联邦滤波信息分配系数
3.5.2 优化的信息分配方案设计
3.5.3 仿真与分析
3.6 本章小结
第4章 级联自适应鲁棒的车载导航算法研究
4.1 车载导航系统的异常类型及分析
4.1.1 常见的车载导航传感器异常类型
4.1.2 异常信息对卡尔曼滤波的影响
4.2 级联自适应鲁棒的车载联邦滤波算法
4.2.1 基于状态噪声不确定的Sage-Husa自适应滤波
4.2.2 基于观测异常的自适应新息匹配滤波
4.2.3 级联自适应鲁棒的车载联邦滤波算法设计
4.3 载体运动轨迹发生器的设计
4.3.1 载体典型运动方式的数学模型
4.3.2 载体运动轨迹生成算法
4.3.3 惯性器件数据生成算法
4.4 算法仿真验证
4.4.1 仿真条件的设置
4.4.2 仿真结果及分析
4.5 车载实验验证
4.5.1 搭建车载实验平台
4.5.2 车载实验的结果与分析
4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]抗野值自适应卫星/微惯性组合导航方法[J]. 王鼎杰,孟德利,李朝阳,董毅,吴杰. 仪器仪表学报. 2017(12)
[2]一种在线调节的联邦卡尔曼组合导航方法[J]. 高沛林. 水下无人系统学报. 2017(03)
[3]自适应联邦滤波器在GPS-INS-Odometer组合导航的应用[J]. 李增科,王坚,高井祥,姚一飞. 测绘学报. 2016(02)
[4]高斯粒子滤波的惯性/GPS紧组合算法[J]. 于永军,徐锦法,熊智,张梁. 哈尔滨工业大学学报. 2015(05)
[5]用于组合测姿的Kalman渐消因子自适应估计算法[J]. 苏鑫,万彦辉,谢波. 系统仿真学报. 2012(08)
[6]基于时间序列分析的自适应联邦滤波算法[J]. 袁赣南,袁克非,张红伟,李宁. 中国惯性技术学报. 2011(06)
[7]平方根容积卡尔曼滤波器[J]. 郝燕玲,杨峻巍,陈亮,郝金会. 弹箭与制导学报. 2012(02)
[8]Intelligent fault-tolerant algorithm with two-stage and feedback for integrated navigation federated filtering[J]. Li Cong, Honglei Qin, and Zhanzhong Tan School of Electronic and Information Engineering, Beihang University, Beijing 100191, P. R. China. Journal of Systems Engineering and Electronics. 2011(02)
[9]MSINS/GPS全组合系统可观测性分析（英文）[J]. 胡小毛,刘飞,翁海娜. 中国惯性技术学报. 2011(01)
[10]基于可观测性分析的光纤陀螺SINS/测速仪组合系统技术[J]. 朱兰伟,张燕,蔡春龙. 中国惯性技术学报. 2011(01)
博士论文
[1]组合导航UKF算法与数据融合技术拓展研究[D]. 胡高歌.西北工业大学 2016
[2]制导弹箭弹道测量及弹道重构技术研究[D]. 丁传炳.南京理工大学 2011
[3]车载组合导航系统关键技术研究[D]. 夏全喜.哈尔滨工程大学 2010
硕士论文
[1]基于MEMS IMU的车载组合导航技术研究[D]. 徐正鹏.武汉大学 2017
[2]INS/GPS组合导航数据事后处理技术的研究[D]. 蒋鑫.南京航空航天大学 2017
[3]光纤陀螺捷联惯导系统的算法研究及DSP实现[D]. 张强.哈尔滨工程大学 2017
[4]基于非线性滤波的SINS/GPS紧组合导航方法研究[D]. 王刚.哈尔滨工程大学 2016
[5]车载惯性导航系统行进间对准算法研究及仿真[D]. 李志刚.哈尔滨工业大学 2015
[6]无人机高精度目标定位技术研究[D]. 邵慧.南京航空航天大学 2014
[7]基于MEMS的人体运动跟踪算法研究[D]. 崔少新.哈尔滨工程大学 2014
[8]基于MEMS-IMU的航姿测量系统技术研究[D]. 刘坤.哈尔滨工程大学 2014
[9]MSINS/GPS/汽车传感器组合导航系统研究[D]. 郭美玲.哈尔滨工程大学 2013
[10]基于Kalman滤波的测深系统研究[D]. 徐冉.哈尔滨工程大学 2011
本文编号：3730049
【文章页数】：106 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究和发展现状
1.2.1 车载导航系统的发展和研究现状
1.2.2 卡尔曼滤波及自适应滤波的发展与研究现状
1.3 论文的研究内容及章节安排
第2章 惯性/全球定位/里程计传感器分析
2.1 捷联惯性导航系统(SINS)
2.1.1 常用坐标系及其转换关系
2.1.2 捷联惯导系统的工作原理
2.1.3 捷联惯导系统的误差模型
2.2 全球定位系统(GPS)
2.2.1 全球定位系统概述
2.2.2 全球定位系统原理
2.2.3 全球定位系统的误差分析
2.3 里程计(Odometer)
2.3.1 船位推算算法
2.3.2 船位推算的误差分析
2.4 本章小结
第3章 惯性/全球定位/里程计组合导航方案研究
3.1 卡尔曼滤波(KF)
3.2 集中式卡尔曼滤波(CKF)
3.2.1 集中式卡尔曼滤波的模型
3.2.2 集中式卡尔曼滤波的优劣分析
3.3 联邦卡尔曼滤波(FKF)
3.3.1 联邦卡尔曼滤波的原理及特点
3.3.2 联邦滤波器的结构对比与性能分析
3.3.3 集中式与联邦式滤波的仿真对比
3.4 惯性/全球定位/里程计的数学模型建立
3.4.1 SINS/GPS子系统的数学建模
3.4.2 SINS/OD子系统的数学建模
3.5 车载联邦滤波系统的信息分配
3.5.1 联邦滤波信息分配系数
3.5.2 优化的信息分配方案设计
3.5.3 仿真与分析
3.6 本章小结
第4章 级联自适应鲁棒的车载导航算法研究
4.1 车载导航系统的异常类型及分析
4.1.1 常见的车载导航传感器异常类型
4.1.2 异常信息对卡尔曼滤波的影响
4.2 级联自适应鲁棒的车载联邦滤波算法
4.2.1 基于状态噪声不确定的Sage-Husa自适应滤波
4.2.2 基于观测异常的自适应新息匹配滤波
4.2.3 级联自适应鲁棒的车载联邦滤波算法设计
4.3 载体运动轨迹发生器的设计
4.3.1 载体典型运动方式的数学模型
4.3.2 载体运动轨迹生成算法
4.3.3 惯性器件数据生成算法
4.4 算法仿真验证
4.4.1 仿真条件的设置
4.4.2 仿真结果及分析
4.5 车载实验验证
4.5.1 搭建车载实验平台
4.5.2 车载实验的结果与分析
4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]抗野值自适应卫星/微惯性组合导航方法[J]. 王鼎杰,孟德利,李朝阳,董毅,吴杰. 仪器仪表学报. 2017(12)
[2]一种在线调节的联邦卡尔曼组合导航方法[J]. 高沛林. 水下无人系统学报. 2017(03)
[3]自适应联邦滤波器在GPS-INS-Odometer组合导航的应用[J]. 李增科,王坚,高井祥,姚一飞. 测绘学报. 2016(02)
[4]高斯粒子滤波的惯性/GPS紧组合算法[J]. 于永军,徐锦法,熊智,张梁. 哈尔滨工业大学学报. 2015(05)
[5]用于组合测姿的Kalman渐消因子自适应估计算法[J]. 苏鑫,万彦辉,谢波. 系统仿真学报. 2012(08)
[6]基于时间序列分析的自适应联邦滤波算法[J]. 袁赣南,袁克非,张红伟,李宁. 中国惯性技术学报. 2011(06)
[7]平方根容积卡尔曼滤波器[J]. 郝燕玲,杨峻巍,陈亮,郝金会. 弹箭与制导学报. 2012(02)
[8]Intelligent fault-tolerant algorithm with two-stage and feedback for integrated navigation federated filtering[J]. Li Cong, Honglei Qin, and Zhanzhong Tan School of Electronic and Information Engineering, Beihang University, Beijing 100191, P. R. China. Journal of Systems Engineering and Electronics. 2011(02)
[9]MSINS/GPS全组合系统可观测性分析（英文）[J]. 胡小毛,刘飞,翁海娜. 中国惯性技术学报. 2011(01)
[10]基于可观测性分析的光纤陀螺SINS/测速仪组合系统技术[J]. 朱兰伟,张燕,蔡春龙. 中国惯性技术学报. 2011(01)
博士论文
[1]组合导航UKF算法与数据融合技术拓展研究[D]. 胡高歌.西北工业大学 2016
[2]制导弹箭弹道测量及弹道重构技术研究[D]. 丁传炳.南京理工大学 2011
[3]车载组合导航系统关键技术研究[D]. 夏全喜.哈尔滨工程大学 2010
硕士论文
[1]基于MEMS IMU的车载组合导航技术研究[D]. 徐正鹏.武汉大学 2017
[2]INS/GPS组合导航数据事后处理技术的研究[D]. 蒋鑫.南京航空航天大学 2017
[3]光纤陀螺捷联惯导系统的算法研究及DSP实现[D]. 张强.哈尔滨工程大学 2017
[4]基于非线性滤波的SINS/GPS紧组合导航方法研究[D]. 王刚.哈尔滨工程大学 2016
[5]车载惯性导航系统行进间对准算法研究及仿真[D]. 李志刚.哈尔滨工业大学 2015
[6]无人机高精度目标定位技术研究[D]. 邵慧.南京航空航天大学 2014
[7]基于MEMS的人体运动跟踪算法研究[D]. 崔少新.哈尔滨工程大学 2014
[8]基于MEMS-IMU的航姿测量系统技术研究[D]. 刘坤.哈尔滨工程大学 2014
[9]MSINS/GPS/汽车传感器组合导航系统研究[D]. 郭美玲.哈尔滨工程大学 2013
[10]基于Kalman滤波的测深系统研究[D]. 徐冉.哈尔滨工程大学 2011
本文编号：3730049
本文链接：https://www.wllwen.com/kejilunwen/qiche/3730049.html
