论文部分内容阅读
汽车保有量的不断增加给交通、能源、环境带来诸多问题。车载导航系统能够在一定程度上解决这些问题,GPS和航位推算是最常用的两种定位方法,且互补性很强,如果将这两种定位方法有机的结合,便能够得到更加精确的定位结果。卡尔曼滤波是最成功的信息融合处理方法,而对于非线性的GPS与航位推算的组合导航系统,扩展卡尔曼滤波和无迹卡尔曼滤波则是最佳选择。本文首先分析了扩展卡尔曼滤波与无迹卡尔曼滤波在处理非线性问题的不同：扩展卡尔曼滤波通过对非线性系统线性化,对得到的近似的线性模型进行卡尔曼滤波,在线性化的过程中需要求解雅可比矩阵。无迹卡尔曼滤波以Unscented变换为基础,通过对采样点加权求和得到变换后的数值统计,然后进行卡尔曼滤波。在滤波过程中不需要线性化,从而避免了求解雅可比矩阵,得到的精度比扩展卡尔曼滤波要高,而计算量与扩展卡尔曼滤波相近。其次,针对GPS/DR组合导航系统数学模型的特点,采用联合卡尔曼滤波,分别设计了扩展卡尔曼滤波和无迹卡尔曼滤波方案。在GPS/DR组合导航系统中,GPS数学模型为线性,而DR系统的数学模型为非线性,在GPS子滤波器中使用传统线性卡尔曼滤波,在DR子系统中采用非线性滤波,这样既减少了计算量又提高了滤波精度。再次,针对无迹卡尔曼滤波算法灵活的特点,本文引入五种采样策略：最小偏度简化采样,超球体简化采样,对称采样,扩展对称采样和四阶矩采样策略。从估计精度和计算复杂度两个角度研究这五种采样策略在GPS/DR组合导航系统应用中的不同。最后,应用matlab仿真平台对扩展卡尔曼滤波及基于五种采样策略的无迹卡尔曼滤波方法对GPS/DR组合导航系统进行仿真。从东向位置和东向速度两个状态的估计值,观测值以及真实值对六种滤波结果进行比较。