近年来,车辆在人们生活中的地位不断提高,随着电子技术、计算机技术和通信技术的飞速发展,车辆导航定位系统也随之发展起来。既然任何导航系统在实现动态定位中都会产生误差,通常有两种方法减小误差:一是差分GPS技术,二是通过卡尔曼滤波。由于卡尔曼滤波不需要建立GPS基准站及数据通信装置,不受信号作用的范围限制,因此通常采用卡尔曼滤波来减小动态定位的误差。卡尔曼滤波是一种高效率的递归滤波器,采用最优化估计方法,能够从一系列的不完全包含噪声的测量中,实时估计出动态系统的状态。对于定位误差问题的解决,卡尔曼滤波是最优的,效率也是最高的。因此研究车辆动态导航定位中的卡尔曼滤波器具有重大的意义。本文针对车辆GPS/DR组合导航中的卡尔曼滤波器进行了深入的研究,取得了以下成果:第一,设计了适合车辆GPS/DR组合导航系统的卡尔曼滤波器。首先分析了卡尔曼滤波器的具体设计方案。然后将扩展卡尔曼滤波算法用于车辆GPS/DR组合导航定位,建立了车辆组合导航定位的系统模型、系统状态方程、系统观测方程和系统滤波方程,完成卡尔曼滤波器的设计。在建立系统滤波方程时,采用了加速度均值自适应算法的优化算法,减小了模型产生的误差,提高了滤波估计的精度。最后利用Matlab软件对设计好的卡尔曼滤波器进行仿真实验,并分析了仿真的结果。仿真结果表明,本文设计的卡尔曼滤波器抑制了滤波的发散,定位精度高、估计误差小。第二,采用FPGA实现设计好的卡尔曼滤波器。首先在Matlab仿真结果的基础上,对卡尔曼滤波器的硬件实现进行了系统设计。然后将卡尔曼滤波器分为一个顶层模块mykalman和五个底层模块muladd、multi2、div、ramy1、ramy2进行设计。利用Altera的Megafunction/LPM资源,采用适合FPGA的优化算法,例化了五个底层模块,再根据五个底层模块来综合实现顶层模块。最后利用QuartusⅡ软件对卡尔曼滤波器的各个模块进行了仿真验证,并分析了仿真结果。仿真结果表明,本文设计的卡尔曼滤波器在FPGA上的实现是切实可行的。相比较传统的DSP实现方法而言,采用FPGA实现的卡尔曼滤波器具有更好的实时性、并行性、可扩展性,并且具有较低的功耗、较高的精度和计算速度。