随着精准农业和智慧农业的建设与发展,现代科学技术支撑的智能农业装备成为农业生产中越来越重要的核心设备,在大幅度减轻农民劳动强度和安全伤害的同时,大大提高了工作效益和劳动生产率。然而,要实现智能农业装备的精准作业,主要依赖于其对农田位置能否精确感知。GPS (Global Positioning System)作为农田位置感知的首选方式,在现代农业装备中得到广泛应用,但其单机定位方式受到系统各误差源的影响,并不能满足农田位置高精度感知要求。目前常用的差分GPS技术、双星双频GPS接收机或与惯性导航设备的组合定位方式具有优良的高精度定位性能,但是因系统复杂、成本高昂等因素,限制了其在农业生产中的普及应用。因此,在不增加硬件成本的基础上提高GPS单机定位精度,对智能农业装备的田间作业精确定位,降低农作成本,提高生产效益,进而对智慧农业网络的普及与快速发展具有重要意义和实用价值。本文针对农业生产中低成本高精度定位的应用需求,基于普通GPS单机定位方式,根据农田垄线平行、垄间等距等地形特征,采用农田地头跨行转向模式,重点围绕农田车载运动模型的辨识、农田车载GPS工作中野值及机动的探测与处理、非线性滤波估计算法的引入和改进等方面对农田GPS定位中的误差和精度进行了分析,研究了适合农田地形特征的农机运动模型及高精度估计算法,以满足农田定位精度要求,提升智能农业装备的位置感知精度。本文的主要研究内容如下：(1)建立了基于GPS各误差源共同作用的总误差自回归(AutoRegressive, AR)模型,验证了GPS误差的一阶马尔可夫过程等效描述方法。综合GPS系统的各误差源的作用,将其共同作用结果等效为GPS接收机输出数据中的总误差。对该总作用误差进行AR建模分析,最终验证了将GPS数据中各误差源共同作用的慢变误差用一阶马尔可夫过程描述的合理性,为滤波估计提供了一个等效误差模型,将其扩充为状态向量,以利于提高GPS定位精度。(2)构建了一种基于卡尔曼滤波测算误差的农田车载交互多模型(Interacting Multiple Model, IMM)组合分析方法。该方法针对农田载体静态、直线运动、大角度转弯三种典型工作状态,基于卡尔曼滤波测算误差建立不同状态下合适的载体模型。基于多模型交互原理,利用最佳的马尔可夫状态转移概率矩阵,建立了适合农田车载工作特点的最佳交互组合,为滤波估计提供了适合的运动模型,有效地降低了农田车载GPS的定位误差。(3)研究了基于农田路径特征的最优转移概率获取方法,对农田运动交互多模型算法进行了重要的补充。该研究针对农田载体运动模型交互中经验知识缺乏,马尔可夫状态转移概率矩阵难以准确获得的问题,通过对各种交互模型组合进行转移概率扫描分析,得到误差随转移概率变化的一般规律,确定了各种交互组合最优转移概率的取值范围,有效提高了IMM算法对农田车辆运动路径的跟踪精度。(4)设计了一种新型双假设自适应卡尔曼滤波算法。该算法针对农田垄线不平坦导致车载GPS天线抖动而在农机作业过程中容易引入观测野值问题,以及野值与机动表现形式的相似问题,提出了进行双假设滤波。用活化函数控制传统卡尔曼滤波器的增益构造野值滤波器削弱其影响,引入自适应衰减因子建立快速机动反应滤波器及时跟踪作业中的机动变化,有效解决了系统中野值和机动因具有相似的表现形式而难以正确辨识问题,滤波的同时既能有效抗野值又具有优良的机动跟踪性能。(5)提出了一种基于农田垄线约束的增强型多模型交互粒子滤波算法。该算法针对农田定位中非高斯噪声难以用线性滤波算法滤除问题,基于粒子滤波理论对农田载体模型做最佳交互组合滤波,并创新性地将农田特征引入多模型交互粒子滤波过程,有效提高了农田GPS的定位精度和导航跟踪性能。在滤波算法分析基础上,基于FPGA (Field Programmable Gate Array)硬件平台进行了系统硬件仿真研究,为构建嵌入式农田导航定位系统提供了实时性实现方案。该方案采用模块化思想,基于硬件描述语言Verilog对滤波算法及整个系统做硬件描述,并通过综合仿真得到系统寄存器级实现。硬件仿真表明,该方案在保证滤波精度的同时能够满足实时性要求。