为了适应日益复杂的应用环境,人们要求车载导航系统和设备不仅能够实时、快速地提供具有高精度和高可靠性的定位信息,同时还应当具有自主性好、对环境变化的适应能力强、抗干扰性强以及小型化和高性能价格比等特点。 本文从车辆的工作环境和应用需要出发,对GPS/INS组合导航系统的几种卡尔曼滤波算法进行了分析和比较,进一步提出了模糊自适应卡尔曼滤波算法并完成了相关的仿真研究,表明了所提算法的有效性和实用性。本项目对促进车载导航设备的发展有着重要的理论和实际意义。 本文针对组合导航系统的各个传感器在实时数据采集时,由于各种不确定性因素的影响而可能出现野值,导致融合结果精度降低的问题,首先提出了一种基于模糊逻辑的数据有效性判别方法。这种方法利用可能性分布理论和变权分析法对系统中各传感器观测量是否为有效作出一个综合评价,然后根据判断结果采取不同的算法。这种方法充分利用了系统测量数据的冗余性和互补性,使判断结果更加准确可靠。接着建立了组合导航系统相应的数学模型,利用集中式卡尔曼滤波和分布式卡尔曼滤波方法对组合导航系统进行分析,并证明了两种滤波方法的等效性。然后针对传统卡尔曼滤波算法中,测量噪声方差阵R难求的问题同时也为增强系统的适应性,提出了模糊自适应性卡尔曼滤波算法。最后,在上述理论研究的基础上,进行了车载组合导航系统的实验研究,实验结果验证了本文所提算法的有效性。