GPS/DR车辆组合导航定位系统关键理论问题的研究

摘要

根据适用于运动目标较为合理的“当前”统计模型，建立了GPS与DR系统的数学模型，用卡尔曼滤波方法对导航系统的信号进行了滤波分析计算。
　　 针对GPS导航系统设计了一种扩展强跟踪(E-SKF)卡尔曼滤波器。这种滤波器以一种收敛性判据来确定滤波计算的方法。当接收的信号正常时采用滤波精度高的扩展卡尔曼滤波器(EKF)计算，当接收的信号异常时采用跟踪能力强的强跟踪卡尔曼滤波器(SKF)计算。对所设计的滤波器按正常与信号丢失两种情况进行了仿真分析。仿真结果表明，这种滤波器具有较好的滤波性和稳定性。
　　 设计了一种基于UT变换的强跟踪卡尔曼滤波器(UT-SKF)并将其应用于DR导航子系统中。这种滤波器将强跟踪卡尔曼滤波器中的渐消因子λ的离散化表达形式以Unscented卡尔曼滤波中的协方差矩阵来表示，并将强跟踪系数的计算过程加入到Unscented卡尔曼滤波器的预测过程与估计过程之间，增强了滤波器的容错性和稳定性。GPS导航子系统按基础卡尔曼滤波计算。将这两个子系统相结合，设计了一种GPS/DR组合导航系统联邦卡尔曼滤波器。以UT-SKF构成的联邦卡尔曼滤波器不仅吸取了强跟踪卡尔曼滤波容错能力强的优点，还兼有能准确描述车辆运行系统运动状态的Unscented卡尔曼滤波的优点。仿真计算表明，它是一种具有高精度和高稳定性的车辆组合导航定位系统，具有一定的工程应用价值。

目录

文摘

英文文摘

第一章 绪论

1.1 课题研究背景及意义

1.2 组合导航定位系统研究现状

1.3 本文主要内容

第二章 GPS/DR组合导航定位理论基础

2.1 GPS系统

2.1.1 GPS系统构成

2.1.2 GPS系统原理

2.2 DR系统

2.2.1 DR系统构成

2.2.2 DR系统原理

2.3 卡尔曼滤波

2.3.1 卡尔曼滤波理论

2.3.2 卡尔曼滤波计算方程

2.3.3 卡尔曼滤波的发展

2.4 本章小结

第三章 GPS/DR系统运动模型及数学模型的建立

3.1 机动目标运动模型

3.2 “当前”统计模型

3.3 状态系统与量测系统

3.3.1 状态系统与量测系统的选取

3.3.2 列写系统方程和观测方程的原则

3.4 GPS/DR系统数学模型

3.4.1 GPS/DR组合系统的状态方程

3.4.2 GPS/DR组合系统的量测方程

3.5 本章小结

第四章 一种基于GPS导航的强跟踪卡尔曼滤波器(E-SKF)

4.1 GPS/DR组合导航系统方程离散化

4.1.1 GPS/DR组合导航系统状态方程离散化

4.1.2 GPS/DR组合导航系统量测方程离散化

4.2 强跟踪卡尔曼滤波

4.2.1 强跟踪卡尔曼滤波器

4.2.2 计算模型

4.3 一种基于GPS导航系统的(E-SKF)滤波器

4.4 仿真分析

4.4.1 GPS系统滤波器精度分析

4.4.2 信号丢失时滤波信号仿真分析

4.5 本章小结

第五章 一种GPS/DR组合导航系统的联邦卡尔曼滤波器

5.1 Unscented卡尔曼滤波(UKF)

5.1.1 Unscented变换(UT变换)

5.1.2 Unscented卡尔曼滤波

5.2 一种基于DR导航系统的(UT-SKF)滤波器

5.2.1 (UT-SKF)滤波器的实现

5.2.2 (UT-SKF)滤波器的计算流程设计

5.2.3 (UT-SKF)滤波器的计算模型

5.3 一种GPS/DR组合导航系统联邦卡尔曼滤波器

5.3.1 联邦卡尔曼滤波器

5.3.2 GPS子滤波器设计

5.3.3 DR子滤波器设计

5.4 仿真分析

5.4.1 DR导航系统仿真定位分析

5.4.2 联邦卡尔曼滤波精度分析

5.4.3 信号丢失时联邦卡尔曼滤波器信号仿真分析

5.5 本章小结

总结与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录