车辆定位导航中的卡尔曼滤波算法研究

摘要

随着经济的发展和技术的进步，电子技术、通信技术、计算机技术和人工智能的发展在解决交通问题中扮演着越来越重要的角色。采用现代信息技术来对道路网络和城市交通进行更有效的控制和管理，以提高交通的机动性、安全性，最大限度地发挥现有道路系统的交通效率是摆在人们面前的需要迫切解决的一个课题。 而作为智能交通系统核心组成部分的车辆定位导航系统被认为是缓解这一问题的极具潜力的方法。但是目前车辆定位导航系统依然存在很多问题，其中车辆定位结果的精度及可靠性问题和车辆目标跟踪滤波的快速性、准确性问题尤为突出。本文对车辆定位导航中的卡尔曼滤波算法进行了一些探讨和研究，其主要内容如下。 (1)首先概括介绍了智能交通系统的内容、车辆定位导航系统的发展过程及实现方案，并通过研究车辆定位导航系统的组成和原理，进一步对车辆定位导航系统进行了细致的分析。 (2)在基本卡尔曼滤波算法推导的基础上，对联合卡尔曼滤波算法作了详细介绍，并进行了最优性分析。给出了联合卡尔曼滤波算法模型，并将该法应用于车辆定位导航，建立了GPS/DR组合导航模型，并进行仿真分析。仿真表明，该方法可有效提高车辆定位导航的精度。 (3)对车辆定位导航中的卡尔曼滤波跟踪算法进行研究。建立了两种不同情况下的车辆目标模型和跟踪滤波器，给出了变维卡尔曼滤波跟踪算法和交互多模卡尔曼滤波跟踪算法，对车辆分别进行滤波跟踪仿真试验。上述两种方法的采用，能够有效地提高滤波跟踪的精度和可靠性，进而提高了车辆组合导航系统的容错性能和精确度。

目录

文摘

英文文摘

1 绪论

1.1车辆定位导航系统概述

1.1.1智能交通系统

1.1.2车辆定位导航系统

1.2课题研究的背景和意义

1.3论文的主要内容

2车辆定位导航系统

2.1车辆定位导航系统的组成和原理

2.2车辆定位导航的系统分析

2.3小结

3车辆定位导航中的联合卡尔曼滤波算法

3.1基本卡尔曼滤波算法

3.2联合卡尔曼滤波算法

3.2.1联合卡尔曼滤波算法的结构和原理

3.2.2联合卡尔曼滤波算法

3.2.3联合卡尔曼滤波算法的最优性分析

3.3基于联合卡尔曼滤波的车辆定位导航算法

3.3.1车辆定位导航的联合卡尔曼滤波结构

3.3.2 GPS/DR组合导航系统模型

3.3.3 GPS/DR联合卡尔曼滤波算法

3.3.4仿真分析

3.4小结

4车辆定位导航中的滤波跟踪算法

4.1车辆目标模型

4.1.1恒速(CV)模型(非机动模型)

4.1.2恒加速(CA)模型(机动模型)

4.2跟踪滤波器

4.3变维卡尔曼滤波跟踪算法

4.3.1变维卡尔曼滤波跟踪算法

4.3.2仿真分析

4.4交互多模卡尔曼滤波跟踪算法

4.4.1交互多模卡尔曼滤波跟踪算法

4.4.2仿真分析

4.5小结

5总结与展望

5.1总结

5.2展望

致谢

参考文献

附录 攻读硕士学位期间发表的学术论文