多传感器信息融合在车辆定位与导航中的应用

摘要

智能交通系统要解决的最根本的问题就是道路的畅通.而车载导航系统作为切实可行的解决交通拥堵的方案之一,正日益受到社会的重视.但目前车载导航系统存在的四大问题,其中车辆定位结果的精度及可靠性问题和信息通信的快速性、准确性及可靠性问题尤为突出.本文对这两方面进行了一些探讨与研究.引入联合卡尔曼滤波算法来研究车辆定位的精度问题,推导出一整套的融合算法,并证明了系统的最优性.对于信息提取的快速性问题,介绍了基于卡尔曼滤波技术的信号的小波估计与分解算法.这种算法通过离散小波变换滤波层实现对信号的同步估计和分解.它是在标准的卡尔曼滤波基础上产生的,因此保留了卡尔曼滤波对信号估计的优点,同时以递归的方式实现对未知信号的最优估计.

目录

文摘

英文文摘

第一章绪论

1.1课题研究背景和意义

1.2多传感器信息融合的发展过程与国内外研究现状

1.3多传感器信息融合的主要研究内容

1.3.1多传感器信息融合的概念

1.3.2信息融合的主要研究内容

1.3.3多传感器信息融合的优点

1.3.4信息融合系统结构及层次

1.3.5信息融合方法

1.4智能交通系统研究内容及研究现状

1.4.1智能交通系统研究内容

1.4.2智能交通系统研究现状

1.5论文的主要内容

第二章智能交通系统中的车载导航系统

2.1车载导航系统

2.1.1 VNS在智能交通系统中的作用

2.1.2 VNS的组成和原理

2.2当前国内VNS的特点和存在的主要问题

第三章联合卡尔曼滤波理论

3.1卡尔曼滤波算法介绍

3.1.1离散线性系统的Kalman滤波

3.1.2 Kalman滤波方法推导

3.1.3集中卡尔曼滤波的缺陷

3.2联合卡尔曼滤波器

3.2.1联合滤波器要解决的问题

3.2.2联合卡尔曼滤波算法

3.2.3各子滤波器的估计不相关时的融合算法

3.2.4性能分析

3.2.5最优性证明

3.3联合卡尔曼滤波器模型的车载导航系统的融合计算

3.3.1车载导航系统的理论融合计算

3.3.2车载导航系统的融合计算的实际模型

3.4本章小结

第四章基于卡尔曼滤波技术的信号小波估计与分解

4.1小波分析

4.1.1小波简介

4.1.2正交小波变换

4.1.3多分辨分析(MRA)

4.1.4 Mallat算法

4.2信号的估计和分解

4.2.1离散小波变换和滤波层

4.2.2信号的同步分解和估计

4.3本章小结

结论

参考文献

致谢

发表论文