论文题目: GPS/DR车载组合定位系统数据融合算法研究
论文类型: 博士论文
论文专业: 电力电子与电力传动
作者: 郑贵省
导师: 刘鲁源
关键词: 车载,卡尔曼滤波,模糊,神经元,数据融合
文献来源: 天津大学
发表年度: 2005
论文摘要: 车辆定位技术是智能交通的关键技术之一。全球定位系统GPS(GlobalPosition System)具有良好的长期误差特性较差的短时误差特性,而航位推算DR(Dead Reckoning)系统却具有好的短期精度,差的长期精度。车载GPS/DR系统通过数据融合可提供高精度、高频率和可靠的定位数据。论文在分析车载DR系统多传感器特性的基础上,导出了DR多传感器系统在当地水平坐标系下的力学编排公式,对来自电子指南针和角速率陀螺的角运动数据,加速度计和车辆里程表的线运动数据分别建立了分散卡尔曼滤波融合模型,进行车辆定位状态的最优估计,并对融合算法进行了仿真研究。基于机动目标较合理的“当前统计”模型,根据车辆的动力学特性,提出了用模糊逻辑融合车辆状态数据,确定合理的加速度区间,使模型能更适合车辆运动的实际,定性分析和Matlab仿真表明加速度区间的模糊逻辑确定提高了定位精度和跟踪能力。此外,针对GPS/DR数据融合的卡尔曼滤波算法中可能出现的滤波发散,根据滤波收敛性判据论文还设计了基于模糊逻辑的卡尔曼滤波自适应发散抑制算法,并进行了仿真实验。为提高对机动目标的跟踪性能,加速度在载体运动模型中必须予以考虑。论文提出了基于自适应神经模糊推理系统ANFIS(Adaptive Neural FuzzyInferential System)加速度估计自适应卡尔曼滤波算法,构建了ANFIS神经元网络结构,根据提取的特征数据,对载体机动进行融合估计。仿真研究表明,该算法可显著地提高定位精度和跟踪能力。为进一步提高GPS/DR融合定位的连续性和精度,建立了增加速度观测,把加速度作为扰动输入的载体二维状态方程;提出了GPS/DR联合卡尔曼滤波数据融合算法以及基于神经元网络ANN(Artificial Neural Network)的GPS/DR数据融合算法模型以提高GPS/DR在GPS信号失锁时的连续定位能力,并进行了仿真验证。论文从工程应用角度,系统的研究了GPS/DR车载组合定位的多传感器数据融合框架和算法,其成果为车载组合定位系统的物化实现奠定基础。
论文目录:
第一章 绪论
1.1 智能交通与车载导航系统
1.1.1 智能交通系统
1.1.2 车载导航系统
1.2 国内外车载导航系统的发展现状
1.3 车辆导航中的定位技术
1.4 多传感数据融合
1.4.1 多传感器数据融合
1.4.2 多传感器数据融合层次和算法
1.5 GPS/DR 多传感器数据融合算法的现状及问题
1.6 本文研究内容
1.6.1 本文研究内容
1.6.2 本文主要创新点
第二章 卡尔曼滤波技术
2.1 GPS/DR 车载定位系统中卡尔曼滤波算法的数据处理技术
2.1.1 直接法与间接法卡尔曼滤波
2.1.2 直接法滤波方程中加速度作为观测问题
2.1.3 系统校正方法
2.1.4 计算周期和滤波周期
2.1.5 卡尔曼滤波的数据压缩技术
2.1.6 卡尔曼滤波的野值剔除技术
2.2 分散卡尔曼滤波技术及其最优融合算法
2.2.1 分散融合估计算法
2.2.2 全局最优融合估计算法
2.2.3 联合卡尔曼滤波器与信息分配原理
第三章 机动目标运动模型
3.1 CV 和 CA 模型
3.2 一阶时间相关模型
3.3 机动目标“当前统计”模型
3.3.1 机动目标“当前统计”模型
3.3.2 机动载体加速度的“当前”概率密度模型
3.4 “当前统计”模型的加速度方差自适应滤波算法
3.4.1 离散状态方程
3.4.2 加速度方差自适应Kalman 滤波算法
3.4.3 加速度方差自适应算法的物理意义
第四章 车载航位推算系统的多传感器信息融
4.1 导航常用坐标系
4.2 航位推算定位的原理
4.3 航位推算定位的多传感器
4.3.1 加速度计
4.3.2 车辆里程计误差模型
4.3.3 电子指南针
4.3.4 ADXR5300 速率陀螺
4.4 多传感器 DR 系统当地水平坐标系力学编排
4.5 DR 多传感器分散卡尔曼滤波融合算法
4.5.1 角运动传感器数据融合
4.5.2 载体坐标系下的载体纵轴线运动传感器数据融合
4.5.3 仿真实验研究
4.6 小结
第五章 “当前统计”模型加速度区间的模糊逻辑确定
5.1 车辆动力学模型
5.2 模糊逻辑控制
5.2.1 模糊集与隶属函数
5.2.2 模糊逻辑控制
5.3 “当前统计”模型中加速度区间的模糊逻辑方法确定
5.4 加速度区间模糊逻辑确定在 GPS 动态定位滤波中的应用
5.4.1 GPS 动态定位的分散 Kalman 滤波方程
5.4.2 加速度方差的自适应算法
5.4.3 加速度噪声方差对卡尔曼滤波精度影响分析
5.5 实验研究
5.5.1 仿真试验
5.5.2 实际跑车数据验证
5.6 小结
第六章 基于模糊逻辑的卡尔曼滤波自适应发散抑制
6.1 卡尔曼滤波的稳定性
6.1.1 卡尔曼滤波的稳定性
6.1.2 卡尔曼滤波噪声协方差阵Q和 R 的选择
6.1.3 滤波器收敛性判据
6.2 GPS 动态定位滤波的模糊逻辑发散抑制算法
6.2.1 卡尔曼滤波自适应发散抑制模型的建立
6.2.2 模糊变量的选择
6.2.3 模糊模型的建立
6.3 算法仿真
6.4 小结
第七章 基于 ANFIS 加速度估计的自适应卡尔曼滤波
7.1 序言
7.2 基于加速度估计的载体自适应卡尔曼滤波模型
7.3 加速度的ANFIS 估计算法
7.3.1 加速度的ANFIS 估计算法
7.3.2 ANFIS 输入特征数据提取
7.3.3 ANFIS 的结构
7.3.4 ANFIS 的学习算法
7.4 ANFIS 加速度估计自适应滤波器系统协方差的适应
7.5 仿真研究
7.5.1 ANFIS 的训练
7.5.2 ANFIS 的应用和验证
7.6 小结
第八章 基于神经元网络的 GPS
8.1 带有速度观测的 GPS/DR 数据融合的动态滤波算法
8.1.1 带有速度观测的载体卡尔曼滤波模型
8.1.2 通过增加观测矩阵的秩提高跟踪精度的理论分析
8.2 GPS/DR 组合定位数据联合卡尔曼滤波
8.2.1 GPS/DR 组合定位系统的联合卡尔曼滤波器设计
8.2.2 GPS/DR 联合滤波的信息权值自适应确定
8.2.3 GPS/DR 联合滤波的数据同步
8.3 基于 ANN 的 GPS/DR 组合定位数据融合算法
8.3.1 基于 ANN 的 GPS/DR 组合定位数据融合算法
8.3.2 GPS/DR 数据融合的神经元网络模型
8.4 基于 ANN 的 GPS/DR 的数据融合算法的仿真
8.5 小结
第九章 总结与展望
参考文献
博士期间发表的论文和参加的科研项目
致谢
发布时间: 2006-05-24
相关论文
- [1].差分GPS/INS组合定位定姿及其在MMS中的应用[D]. 孙红星.武汉大学2004
- [2].多传感器数据融合中几个关键技术的研究[D]. 刘严岩.中国科学技术大学2006
- [3].动态定位中的卡尔曼滤波研究[D]. 宋迎春.中南大学2006
- [4].车载组合导航信息融合算法研究与系统实现[D]. 徐田来.哈尔滨工业大学2007