基于多传感器信息融合的GPS/DR车载组合导航系统的研究

作     者：刘桂辛 

作者单位：燕山大学 

学位级别：硕士

导师姓名：张燕君

授予年度：2013年

学科分类：081802[工学-地球探测与信息技术] 08[工学] 081105[工学-导航、制导与控制] 0818[工学-地质资源与地质工程] 0804[工学-仪器科学与技术] 0838[工学-公安技术] 0811[工学-控制科学与工程] 

主      题：多传感器信息融合 GPS/DR组合导航系统 卡尔曼滤波 自适应改进 

摘      要：多传感器信息融合(MSIF)是组合导航系统中信息处理的基本理论。通过完善车载组合导航系统的信息融合结构和处理算法是取得高精度的组合导航性能的有效解决途径。根据车载导航系统精度和连续性的需要，以及体积、功耗和成本的制约因素，GPS/DR车载组合导航系统成为现今车辆导航的研究热点。 卡尔曼滤波是处理导航估计中最常用的方法。其中，扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)解决了非线性系统的滤波问题。但二者在复杂的滤波环境中的自适应能力较弱。本文通过对算法的自适应改进解决这一问题，主要做了以下工作： 首先阐述了多传感器数据融合理论，GPS和DR系统的定位原理以及组合导航系统的误差分析。研究了基本卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和递推最小二乘(RLS)自适应算法的结构和流程。 其次分析了当由环境噪声的大小变化所引起的EKF和UKF算法容易出现定位失去可靠性，甚至是滤波发散的原因。为了解决这一问题，对EKF和UKF算法进行了改进，得到了具有自适应性质的AEKF和AUKF。 再次根据GPS/DR组合导航系统的紧组合方式，以车辆的动力学特性和加速度“当前统计模型为基础，建立车辆在地球平面二维直角坐标中的适用于卡尔曼滤波器处理的系统模型。 最后用MATLAB软件进行仿真实验，从收敛速率和定位精度两方面证明了AEKF和AUKF算法的有效性。