車載導航系統(tǒng)（VNS）可以提供用于汽車行駛的多種導航參數(shù),目前被廣泛運用于無人駕駛、車載導航儀、機器人導航等民用以及軍用領域中,由于互聯(lián)網(wǎng)與物聯(lián)網(wǎng)的快速發(fā)展,汽車導航系統(tǒng)將在未來會發(fā)揮越來越重要的作用。目前,精度和可靠性為車載組合導航系統(tǒng)重要的性能指標,而在車載導航系統(tǒng)中,捷聯(lián)慣性導航系統(tǒng)、全球定位系統(tǒng)與里程計是常用的導航傳感器,如何將它們進行有效的多傳感器組合并改善傳統(tǒng)的濾波算法以提高系統(tǒng)的抗干擾能力和高精度導航參數(shù)輸出能力是本文重點研究的內容。本文圍繞傳感器的原理與誤差分析、多傳感器濾波結構的選取、信息分配系數(shù)的設計以及級聯(lián)自適應魯棒聯(lián)邦濾波算法的構造等展開研究分析,研究內容為以下幾點:首先,介紹了捷聯(lián)慣性導航系統(tǒng)、全球導航定位系統(tǒng)與車載里程計的工作過程,對它們的誤差進行數(shù)學建模,同時對比了這三種傳感器在實際應用中的優(yōu)點和缺點,從理論層面上闡述三種傳感器單獨使用的弊端以及進行組合的必要性。其次,介紹了標準卡爾曼濾波的應用背景、數(shù)學公式以及算法流程;當多個傳感器組合使用時,介紹了集中式濾波和聯(lián)邦式濾波兩種濾波方式,比較了二者的優(yōu)勢與弊端;對基于聯(lián)邦濾波結構的車載導航系統(tǒng)進行建模,從提... 

【文章頁數(shù)】：106 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內外研究和發(fā)展現(xiàn)狀
        1.2.1 車載導航系統(tǒng)的發(fā)展和研究現(xiàn)狀
        1.2.2 卡爾曼濾波及自適應濾波的發(fā)展與研究現(xiàn)狀
    1.3 論文的研究內容及章節(jié)安排
第2章 慣性/全球定位/里程計傳感器分析
    2.1 捷聯(lián)慣性導航系統(tǒng)(SINS)
        2.1.1 常用坐標系及其轉換關系
        2.1.2 捷聯(lián)慣導系統(tǒng)的工作原理
        2.1.3 捷聯(lián)慣導系統(tǒng)的誤差模型
    2.2 全球定位系統(tǒng)(GPS)
        2.2.1 全球定位系統(tǒng)概述
        2.2.2 全球定位系統(tǒng)原理
        2.2.3 全球定位系統(tǒng)的誤差分析
    2.3 里程計(Odometer)
        2.3.1 船位推算算法
        2.3.2 船位推算的誤差分析
    2.4 本章小結
第3章 慣性/全球定位/里程計組合導航方案研究
    3.1 卡爾曼濾波(KF)
    3.2 集中式卡爾曼濾波(CKF)
        3.2.1 集中式卡爾曼濾波的模型
        3.2.2 集中式卡爾曼濾波的優(yōu)劣分析
    3.3 聯(lián)邦卡爾曼濾波(FKF)
        3.3.1 聯(lián)邦卡爾曼濾波的原理及特點
        3.3.2 聯(lián)邦濾波器的結構對比與性能分析
        3.3.3 集中式與聯(lián)邦式濾波的仿真對比
    3.4 慣性/全球定位/里程計的數(shù)學模型建立
        3.4.1 SINS/GPS子系統(tǒng)的數(shù)學建模
        3.4.2 SINS/OD子系統(tǒng)的數(shù)學建模
    3.5 車載聯(lián)邦濾波系統(tǒng)的信息分配
        3.5.1 聯(lián)邦濾波信息分配系數(shù)
        3.5.2 優(yōu)化的信息分配方案設計
        3.5.3 仿真與分析
    3.6 本章小結
第4章 級聯(lián)自適應魯棒的車載導航算法研究
    4.1 車載導航系統(tǒng)的異常類型及分析
        4.1.1 常見的車載導航傳感器異常類型
        4.1.2 異常信息對卡爾曼濾波的影響
    4.2 級聯(lián)自適應魯棒的車載聯(lián)邦濾波算法
        4.2.1 基于狀態(tài)噪聲不確定的Sage-Husa自適應濾波
        4.2.2 基于觀測異常的自適應新息匹配濾波
        4.2.3 級聯(lián)自適應魯棒的車載聯(lián)邦濾波算法設計
    4.3 載體運動軌跡發(fā)生器的設計
        4.3.1 載體典型運動方式的數(shù)學模型
        4.3.2 載體運動軌跡生成算法
        4.3.3 慣性器件數(shù)據(jù)生成算法
    4.4 算法仿真驗證
        4.4.1 仿真條件的設置
        4.4.2 仿真結果及分析
    4.5 車載實驗驗證
        4.5.1 搭建車載實驗平臺
        4.5.2 車載實驗的結果與分析
    4.6 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]抗野值自適應衛(wèi)星/微慣性組合導航方法[J]. 王鼎杰,孟德利,李朝陽,董毅,吳杰.  儀器儀表學報. 2017(12)
[2]一種在線調節(jié)的聯(lián)邦卡爾曼組合導航方法[J]. 高沛林.  水下無人系統(tǒng)學報. 2017(03)
[3]自適應聯(lián)邦濾波器在GPS-INS-Odometer組合導航的應用[J]. 李增科,王堅,高井祥,姚一飛.  測繪學報. 2016(02)
[4]高斯粒子濾波的慣性/GPS緊組合算法[J]. 于永軍,徐錦法,熊智,張梁.  哈爾濱工業(yè)大學學報. 2015(05)
[5]用于組合測姿的Kalman漸消因子自適應估計算法[J]. 蘇鑫,萬彥輝,謝波.  系統(tǒng)仿真學報. 2012(08)
[6]基于時間序列分析的自適應聯(lián)邦濾波算法[J]. 袁贛南,袁克非,張紅偉,李寧.  中國慣性技術學報. 2011(06)
[7]平方根容積卡爾曼濾波器[J]. 郝燕玲,楊峻巍,陳亮,郝金會.  彈箭與制導學報. 2012(02)
[8]Intelligent fault-tolerant algorithm with two-stage and feedback for integrated navigation federated filtering[J]. Li Cong, Honglei Qin, and Zhanzhong Tan School of Electronic and Information Engineering, Beihang University, Beijing 100191, P. R. China.  Journal of Systems Engineering and Electronics. 2011(02)
[9]MSINS/GPS全組合系統(tǒng)可觀測性分析（英文）[J]. 胡小毛,劉飛,翁海娜.  中國慣性技術學報. 2011(01)
[10]基于可觀測性分析的光纖陀螺SINS/測速儀組合系統(tǒng)技術[J]. 朱蘭偉,張燕,蔡春龍.  中國慣性技術學報. 2011(01)

博士論文
[1]組合導航UKF算法與數(shù)據(jù)融合技術拓展研究[D]. 胡高歌.西北工業(yè)大學 2016
[2]制導彈箭彈道測量及彈道重構技術研究[D]. 丁傳炳.南京理工大學 2011
[3]車載組合導航系統(tǒng)關鍵技術研究[D]. 夏全喜.哈爾濱工程大學 2010

碩士論文
[1]基于MEMS IMU的車載組合導航技術研究[D]. 徐正鵬.武漢大學 2017
[2]INS/GPS組合導航數(shù)據(jù)事后處理技術的研究[D]. 蔣鑫.南京航空航天大學 2017
[3]光纖陀螺捷聯(lián)慣導系統(tǒng)的算法研究及DSP實現(xiàn)[D]. 張強.哈爾濱工程大學 2017
[4]基于非線性濾波的SINS/GPS緊組合導航方法研究[D]. 王剛.哈爾濱工程大學 2016
[5]車載慣性導航系統(tǒng)行進間對準算法研究及仿真[D]. 李志剛.哈爾濱工業(yè)大學 2015
[6]無人機高精度目標定位技術研究[D]. 邵慧.南京航空航天大學 2014
[7]基于MEMS的人體運動跟蹤算法研究[D]. 崔少新.哈爾濱工程大學 2014
[8]基于MEMS-IMU的航姿測量系統(tǒng)技術研究[D]. 劉坤.哈爾濱工程大學 2014
[9]MSINS/GPS/汽車傳感器組合導航系統(tǒng)研究[D]. 郭美玲.哈爾濱工程大學 2013
[10]基于Kalman濾波的測深系統(tǒng)研究[D]. 徐冉.哈爾濱工程大學 2011



本文編號：3730049