動態(tài)定位中的卡爾曼濾波研究.pdf

1、卡爾曼濾波是一個不斷地預(yù)測、修正的遞推過程，由于其在求解時不需要存儲大量的觀測數(shù)據(jù)，并且當(dāng)?shù)玫叫碌挠^測數(shù)據(jù)時，可隨時算得新的參數(shù)濾波值，便于實時地處理觀測結(jié)果，因此卡爾曼濾波被越來越多地應(yīng)用于動態(tài)定位數(shù)據(jù)處理中，尤其是GPS動態(tài)數(shù)據(jù)處理、慣性導(dǎo)航等。卡爾曼濾波目前已經(jīng)成功應(yīng)用于GPS動態(tài)定位，提高了定位精度，更好滿足了用戶的需要。然而在卡爾曼濾波模型中，要求觀測方程是線性形式、動態(tài)噪聲和測量噪聲是白噪聲，而實際的觀測量與狀態(tài)參數(shù)間是非線

2、性函數(shù)。非線性二次以上高次項舍去，以及周跳等觀測粗差等原因，使觀測方程產(chǎn)生模型誤差?？柭鼮V波線性模型的最優(yōu)估計是建立在給定函數(shù)模型和隨機(jī)模型基礎(chǔ)上的，如果實際的函數(shù)模型和隨機(jī)模型存在誤差，不僅得不到最優(yōu)估計，而且可能造成濾波發(fā)散。粗差檢測方法有把粗差歸入函數(shù)模型的檢測方法，也有把粗差歸入隨機(jī)模型的檢測方法。將粗差納入函數(shù)模型，就是要在平差中檢測粗差、定位粗差，并將其剔除，然后用正常觀測值進(jìn)行參數(shù)估計，為此需要運用統(tǒng)計假設(shè)檢驗方法，進(jìn)行

3、粗差探測、定位。 本文針對動態(tài)定位中的卡爾曼濾波算法的現(xiàn)狀和存在的問題進(jìn)行了研究，主要貢獻(xiàn)有以下幾點： (1)對于動態(tài)定位中所建立的動態(tài)模型與載體實際的運動不相符所產(chǎn)生的模型偏差，本文研究了它對濾波結(jié)果的影響并給出了這個影響的解析式；設(shè)計了一個新的濾波器能夠自動檢測出系統(tǒng)濾波模型中的偏差，并減少了這些偏差對估計結(jié)果的影響，在此基礎(chǔ)上得到的狀態(tài)估計較常規(guī)的卡爾曼濾波估計有著更高的精度。 (2)對卡爾曼濾波過程中的新

4、息序列統(tǒng)計特性進(jìn)行了分析，提出了一種對觀測數(shù)據(jù)包含粗差判別的方法。同時給出了估計粗差大小的一種方法，然后對參與動態(tài)定位解算數(shù)據(jù)中的粗差進(jìn)行修正。通過數(shù)據(jù)模擬和動態(tài)定位實例解算發(fā)現(xiàn)利用該方法可以顯著減少粗差對濾波結(jié)果的影響，從而提高了動態(tài)定位的精度。 (3)在動態(tài)定位中，機(jī)動和觀測粗差檢測往往存在滯后，盡早檢測出目標(biāo)機(jī)動和觀測粗差會有更好的定位結(jié)果。為了在實時動態(tài)定位中盡可能快地檢測出運動載體機(jī)動和觀測數(shù)據(jù)何時出現(xiàn)粗差，文中提出了

5、一種對機(jī)動和粗差檢測的新方法。該檢測算法是基于機(jī)動和粗差檢測延遲最小準(zhǔn)則。通過分析，發(fā)現(xiàn)對不同的顯著性水平α和機(jī)動幅度都存在一個最優(yōu)窗口長度。 (4)在動態(tài)定位數(shù)據(jù)處理中，測量噪聲一般是時間相關(guān)的，若直接按照Kalman濾波器解算，將達(dá)不到最優(yōu)濾波效果，并且其誤差協(xié)方差陣也是不嚴(yán)密的。論文根據(jù)狀態(tài)估計為線性無偏最小方差估計的準(zhǔn)則，給出了測量噪聲時間相關(guān)時的卡爾曼濾波遞推公式，同時考慮了相關(guān)數(shù)據(jù)的存儲問題，并且通過數(shù)字模擬和實例驗

6、證了算法的有效性。 (5)基于協(xié)方差匹配技術(shù)的自適應(yīng)卡爾曼濾波算法，提出了一種系統(tǒng)噪聲方差變化的檢測與校正方法，該法當(dāng)R已知時可以自適應(yīng)地估計出O。若系統(tǒng)噪聲的協(xié)方差發(fā)生了變化，則估計出新的協(xié)方差，然后再按得到的噪聲統(tǒng)計估計值計算新息序列的協(xié)方差陣。數(shù)字模擬證明了算法的有效應(yīng)性。 (6)為了減少因線性化所產(chǎn)生的系統(tǒng)誤差，研究了非線性濾波在動態(tài)定位中的應(yīng)用，非線性估計的核心就在于近似，各種非線性估計方法的不同就在于其近似處

7、理的思想和實現(xiàn)手段不同。因為GPS動態(tài)定位中，采樣率一般是1s甚至更高，對于載體運動可以看作是常速，所以動態(tài)模型可以是線性的。論文中重點研究了動態(tài)方程是線性的而觀測方程是非線性的解算方法，并給出了相應(yīng)的擴(kuò)展濾波(EKF)算法和UKF算法。 由于卡爾曼濾波是消除動態(tài)定位數(shù)據(jù)隨機(jī)誤差的重要方法，為了提高動態(tài)定位的精度，有必要認(rèn)真研究卡爾曼理論。論文針對動態(tài)定位中卡爾曼濾波模型的系統(tǒng)誤差，測量粗差，噪聲相關(guān)性等問題的研究，具有重要的理