資源描述：
《gnss-dr組合導(dǎo)航系統(tǒng)中粒子濾波算法探究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、GNSS/DR組合導(dǎo)航系統(tǒng)中粒子濾波算法探究摘要：隨著車輛組合導(dǎo)航系統(tǒng)的發(fā)展，其算法研究也引起了廣泛的重視。該文對(duì)車載GPS/DR組合導(dǎo)航系統(tǒng)的算法進(jìn)行了研究，由于衛(wèi)星信號(hào)易受到復(fù)雜環(huán)境的干擾和影響，導(dǎo)致使用卡爾曼濾波會(huì)有較大的誤差結(jié)果。粒子濾波就能很好的處理這種情況，具有魯棒性。仿真結(jié)果表明，粒子濾波算法優(yōu)于卡爾曼濾波，更能減少定位誤差。關(guān)鍵詞：GPS/DR組合導(dǎo)航；粒子濾波；卡爾曼濾波中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2013)25-5790-04車輛導(dǎo)航系統(tǒng)是智能交通系統(tǒng)的核心部分，它要求給出的車輛位置信息具有準(zhǔn)確性、連續(xù)性、實(shí)時(shí)
2、性。但是獨(dú)自的導(dǎo)航系統(tǒng)各有自己的優(yōu)缺點(diǎn)，很難滿足導(dǎo)航的高精度、高可靠性要求，因此在實(shí)際中采用兩者組合的方式，取長(zhǎng)補(bǔ)短，以達(dá)到導(dǎo)航的定位精度［1］。車輛組合導(dǎo)航系統(tǒng)有多種，該文采用的是GPS/DR組合導(dǎo)航方式。GPS是一種全天候、高精度的三維實(shí)時(shí)衛(wèi)星導(dǎo)航系統(tǒng)，定位誤差不隨時(shí)間累積，但它易受高大建筑、高架橋設(shè)備、地下車庫(kù)通道等的干擾而失效;而DR導(dǎo)航系統(tǒng)是一種具有低成本性、自主式的導(dǎo)航系統(tǒng)，抗干擾能力強(qiáng)，在短時(shí)間內(nèi)有較準(zhǔn)確的導(dǎo)航參數(shù)。因此將衛(wèi)星導(dǎo)航系統(tǒng)與航位推算系統(tǒng)組合起來(lái)構(gòu)成的GPS/DR車輛組合系統(tǒng)，能充分利用各自的優(yōu)點(diǎn)得到的導(dǎo)航定位數(shù)據(jù)具有高精度性、高可靠性。一般組
3、合導(dǎo)航方案都用卡爾曼濾波來(lái)實(shí)現(xiàn)，但它要求狀態(tài)方程和觀測(cè)方程都是線性方程，而車輛組合導(dǎo)航系統(tǒng)的狀態(tài)模型和觀測(cè)模型都是非線性的。為此，許多研究者采用了擴(kuò)展卡爾曼濾波算法，但在應(yīng)用EKF(ExtendedKalmanFilter)濾波時(shí)必須對(duì)非線性系統(tǒng)［2］進(jìn)行線性化，從而導(dǎo)致濾波結(jié)果誤差較大。粒子濾波［3］的理論是以貝葉斯估計(jì)為基礎(chǔ)的，由于粒子濾波能夠處理強(qiáng)非線性、非高斯噪聲系統(tǒng)模型，克服了卡爾曼濾波算法中的非線性問題而得到了廣泛的應(yīng)用。1粒子濾波原理及實(shí)現(xiàn)步驟粒子濾波算法的理論是以貝葉斯估計(jì)為基礎(chǔ)的，它是一種用隨機(jī)抽到的樣本來(lái)描述概率分布的方法，該方法具有隨機(jī)采樣性。用
4、非參數(shù)化的蒙特卡洛模擬方法來(lái)進(jìn)行遞推貝葉斯濾波估計(jì)，用具有相應(yīng)權(quán)值的隨機(jī)樣本粒子集來(lái)表示后驗(yàn)概率密度，調(diào)節(jié)樣本的位置和各粒子的相應(yīng)權(quán)值大小來(lái)近似表示實(shí)際的概率分布，用抽樣樣本的均值表示系統(tǒng)的估計(jì)值，以使?fàn)顟B(tài)估計(jì)達(dá)到最小方差。粒子濾波方法較卡爾曼濾波的優(yōu)勢(shì)是能運(yùn)用于受到非高斯噪聲污染的非線性系統(tǒng)，在采樣點(diǎn)數(shù)目足夠多時(shí)使用粒子濾波能得到高的濾波精度。PF方法估計(jì)后驗(yàn)概率密度的主要步驟：采樣、計(jì)算粒子的權(quán)值、重采樣避免粒子的退化［4,5］。粒子濾波算法［6,7］的步驟如下:1)對(duì)隨機(jī)樣本進(jìn)行初始化。應(yīng)用先驗(yàn)條件概率[p(xO
5、YO)]抽取得到隨機(jī)樣本[xlO],[x20],
6、...,[xNO],其中N為隨機(jī)樣本數(shù)。2)遞推過程。由系統(tǒng)的狀態(tài)方程和觀測(cè)方程，計(jì)值[x=lNi=lNxn…]將會(huì)收斂于真值。2車輛組合導(dǎo)航系統(tǒng)數(shù)學(xué)模型GPS/DR組合導(dǎo)航算法框圖如圖1所示。2.1系統(tǒng)狀態(tài)方程4結(jié)論本文研究了PF方法在車輛組合導(dǎo)航系統(tǒng)中的應(yīng)用，并且與EKF的導(dǎo)航算法進(jìn)行了比較，仿真結(jié)果說(shuō)明PF比EKF有更優(yōu)越的性能，更能減少定位誤差，證明了PF的有效性。隨著粒子濾波的進(jìn)一步研究，該技術(shù)將在非穩(wěn)定、非高斯、非線性的系統(tǒng)中得到廣泛的應(yīng)用。參考文獻(xiàn)：[1]焦雅林，高社生，薛麗.GPS/DR車輛組合導(dǎo)航改進(jìn)的粒子濾波算法研究[?!]??西北工業(yè)大學(xué)學(xué)報(bào)，2
7、011,29(1)：1-4.[2]楊元喜，張雙成，高為廣.GPS導(dǎo)航解算中幾種非線性Kalman濾波的理論分析與比較[J].測(cè)繪工程，2005,14(3)：4-7.[3]程水英，張劍云?粒子濾波評(píng)述[J].宇航學(xué)報(bào)，2008.[4]JacquesGeorgy,TashfeenKaramat,UmarIqbaletal.EnhancedMEMS_IMU/odometer/GPSintegrationusingmixtureparticlef訂ter[J].GPSSolutions,2011,15(3)：239-252.[1]宮軼松.粒子濾波算法研究及其在GPS/DR組合
8、導(dǎo)航中的應(yīng)用[J].解放軍信息工程大學(xué)，2010.[2]姚西峰，錢峰，田蔚風(fēng).基于粒子濾波的GPS/DR組合導(dǎo)航算法研究[J].計(jì)算機(jī)仿真,2008,25(7)：262-277.[3]李磊磊，陳家斌，謝玲，等.粒子濾波方法在GPS/DR組合導(dǎo)航系統(tǒng)中的應(yīng)用[J].微電子學(xué)與計(jì)算機(jī)，2004,21(10)：97-99.
