论文部分内容阅读
近年来,智能汽车正在不断地快速发展,传统的定位方式及系统已经无法提供高精度的实时轨迹测定;在国内,载体的运行环境复杂多变,这也使传统定位方式显得模式单一。随着全球卫星导航系统(Global Navigation Satellite System,GNSS)不断地深入各个领域及行业,同时我国自主研制的北斗卫星导航(Bei-Dou Navigation Satellite System,BDS)逐渐地完善,面对当前众多行业的实际运营需求,以BDS为主导的多模信息的定位方法开始被越来越多的人重视,逐步成为了一个重要研究方向。本篇论文主要研究了基于多模信息感知的运动载体轨迹测定方法,分别从多模信息感知下的惯性传感器的误差分析与抑制、动态模型偏差实时校正方法研究、多模信息感知下的数据融合方法三个方面进行了相关研究。具体的研究方法和创新性为:1、第二章主要研究关于多模信息感知下的惯性传感器的误差分析与抑制。通过分析惯性测量单元的误差来源和种类,并描述数据输出的模型,提出一种针对陀螺消噪的改进的RLS(Recursive least squares,RLS)方法;一方面对RLS方法的误差估计方程进行了修正,改进了野值的处理方式,另一方面,改进了自适应参数选取方法,使其可以依据时序下的误差变化进行调节。2、第三章主要研究关于动态模型偏差实时校正的方法。针对EKF(Extended Kalman Filter,EKF)中的动态模型,提出了一种实时校正动态偏差的方法。考虑使用最小二乘支持向量机对模型的动态偏差进行训练、预测,并通过无迹变换将预测结果引入到EKF过程中,将两种方法结合在一起,以此提高偏差校正的精度和动态模型在实际应用中的准确性。3、第四章主要研究关于多模信息感知下的数据融合方法。通过阐述关于多数据融合的基础理论,提出了一种基于粒子滤波改进UKF(Unscented Kalman Filter,UKF)的数据融合方法,依据不同空间模型,可以分别使用在局部融合和中心融合过程中;同时,设计了一种以BD/INS(Inertial Navigation System,INS)/编码里程计为组合的多模信息感知的轨迹测定系统,结合平台和融合方法共同使用,以此提高轨迹测定精度和系统连续性。上述三个部分主要针对了惯性传感器的误差、导航定位计算模型的动态偏差、多模信息轨迹测定过程中的数据融合方法以及具体多模信息感知平台设计等方面,分别对这些方面进行算法、方法的改进,对提高内部传感器的精度有所帮助,同时,也提高了系统最终轨迹测定结果的准确性。在论文最后,通过自主研发的多模信息感知系统进行了仿真实验、车载实验数据实验,证明了论文所提出方法的有效性和可靠性,为多模信息感知的运动载体轨迹测定方法研究提供了一定的参考价值。