论文部分内容阅读
卫星全球定位系统(GPS)目前已在航空、航海及陆地车辆导航中获得广泛的应用。但就其定位精度而言,从GPS卫星到信号的接收存在着诸多误差源。减小GPS定位误差的重要方法之一就是建立GPS动态滤波方法。它与差分GPS方法相比,具有不需建立DGPS基准站及数据通讯装置、节省硬件成本的优点。即使经GPS差分处理后,再应用动态滤波方法,仍可进一步提高定位精度。本文首先分析了GPS定位的误差来源。重点介绍了影响GPS定位精度两个关键的客观因素:定位信号与接收机,并对GPS信号进行了仿真。其次,主要就GPS动态导航系统进行状态估计的非线性问题,针对EKF(Extended Kalman Filtering)处理非线性滤波问题的不足,建立了一种改进的无导数卡尔曼滤波方法,用UKF中方差平方根阵(本文利用Cholesky分解得到)代替方差阵参加迭代运算,并在平方根UKF(Square Root- Unscented KalmanFilter,SR-UKF)的基础上对导航状态方差阵及随机噪声方差阵Cholesky分解更新进行分类。该算法有效的避免了导数的计算及方差阵平方根的非正定性,加快了滤波速度,有效抑制了发散,将改进后的算法应用于GPD/DR组合导航系统的状态估计上,车辆模拟实验表明该算法在处理动态估计问题的优越性。最后,在车辆模拟实验的基础上,阐述了GPS动态试验的新方案,使用两个精度相差一个数量级的GPS接收平台,通过匀速运动车辆的DGPS及GPS的滤波对比试验,验证了新的卡尔曼滤波算法在处理动态估计问题上的实用性。模拟实验和实际车辆动态导航试验均表明:比起传统卡尔曼滤波算法,改进的无导数卡尔曼滤波法精度及稳定性更好,实用性更强。