模糊自适应信息融合在组合车辆导航中的应用

论文摘要

车辆导航系统是智能交通系统的一个重要内容,它在缓解交通拥挤、方便驾驶、交通管理、防盗报警和紧急求救等方面都具有重要的意义。对于车辆导航系统,一个关键的问题就是采用何种定位方式来获取准确可靠的车辆位置信息,GPS/DR组合导航不但可以解决GPS单独定位时,由于卫星信号被遮挡而造成的不能定位的问题,而且可以有效地抑制DR定位时的累积误差,极大地提高了车辆导航系统的定位精度和工作的可靠性,因此被广泛采用。但是由于受到成本的限制,GPS/DR组合导航系统需选用低成本的航位传感器,因此必须配合一定的融合算法来提高系统的整体性能,即如何有效地融合GPS和DR两者的定位信息,因此实现GPS/DR组合导航的核心问题是两者数据融合方案的设计,卡尔曼滤波是一种较好的解决方案。针对传统卡尔曼滤波的缺点,提出了一种基于模糊自适应卡尔曼滤波技术的组合车辆导航新方法。采用模糊逻辑自适应控制器对卡尔曼滤波器的噪声方差进行“在线”修正,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。在重点论述组合导航算法的同时,对传统的联邦卡尔曼滤波算法进行了分析,提出了改进的自适应联邦滤波算法,而且对主滤波器的融合方式提出了全新的信息融合算法,即基于动态比较的信息分配系数确定算法。其具有原理简单、计算快速、定位精度等优点,可以根据实际情况由该系统得到各子滤波器的各状态估计量的不同信任权值,实时地进行加权融合,既避免了传统联邦卡尔曼法的复杂计算,又提高了融合精度,保证了组合导航系统具有较高的精度和良好的动态性能。并且对此算法进行了计算机仿真实验,得到一系列定位数据,同时获得了仿真结果,验证了该算法的可行性和有效性,证实了改进的算法比传统算法更能提高车辆定位的精度和可靠性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 车辆定位导航系统概述
• 1.2 车辆组合导航系统的实现方案
• 1.3 信息融合理论
• 1.3.1 信息融合的概念
• 1.3.2 多传感器信息融合
• 1.3.3 信息融合的发展概况
• 1.4 本课题的目的和意义
• 1.5 本文的主要工作及章节安排
• 第二章 GPS/DR组合导航定位系统
• 2.1 全球定位系统（GPS）
• 2.1.1 GPS系统概述
• 2.1.2 GPS的系统组成
• 2.1.3 GPS的定位原理
• 2.1.4 影响GPS定位精度的主要误差来源
• 2.2 航位推算（DR）系统
• 2.2.1 航位推算的基本原理
• 2.2.2 航位推算系统的组成
• 2.2.3 航位推算系统的误差估计
• 2.3 GPS/DR组合导航系统的基本原理
• 2.3.1 GPS与DR组合的必要性
• 2.3.2 GPS与DR的互补性
• 第三章 模糊自适应信息融合在组合导航系统中的应用
• 3.1 卡尔曼滤波介绍
• 3.2 卡尔曼滤波算法
• 3.2.1 估计的概念
• 3.2.2 标准卡尔曼滤波算法
• 3.2.3 非线性卡尔曼滤波技术
• 3.3 GPS/DR组合导航算法研究
• 3.3.1 GPS/DR系统的组合方式
• 3.3.2 GPS/DR系统状态方程的建立
• 3.3.3 GPS/DR系统观测方程的建立
• 3.4 模糊自适应卡尔曼滤波器
• 3.4.1 自适应卡尔曼滤波方程
• 3.4.2 模糊逻辑自适应系统的应用
• 3.4.3 模糊逻辑系统的选择
• 3.4.4 模糊自适应卡尔曼滤波器的设计
• 3.4.5 仿真结果与分析
• 3.5 本章小节
• 第四章 联邦卡尔曼滤波器中的信息融合技术
• 4.1 联邦卡尔曼滤波的基本原理
• 4.1.1 联邦卡尔曼滤波器的结构
• 4.1.2 联邦滤波器结构性能分析
• 4.1.3 联邦滤波算法
• 4.2 GPS/DR联邦滤波器结构设计
• 4.3 主滤波器的设计与信息权值分配
• 4.3.1 主滤波器的滤波过程
• 4.3.2 基于动态整定的信息分配算法
• 4.4 仿真结果与分析
• 4.5 本章小节
• 第五章 结论与展望
• 参考文献
• 致谢