文件名称:改进的卡尔曼滤波地图匹配算法-s5pv210 irom编程及启动介绍
文件大小:782KB
文件格式:PDF
更新时间:2024-06-27 12:47:35
gps 地图匹配
第六章 改进的卡尔曼滤波地图匹配算法 第五章中介绍的算法有效的校正了 GPS 信号和地图误差中主要的慢漂移误 差,并据此克服了沿道路方向和垂直道路方向的主要误差(系统误差或者说慢漂移 误差),达到准确匹配的目标。在本章中介绍的改进卡尔曼滤波地图匹配算法将进 一步利用卡尔曼滤波器,使新设计的地图匹配算法不仅能够校正慢变化的系统误 差,还能同时对随机误差进行处理。卡尔曼滤波由于自身在处理随机干扰方面的优 越性,被广泛应用于含有随机噪声的信号滤波。在论文的研究中,根据 GPS 误差 的特性,设计实现了利用卡尔曼滤波器能够对 GPS系统误差和随机误差进行有效 校正的地图匹配算法。并且根据第三章对地图误差的分析,可以知道地图误差是连 续慢变化的,也可以与 GPS系统误差同样的方法来处理。在这部分新算法介绍中 我们不再单独说明 GPS误差和地图误差,而是把地图误差看作与 GPS慢漂移同性 质的。 6.1卡尔曼滤波器及其在车辆导航系统中的应用 卡尔曼滤波器是一种高效率的递归滤波器(自回归滤波器) [8],用于估计离 散时间过程的状态变量 nRx ∈ ,模型假设处理的离散时间过程由以下离散随机差分 方程描述。 wuBxFx kkk ++= −− 11 (6.1) 其中 F 是作用在 1−kx 上的状态变迁模型。 B 是作用在控制器向量 ku 上的输入- 控制模型。 定义观测变量 nRz ∈ ,得到量测方程 vHxz kk += (6.2) H 是观测模型,它被真实状态空间映射到观测空间。随机信号 w ,v 分别表 示过程激励噪声和观测噪声。假设他们为相互独立,正态分布的白色噪声: ),0(~)( QNwp ),0(~)( RNvp 初始状态以及每一时刻的噪声{x0,w1,… , wk, v1 … vk}都认为是互相独立的。 实际上,很多真实世界的动态系统都不确切的符合这个模型;但是由于卡尔曼滤波 器被设计在有噪声的情况下工作,近似的符合已经可以使这个滤波器非常有用了。 当然如果系统模型能够更好的符合这个模型,就可以获得更好的效果。