共查询到17条相似文献,搜索用时 156 毫秒
1.
车辆GPS/DR组合导航系统研究 总被引:2,自引:0,他引:2
车辆导航系统常采用GPS/DR组合导航方式,很多该类组合导航系统采用联邦滤波器,分别对GPS信号和DR信号进行处理,再通过主滤波器融合两个子滤波器的计算结果。使用联邦滤波器有很多优点,特别是当GPS或DR其中任何一个子系统出现故障时联邦滤波器仍然可继续为用户提供导航服务。但是,联邦滤波器设计结构复杂,各种参数选取对滤波器的性能影响较大,选取不当反而引起导航精度的降低。设计一种GPS/DR滤波器,这种滤波器当GPS接收机在城市中受到遮挡引起失锁时仍能够为用户导航,并且该滤波器与联邦滤波器相比,结构简单,设计简易。通过在城市中进行车辆实测导航实验,验证了该滤波器能够满足导航精度要求,适用于城市中车辆导航应用。 相似文献
2.
在组合导航中常采用联合滤波器进行多源传感器的信息融合,其中信息分配系数的取值直接影响着联合滤波器的性能。在详细分析子滤波器状态变量估计协方差阵特点的基础上,文中提出了采用两组信息分配系数的自适应联合滤波模型,并将设计的自适应联合滤波模型应用于车载GPS/DR组合导航中。仿真实验表明,导航的位置精度提高约为40%;速度精度提高约为10%。同时也提高了组合系统的容错性和可靠性。 相似文献
3.
GPS/DR原始观测值组合导航定位研究 总被引:1,自引:0,他引:1
根据GPS/DR组合系统的导航定位原理,推导了利用GPS原始观测值与DR航位推算信息进行组合的Kalman滤波模型,并利用该滤波模型对GPS/DR原始观测数据进行航位解算.数据处理结果表明,即使在只有两颗GPS观测卫星的情况下,该滤波模型也可以充分利用GPS现测信息提高DR航位推算精度. 相似文献
4.
神经网络辅助的GPS/INS组合导航自适应滤波算法 总被引:11,自引:2,他引:9
首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。 相似文献
5.
6.
7.
8.
9.
10.
11.
给出了基于卡尔曼滤波的组合GPS/GLONASS伪距单点实时动态定位的原理,并通过模拟实验表明组合GPS/GLONASS可以改进单独GPS车辆导航和监控系统的定位精度和可幸性,为车最GPS在高楼林立的城区或其它可视条件受限制地带的应用提供了保证。 相似文献
12.
13.
GPS车载导航系统中的航位推算技术 总被引:3,自引:0,他引:3
在车载导航系统中,相对准确地定位是实现导航的基础和前提。DR系统可以有效补充GPS的不足,是最为常用的定位系统之一。讨论了如何合理地选取DR的传感器件,并在此基础上,研究传感器件的噪声特性和组合导航的原理和方式,为自主车载导航系统的设计提供指导。 相似文献
14.
车辆导航已成为交通领域一个研究热点。利用GPS导航系统可以获取良好的导航定位精度,但是GPS信号在城市大密度的建筑群中容易被遮挡,从而影响车辆导航过程。而DR系统虽能持续地提供服务,但是其精度随时间变差,从而无法取得良好效果。利用切比雪夫拟合方法,在GPS卫星信号失锁情况下,对DR数据进行拟合处理,并把处理结果与未失锁情况下的GPS导航数据进行比较,验证切比雪夫拟合效果。 相似文献
15.
针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。 相似文献
16.
17.
Adaptive GPS/INS integration for relative navigation 总被引:1,自引:0,他引:1
Je Young Lee Hee Sung Kim Kwang Ho Choi Joonhoo Lim Sebum Chun Hyung Keun Lee 《GPS Solutions》2016,20(1):63-75
Relative navigation based on GPS receivers and inertial measurement units is required in many applications including formation flying, collision avoidance, cooperative positioning, and accident monitoring. Since sensors are mounted on different vehicles which are moving independently, sensor errors are more variable in relative navigation than in single-vehicle navigation due to different vehicle dynamics and signal environments. In order to improve the robustness against sensor error variability in relative navigation, we present an efficient adaptive GPS/INS integration method. In the proposed method, the covariances of GPS and inertial measurements are estimated separately by the innovations of two fundamentally different filters. One is the position-domain carrier-smoothed-code filter and the other is the velocity-aided Kalman filter. By the proposed two-filter adaptive estimation method, the covariance estimation of the two sensors can be isolated effectively since each filter estimates its own measurement noise. Simulation and experimental results demonstrate that the proposed method improves relative navigation accuracy by appropriate noise covariance estimation. 相似文献