室內(nèi)外環(huán)境日益復(fù)雜,人們對于導(dǎo)航的需求日益增加,尤其是商場、圖書館、地鐵站等大型公共場所,常需要快速的獲得用戶所在的位置。WIFI、紅外線、UWB等基于無線射頻信號的室內(nèi)定位方式無法在停電及其他一些情況下使用,室外定位主要采用成熟的GPS,但是GPS信號存在遮擋等問題。捷聯(lián)慣性導(dǎo)航（SINS）只需要根據(jù)慣性測量單元（IMU）的測量數(shù)據(jù)就可實現(xiàn)獨立自主導(dǎo)航,因此經(jīng)常將GPS與SINS進(jìn)行組合實現(xiàn)室內(nèi)外的行人連續(xù)導(dǎo)航。實現(xiàn)高精度、實時性好GPS/SINS組合導(dǎo)航需要有良好的濾波算法,因此本文主要對非線性濾波方法展開研究。首先,對常用的導(dǎo)航坐標(biāo)系及其變換、GPS導(dǎo)航原理、INS原理、GPS/INS組合導(dǎo)航模型進(jìn)行分析;對貝葉斯非線性濾波框架下的EKF、UKF、PF進(jìn)行原理分析與仿真對比。其次,針對IMU存在有色噪聲影響而使得導(dǎo)航定位精度低,根據(jù)IMU噪聲特點進(jìn)行建模并對擴(kuò)展卡爾曼濾波模型進(jìn)行改進(jìn),將改進(jìn)的算法在組合導(dǎo)航中進(jìn)行驗證。最后,對箱粒子濾波（BPF）進(jìn)行原理分析,PF與BPF進(jìn)行對比仿真分析,發(fā)現(xiàn)BPF 比 PF精度和實時性都要好,特別是實時性;建立GPS/INS松組合模型,將箱粒子... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題背景與意義
    1.2 組合導(dǎo)航的研究現(xiàn)狀
    1.3 論文的主要內(nèi)容與結(jié)構(gòu)編排
第2章 組合導(dǎo)航的基本原理
    2.1 常用坐標(biāo)系及其變換
        2.1.1 常用導(dǎo)航坐標(biāo)系
        2.1.2 坐標(biāo)系的變換
    2.2 GPS導(dǎo)航原理
        2.2.1 GPS導(dǎo)航定位的原理
        2.2.2 GPS導(dǎo)航的主要誤差來源
    2.3 捷聯(lián)慣性導(dǎo)航
        2.3.1 捷聯(lián)慣性導(dǎo)航的原理
        2.3.2 捷聯(lián)慣導(dǎo)的誤差分析
        2.3.3 捷聯(lián)慣導(dǎo)的初始對準(zhǔn)
    2.4 GPS/INS組合導(dǎo)航系統(tǒng)
    2.5 本章小結(jié)
第3章 非線性濾波方法研究
    3.1 貝葉斯濾波
    3.2 擴(kuò)展卡爾曼濾波
        3.2.1 算法原理
        3.2.2 算法流程
    3.3 無跡卡爾曼濾波
        3.3.1 算法原理
        3.3.2 算法流程
    3.4 粒子濾波
        3.4.1 蒙特卡羅采樣
        3.4.2 序貫重要性采樣重要性
        3.4.3 重采樣
        3.4.4 粒子濾波算法通用流程
    3.5 各濾波算法的仿真對比
    3.6 本章小結(jié)
第4章 改進(jìn)擴(kuò)展卡爾曼濾波的組合導(dǎo)航算法
    4.1 有色噪聲擴(kuò)展卡爾曼濾波模型
        4.1.1 有色噪聲及其模型的建立
        4.1.2 有色噪聲擴(kuò)展卡爾曼濾波算法
    4.2 組合導(dǎo)航系統(tǒng)的設(shè)計
        4.2.1 系統(tǒng)框架
        4.2.2 步態(tài)檢測
        4.2.3 組合導(dǎo)航算法
        4.2.4 有色噪聲擴(kuò)展卡爾曼濾波的應(yīng)用
    4.3 實驗驗證
    4.4 本章小結(jié)
第5章 箱粒子濾波在組合導(dǎo)航中的應(yīng)用
    5.1 箱粒子濾波
        5.1.1 區(qū)間分析
        5.1.2 箱粒子濾波算法
        5.1.3 箱粒子與粒子的仿真對比
    5.2 箱粒子濾波下的GPS/INS模型的建立
        5.2.1 GPS/INS松組合模型的建立
        5.2.2 伯努利箱粒子濾波行人組合導(dǎo)航
        5.2.3 箱粒子濾波參數(shù)的設(shè)計
        5.2.4 計算步驟
    5.3 實驗驗證
        5.3.1 信息采集系統(tǒng)的設(shè)計
        5.3.2 實驗方案
        5.3.3 實驗結(jié)果及其分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 下一步研究方向
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]采用EKF與PF的室內(nèi)融合定位技術(shù)[J]. 張雨婷,陳璟.  傳感技術(shù)學(xué)報. 2020(02)
[2]基于機器學(xué)習(xí)與步態(tài)特征輔助的行人導(dǎo)航方法[J]. 錢偉行,周紫君,謝非,陳欣,王融,劉文慧.  中國慣性技術(shù)學(xué)報. 2019(04)
[3]有色噪聲條件下擴(kuò)展卡爾曼濾波算法研究[J]. 張奇正,黃雪梅,蔡述江.  計算機仿真. 2019(06)
[4]一步相關(guān)卡爾曼濾波估計[J]. 劉俊釗,林旭,劉奕凡.  測繪. 2018(05)
[5]多傳感器行人航位推算方法和UKF融合算法[J]. 漆鈺暉,郭杭,鄧林坤.  測繪通報. 2018(03)
[6]基于有色噪聲的改進(jìn)卡爾曼濾波方法[J]. 熊雪,郭敏華,李偉杰,趙瑾,崔金華.  中國慣性技術(shù)學(xué)報. 2017(01)
[7]粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J]. 李天成,范紅旗,孫樹棟.  自動化學(xué)報. 2015(12)
[8]基于似然分布的樣本數(shù)自適應(yīng)UPF算法[J]. 高怡,高雅,高社生.  中國慣性技術(shù)學(xué)報. 2015(05)
[9]捷聯(lián)姿態(tài)計算中方向余弦與四元數(shù)法分析比較[J]. 尹劍,陳紅,楊萌,黃皓.  四川兵工學(xué)報. 2015(09)
[10]基于箱粒子的多擴(kuò)展目標(biāo)PHD濾波[J]. 宋驪平,嚴(yán)超,姬紅兵,梁萌.  控制與決策. 2015(10)

博士論文
[1]慣性行人導(dǎo)航系統(tǒng)的算法研究[D]. 趙紅宇.大連理工大學(xué) 2015
[2]運載器組合導(dǎo)航高性能濾波算法研究[D]. 高怡.西北工業(yè)大學(xué) 2014
[3]非線性非高斯條件下貝葉斯濾波若干問題研究[D]. 何可可.南京理工大學(xué) 2012
[4]非線性濾波方法及其在導(dǎo)航中的應(yīng)用研究[D]. 向禮.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]GNSS和IMU的室內(nèi)外行人無縫導(dǎo)航方法研究[D]. 王凱龍.南昌大學(xué) 2018
[2]基于GPS/INS組合導(dǎo)航的軌跡補償方法研究[D]. 謝永強.吉林大學(xué) 2018
[3]基于視覺導(dǎo)航的四旋翼無人機自主著降控制研究[D]. 單一.南京航空航天大學(xué) 2018
[4]具備完好性監(jiān)測功能的衛(wèi)星/慣性緊組合導(dǎo)航方法研究[D]. 李朝陽.國防科技大學(xué) 2017
[5]GPS/Visual/INS多傳感器融合導(dǎo)航算法的研究[D]. 王加芳.浙江大學(xué) 2017
[6]基于SINS/GPS的組合導(dǎo)航系統(tǒng)與濾波算法研究[D]. 曹晟杰.華南理工大學(xué) 2016
[7]基于WiFi和慣性傳感器的多信息融合室內(nèi)定位系統(tǒng)的設(shè)計與實現(xiàn)[D]. 姚志鋒.華南理工大學(xué) 2016
[8]SINS/GPS組合導(dǎo)航系統(tǒng)研究[D]. 王菲.北京理工大學(xué) 2015
[9]基于foot-mounted的IMU室內(nèi)行人航跡推算研究[D]. 殷紅.南昌大學(xué) 2013
[10]GPS/INS組合導(dǎo)航算法研究[D]. 鄧?yán)麍?電子科技大學(xué) 2013



本文編號：3041266