APP下载

提高车辆GPS定位精度的卡尔曼滤波算法研究

2016-12-10

汽车文摘 2016年1期
关键词:定位精度卡尔曼滤波扰动



提高车辆GPS定位精度的卡尔曼滤波算法研究

随着车联网技术的发展,车与车(V2V)、车与路边基础设施(V2I)之间的通信正在对车辆定位精度提出更高要求。美国市场研究公司(ABI)的研究显示,定位数据是上述应用的首要保障,未来几年内车载导航市场预计会增长25.9%,车体位置、速度和航向将成为最具价值的数据集。全球定位系统(GPS)是目前应用最广泛的车外定位传感器,该系统的精度和可靠性是车辆工程师们所面临的最大挑战。

在静态单点定位条件下,最小二乘法估计通常用于求解用户位置,但在动态定位情况下效果却不理想,定位精度一般在10~15m范围内。

20世纪40年代Rudolf Kalman提出了卡尔曼滤波算法,该算法很好地解决了线性时变系统的最优估计问题,并在导航领域得到了大量推广。该算法假设:①系统是动态、线性的;②系统扰动和测量误差服从零均值、方差已知的正态分布;③系统扰动和测量噪声不相关。基于卡尔曼滤波算法,很多专家学者又针对非线性系统相继提出了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等算法,旨在对原算法进行补充和改进。

实际测量过程中,卡尔曼滤波算法能够将动态系统的定位精度提升至5m,用该算法求解得到的用户轨迹曲线也更加平滑,效果优良。

Bhavani Srinivasaiah et al. SAE 2014-01-0268.

编译:汪涛

猜你喜欢

定位精度卡尔曼滤波扰动
北方海区北斗地基增强系统基站自定位精度研究
小米8手机在城市环境下的单点定位精度研究
基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法
一类五次哈密顿系统在四次扰动下的极限环分支(英文)
扰动作用下类岩石三轴蠕变变形特性试验研究
Galileo中断服务前后SPP的精度对比分析
带扰动块的细长旋成体背部绕流数值模拟
脉冲星方位误差估计的两步卡尔曼滤波算法
卡尔曼滤波在雷达目标跟踪中的应用
卡尔曼滤波在雷达目标跟踪中的应用