CDKF、UKF和EKF滤波算法在GPS系统中的应用比较
摘要:本文分别利用CDKF、UKF和EKF三种方法对车辆GPS/DR组合导航系统进行了滤波实验,实验结果进一步表明CDKF方法明显优于EKF和UKF方法,是车辆组合导航中一种更理想的非线性滤波方法,从而真正实现了车辆低成本、高精度的实时定位。
1 引言
全球导航定位系统(GPS)因其可以提供全天候、连续、实时的高精度定位而在车辆定位中得到了广泛的应用。然而当车辆行驶于地下隧道、高山隧道、高楼等特殊地理环境时,由于GPS卫星遮挡问题的存在会造成GPS无法正常定位;基于此,一般车载导航系统普遍采用低成本的航位推算系统(DR)和GPS来构成组合定位系统。当GPS信号丢失而无法定位时,DR系统可继续工作,系统的可靠性得到了提高 。
然而,实际的车辆组合导航系统模型一般都是非线性的。利用扩展卡尔曼滤波(EKF)方法,即将非线性方程围绕状态估值进行Talor展开,并进行一阶线性化截断,可建立系统的线性化标准卡尔曼滤波模型。但是在实际应用中,EKF也存在着一些不足,如当非线性观测方程的Talor展开式中的高次项不能忽略时,EKF会导致很大的线性化误差,造成滤波器难以稳定。
针对EKF的不足,近几年出现了一套全新的非线性滤波方法,即Sigma-Point卡尔曼滤波(SPKF),其利用加权统计线性化回归技术(WSLR),通过一组确定性采样点(Sigma点)来捕获系统的相关统计参量。根据Sigma点选取的不同,其主要分为Unscented卡尔曼滤波(UKF)和中心差分卡尔曼滤波(CDKF)。
CDKF滤波算法的优势在于它克服了EKF方法的缺点,滤波时不需要系统模型的具体解析形式,并充分考虑了随机变量的噪声统计特性,具有比EKF更小的线性化误差和更高的定位精度,它对状态协方差的敏感性要低得多,且逼近速度快于UKF。研究发现CDKF的另一个优点是只使用一个参数h,相对于需要确定三个参数的UKF,在实际应用中更便于实现。
本文分别利用CDKF、UKF和EKF三种方法对车辆GPS/DR组合导航系统进行了滤波实验,实验结果进一步表明CDKF方法明显优于EKF和UKF方法,是车辆组合导航中一种更理想的非线性滤波方法,从而真正实现了车辆低成本、高精度的实时定位。
非常好我支持^.^
(2) 100%
不好我反对
(0) 0%
相关阅读:
- [电子说] 基于Simulink搭建二阶RC的EKF算法电池SOC估算模型 2023-06-29
- [电子说] 基于EKF算法的电池SOC估算研究 2023-06-28
- [工业控制] 基于扩展卡尔曼滤波EKF的无感控制+Matlab/Simulink仿真案例 2023-06-08
- [电子说] LLM底座模型:LLaMA、Palm、GLM、BLOOM、GPT结构对比 2023-05-19
- [电子说] 关于改进EKF的自抗扰飞控系统的设计 2018-06-13
- [通信设计应用] 一种EKF改进算法探讨 2011-08-11
( 发表人:自由频率 )