超寬帶定位與鞋式個人導航融合算法的研究與實現(xiàn)
發(fā)布時間:2020-12-12 03:46
隨著通信技術(shù)的不斷發(fā)展,傳統(tǒng)單一的定位方式已無法滿足人們在室內(nèi)復雜環(huán)境中對定位需求,融合多種定位成了當前的研究趨勢。超寬帶(Ultra Wideband,UWB)因其具有精度高、容量大和抗干擾能力強的特點,迅速成為了近年來研究的熱點。同時,超寬帶信號擁有較寬的頻域帶寬,對應的時域信號很短,所以超寬帶適合基于測量信號飛行時間的定位方式,如TDOA(Time Difference of Arrival)/TOA(Time of Arrival)定位,但是定位精度受非視距和多徑效應的影響明顯,在復雜環(huán)境里尤為突出。捷聯(lián)慣性導航系統(tǒng)(Strap-down Inertial Navigation System,SINS),是一種依據(jù)慣性傳感器的自主式定位系統(tǒng),其無需外部設(shè)備的輔助,只需利用慣性傳感器采集運動過程中的加速度和角速度,再結(jié)合自身的姿態(tài)解算算法即可完成導航定位,這一特點使得慣性導航技術(shù)能很好應用于復雜的定位環(huán)境中,所以在近年來也受到了廣泛的關(guān)注。但是基于微電機(Micro-Electro-Mechanical System,MEMS)技術(shù)的慣性傳感器精度不高,其內(nèi)部的陀螺儀和加速度計存...
【文章來源】: 賴福林 電子科技大學
【文章頁數(shù)】:84 頁
【學位級別】:碩士
【部分圖文】:
導航坐標系(3)載體坐標系(Bodycoordinatesystem):簡稱b系,載體坐標系是指隨著慣
第二章 定位導航技術(shù)的算法理論 三軸分別對應載體的橫軸,縱軸和豎軸。根據(jù)三軸的指向不同,載體坐標系通常也有不同的取法,常見的有“前-右-下”和“右-前-上”,兩種不同的安裝方式,會使得載體坐標系的三軸指向發(fā)生變化,如圖 2-8 所示:
第三章數(shù)據(jù)融合與步態(tài)約束算法27~kx~kP,,,kkkkFBQu,,kkkHRz~11~1kkkkkTkkkkkxFxBuPFPFQ~~~1()kkkkTTkkkkkkkyzHxKPHHPHR~~~kkkkkkkkkxxKyPPKHPkk1圖3-2卡爾曼濾波流程通過圖3-2以及對上述公式的說明,可以看出線性卡爾曼濾波的實質(zhì)就是在系統(tǒng)存在噪聲的條件下對系統(tǒng)的狀態(tài)進行最優(yōu)估計。但在實際的工程應用中,許多系統(tǒng)并非是線性系統(tǒng),使得線性卡爾曼濾波無法使用,因此為了解決這一問題,引入了適用于非線性系統(tǒng)的卡爾曼濾波器,稱擴展卡爾曼濾波器。3.1.2擴展卡爾曼濾波擴展卡爾曼濾波器(ExtendedKalmanFilter,EKF)實際上是線性卡爾曼濾波器的一種擴展形式,其本質(zhì)是利用泰勒展開式對非線性系統(tǒng)進行一階的線性化,然后再濾波。擴展卡爾曼濾波器的狀態(tài)預測和狀態(tài)更新方程與線性卡爾曼濾波器是類似的,只是略有的不同。狀態(tài)預測部分:~1(,)kkkxfxs(3-7)~11111TkkkkkkkPFPFSQS(3-8)狀態(tài)更新部分:~kkkkxxKy(3-9)~~kkkkkPPKHP(3-10)~(,)kkkkkyzhxv(3-11)~~1()TTkkkkkkkkkKPHHPHVRV(3-12)由于在實際應用中無控制向量輸入,所以在公式(3-7)中,忽略控制輸入向量,并且將轉(zhuǎn)換模型用函數(shù)f表示。誤差協(xié)方差kP的狀態(tài)預測如公式(3-8)所示,其中F
【參考文獻】:
期刊論文
[1]行人慣性導航零速檢測算法[J]. 費程羽,蘇中,李擎. 傳感器與微系統(tǒng). 2016(03)
[2]基于MEMS慣性技術(shù)的鞋式個人導航系統(tǒng)[J]. 張金亮,秦永元,梅春波. 中國慣性技術(shù)學報. 2011(03)
[3]一種用于智能空間的多目標跟蹤室內(nèi)定位系統(tǒng)[J]. 谷紅亮,史元春,申瑞民,陳渝. 計算機學報. 2007(09)
本文編號:2911798
【文章來源】: 賴福林 電子科技大學
【文章頁數(shù)】:84 頁
【學位級別】:碩士
【部分圖文】:
導航坐標系(3)載體坐標系(Bodycoordinatesystem):簡稱b系,載體坐標系是指隨著慣
第二章 定位導航技術(shù)的算法理論 三軸分別對應載體的橫軸,縱軸和豎軸。根據(jù)三軸的指向不同,載體坐標系通常也有不同的取法,常見的有“前-右-下”和“右-前-上”,兩種不同的安裝方式,會使得載體坐標系的三軸指向發(fā)生變化,如圖 2-8 所示:
第三章數(shù)據(jù)融合與步態(tài)約束算法27~kx~kP,,,kkkkFBQu,,kkkHRz~11~1kkkkkTkkkkkxFxBuPFPFQ~~~1()kkkkTTkkkkkkkyzHxKPHHPHR~~~kkkkkkkkkxxKyPPKHPkk1圖3-2卡爾曼濾波流程通過圖3-2以及對上述公式的說明,可以看出線性卡爾曼濾波的實質(zhì)就是在系統(tǒng)存在噪聲的條件下對系統(tǒng)的狀態(tài)進行最優(yōu)估計。但在實際的工程應用中,許多系統(tǒng)并非是線性系統(tǒng),使得線性卡爾曼濾波無法使用,因此為了解決這一問題,引入了適用于非線性系統(tǒng)的卡爾曼濾波器,稱擴展卡爾曼濾波器。3.1.2擴展卡爾曼濾波擴展卡爾曼濾波器(ExtendedKalmanFilter,EKF)實際上是線性卡爾曼濾波器的一種擴展形式,其本質(zhì)是利用泰勒展開式對非線性系統(tǒng)進行一階的線性化,然后再濾波。擴展卡爾曼濾波器的狀態(tài)預測和狀態(tài)更新方程與線性卡爾曼濾波器是類似的,只是略有的不同。狀態(tài)預測部分:~1(,)kkkxfxs(3-7)~11111TkkkkkkkPFPFSQS(3-8)狀態(tài)更新部分:~kkkkxxKy(3-9)~~kkkkkPPKHP(3-10)~(,)kkkkkyzhxv(3-11)~~1()TTkkkkkkkkkKPHHPHVRV(3-12)由于在實際應用中無控制向量輸入,所以在公式(3-7)中,忽略控制輸入向量,并且將轉(zhuǎn)換模型用函數(shù)f表示。誤差協(xié)方差kP的狀態(tài)預測如公式(3-8)所示,其中F
【參考文獻】:
期刊論文
[1]行人慣性導航零速檢測算法[J]. 費程羽,蘇中,李擎. 傳感器與微系統(tǒng). 2016(03)
[2]基于MEMS慣性技術(shù)的鞋式個人導航系統(tǒng)[J]. 張金亮,秦永元,梅春波. 中國慣性技術(shù)學報. 2011(03)
[3]一種用于智能空間的多目標跟蹤室內(nèi)定位系統(tǒng)[J]. 谷紅亮,史元春,申瑞民,陳渝. 計算機學報. 2007(09)
本文編號:2911798
本文鏈接:http://www.lk138.cn/kejilunwen/xinxigongchenglunwen/2911798.html
最近更新
教材專著