一种基于卡尔曼滤波动态目标GPS定位算法.docVIP

一种基于卡尔曼滤波的动态目标GPS定位算法 　　摘要：针对动态目标的GPS定位精度不高和实时性较低的问题，通过改进卡尔曼滤波的定位算法，有效消除GPS动态数据的随机误差，给出了仿真得出的运动轨迹对比图和误差曲线对比图.该算法将速度观测量加入到常规的卡尔曼方程中，得出带约束项的改进型卡尔曼方程.通过实验结果可以看出该算法可以有效提高动态目标的GPs定位精度和实时性，具有重要的理论和实际意义. 　　关键词：动态目标；GPS定位；卡尔曼方程；约束项 　　Dol：10.15938/j.jhust.2016.04.00l 　　中图分类号：TN966 　　文献标志码：A 　　文章编号：1007―2683（2016）04―0001―06 　　0引言 　　全球定位系统（GPS）自1973年首次由美国国防部部署开始，凭借自身的高效益、高精度、自动化、全球性、全天候等显著特点，被广泛应用到大地测量、工程测量，水利、电力、交通、资源勘探和航海等领域中。 　　由于GPs的现代化进程飞速发展，其应用的范围越来越广泛，对其精度和速度也有了更高的要求.通过文献查阅可知，GPS动态定位一般可以分为伪距动态定位和载波相位动态定位.伪距定位平面坐标的精度可以最小可以达到0.48 m，载波相位定位平面坐标精度约为O.004m，但目前在GPS定位算法方面的研究还很不足，在滤波的过程中所用到的定位方程运算复杂，计算量很大，定位的精度低，速度慢，不适用于对动态目标的定位，本文对定位算法进行改进，通过分析GPS接收机的定位结果，设一个误差总和，其包含各种误差因素，由于定位的精度会受到速度观测量的影响，现将速度视为约束条件的卡尔曼方程与将速度视为观测量的常规卡尔曼方程联立.可以提高定位的精度和实时性，简化方程，减少计算量，对于GPS定位算法的发展而言，具有重要的理论和实际意义。 　　1.GPS定位误差分析 　　GPS为导航定位、测量和测量学开辟了一个崭新的时代.但由于GPS定位中含多种误差，利用传统的方法很难将其影响去除，使得GPS在某些场合的应用还受到限制，GPS定位的主要的误差源包括：①卫星测量误差.可分为：卫星时钟误差、星历误差、电离层的附加延迟误差、对流层的附加延时误差，②卫星的几何位置造成的定位误差，在运动目标定位中误差主要源于如下几种：多路径效应、信号遮挡、信号丢失、GPS接收机动态测量范围的局限性而引起的定位误差及首次定位的时延误差等。 　　影响GPS定位结果的误差因素也同时影响其测速情况，不过，接收机误差因素的影响表现显著，其他因素影响稍弱.接收机误差因素中接收设备的锁相跟踪环路掺人噪声，产生虚假的多普勒频移是其主要影响GPS测速的因素。 　　2.观测速度量的GPS定位算法 　　将误差因素均看成零均值的高斯白噪声，而实际情况中，很多信号显示为非白噪声分布.为了能提高GPS对于动态目标的定位精度和稳定性，对其信号的处理方式选用了卡尔曼滤波（kalman filter）算法.其原理是根据信号的前次估计值和当前观测值，通过利用线性无偏最小方差估计准则来推算得出当前的信号值，无需考虑以往观察值.还需已知状态方程、量测方程、白噪声激励的统计特性、量测误差的统计特性，其所用的信息均是属于时域内的.卡尔曼滤波适用于多维，其适用范围十分广泛，其特点有以下4种： 　　1）可以通过计算处理随机信号. 　　2）可以区分出所用被处理信号是否有用和干扰。 　　3）利用系统的白噪声激励和量测噪声的统计特性进行估算，不将其滤除。 　　4）算法属于递推类型，且在时域内使用状态空间法，适用多维随机过程。 　　卡尔曼滤波只利用信号的前次估计值和当前观测值，就可以对其进行线性无偏最小方差. 　　由于动态目标在运动过程具有复杂性，根据常规滤波方程处理可以发现其过程复杂、计算量大、实时性低等缺点.在实际使用的情况下，通过在GPS接收机上接收到的定位坐标进行预处理，并将所有的得到的误差加和计算.达到简化方程；减少数据处理量；减少得到的运算结果延迟性和准确性的目的。 　　2.2基于速度量的算法改进 　　2.2.1状态方程 　　在定位的实际应用中主要考虑平面的位置情 　　2.2.2改进后量测方程 　　比较GPS定位的速度数据和位置数据可得，其原理不相同，准确性则不同，速度数据的准确性高于位置数据的准确性，GPS定位过程中会输出的动态目标位置信息和速度信息，其中速度信息可分为速度的大小和方向，速度观测量影响GPS的定位精度，在观测方程中加入速度观测量可以提高定位精度，提高状态的可观测度。 　　将约束方程代人卡尔曼模型中，使得原本的卡尔曼方程的状态参数不满足新的条件方程。需要对其进行相应的修改，实现准确的滤波推导.根据采用最小方差估计原则，推导出新的带有速