GNSSINS紧组合列车自主定位融合算法研究的中期报告.docxVIP

GNSSINS紧组合列车自主定位融合算法研究的中期报告 本研究旨在开发一种紧组合列车自主定位融合算法，该算法将GNSS和INS数据进行紧密融合，以提高列车定位的精度和可靠性。本文为中期报告，介绍了已完成的工作、取得的成果和未来计划。 已完成的工作： 1.分析了列车自主定位中遇到的问题，并确定了优化方法。列车在运行过程中会受到各种误差和干扰，如动态模型误差、信号遮挡、信号抖动等，这些因素都会对定位精度造成影响。因此，我们需要采用多传感器融合的方法，将GNSS和INS数据进行紧密融合，以提高定位精度和鲁棒性。 2.设计并实现了GNSS和INS数据预处理模块。该模块可以对GNSS和INS数据进行校正、滤波和插值处理，以减少数据误差和提高数据精度。同时，该模块还可以实现数据的时间对齐和坐标系转换，以方便后续数据融合处理。 3.设计了基于卡尔曼滤波算法的GNSSINS数据融合模块。该模块可以将GNSS和INS数据进行紧组合，以实现更精确的列车定位。该模块还可以自适应地调整卡尔曼滤波器的系数，以适应不同的运行场景和越野条件。 取得的成果： 1.完成了GNSSINS数据融合系统的设计和实现。该系统可以对GNSS和INS数据进行紧密融合，以提高列车定位的精度和可靠性。 2.进行了多组实验，并对实验结果进行了分析和评估。实验结果表明，采用GNSSINS紧组合算法可以显著提高列车定位的精度和鲁棒性，尤其是在城市峡谷等遮挡严重的场景下表现更加出色。 未来计划： 1.进一步优化算法，增加算法的鲁棒性和适用性，以适应不同的运行场景和越野条件。 2.拓展算法的使用范围，将其运用到其他领域的自主定位与导航、智能驾驶等方面。 3.完善实验设计和数据处理方法，对GNSSINS紧组合算法的性能进行更加准确的评估和分析。