GPS测码伪距动态绝对定位研究

VIP免费

3.0 陈辉 2024-11-19 16 4 6.2MB 77 页 15积分

侵权投诉

摘要

GPS 作为 20 世纪 70 年代发展起来的新型定位导航系统，可以进行全球、全

天候的实时导航，其定位误差与时间无关，且具有较高的定位精度和测速精度。

但是，GPS 的载体在做动态运动时，常使 GPS 接收机不易捕获和跟踪卫星载波信

号，再加上动态定位环境的复杂性，使 GPS 往往达不到足够的定位精度。为此，

学者们提出了多种提高精度的 GPS 动态滤波方法，其中较为成功的是卡尔曼滤波。

然而应用卡尔曼算法进行 GPS 动态滤波，既要对运动载体建立准确合理的动态模

型，又要对各种随机误差准确建模。在提高滤波器的动态性能适应车辆的机动性

及简化整个滤波模型提高实时性等方面，仍存在许多问题，极大地影响了卡尔曼

滤波在 GPS 定位方面的应用。

上世纪 90 年代以来，以神经网络为代表的人工智能技术得到快速发展。神经

网络技术不需要建立精确的数学模型，可与卡尔曼滤波有机融合成新的方法。本

文尝试应用神经网络技术辅助卡尔曼滤波，进行车辆 GPS 信号的动态滤波处理，

并用仿真实验验证算法的有效性。

针对车辆 GPS 定位系统中广泛采用的卡尔曼滤波器难以建立精确数学模型的

问题，提出了基于神经网络的卡尔曼滤波器信息融合算法。该算法将系统状态矩

阵用神经网络进行模型参数辨识，选取有限样本进行训练以获得所需精度的状态

矩阵，然后用卡尔曼滤波器进行数据融合得到车辆的实时位置，从而提高卡尔曼

滤波算法的 GPS 定位效果。针对经典卡尔曼滤波处理非线性问题能力的不足，提

出在卡尔曼滤波算法进行估计时，将确定的能影响定位的误差参数作为神经网络

输入，输出卡尔曼滤波估计的误差校正卡尔曼算法，从而改进卡尔曼滤波的非线

性处理能力。

建立了 GPS 绝对定位的半实物仿真系统，并利用该系统进行了静态实验和动

态实验。实验表明，基于神经网络的卡尔曼滤波算法的设计是成功的，定位精度

能够满足车载定位要求。为今后进一步开展数据处理算法改进的研究奠定了良好

基础。

关键词：GPS 动态定位卡尔曼滤波神经网络 BP 算法信息融合

ABSTRACT

GPS is a new kind of positioning and navigation system, developed since 1970s,

which can guide the users whenever and wherever. Its positioning error is independent

with time and its accuracy is high. But the movement of carriers makes GPS receivers

hard to catch the satellite signals. Together with the complexity of dynamic

environment, GPS positioning can’t reach the precision.To improve the above

mentioned phenomenon, plenty of scholars proposed many GPS dynamic filtering

methods, among which is the Kalman filtering. However, when the Kalman filtering

method is used, the precise system and observation models have to be made, not only

the vehicle modeling but also the random error. A lot of research on this issue was done,

but how to make the vehicle model more precise and reasonable and how to improve the

dynamic performance of fitering are still a problem, which affect the application of

Kalman filtering on the GPS positioning.

Since 1990s, artificial intelligence technology has developed rapidly, the

representative of which is the artificial neural networks. This method has no need of the

precise modeling and becomes a new way to improve the Kalman filtering. In this

paper, an improved method of Kalman filtering is presented. The neural network is

introduced to improve the limitation of classical Kalman filtering. Simulation results

indicate that the improved algorithm has adaptability and much more precise than the

traditional Kalman filter algorithm.

In order to improve the precise mathematical modeling on vehicle GPS positioning, a

method of improved Kalman filtering based on neural network is presented. The neural

network is used to identify the system state matrix and is trained by part of the samples.

Then the Kalman filtering data fusion is adopted to get the real-time position of the

vehicle. The new method can improve the performance of Kalman filtering on GPS

positioning. To improve the nonlinear limitation of Kalman fitering, another method is

presented. The positioning error parameters are used as the input of the neural network

and the output is the evaluated error of Kalman filtering.

The hardware-in-the-loop simulation system of GPS absolute positioning is built. The

static test and dynamic test are conducted. Experimental results indicate that the

impoved algorithm is a successful design and its accuracy fullfills the GPS vehicle

positioning requirements. The improvement lays the foundation of data processing

algorithm for further study.

Key Words: GPS dynamic positioning, Kalman filtering, Neural

network, BP algorithm, Information fusion

目  录
中文摘要
ABSTRACT
第一章  绪  论...................................................................................................................1
§1.1 概述...................................................................................................................1
§1.2 GPS 动态定位技术的发展现状与问题...........................................................2
§1.2.1 GPS 定位技术............................................................................................2
§1.2.2 GPS 动态定位中存在的问题....................................................................3
§1.3 本文所做的主要工作.......................................................................................5
第二章  GPS 卫星定位原理.............................................................................................6
§2.1 GPS 卫星信号的组成.......................................................................................6
§2.1.1 测距码........................................................................................................6
§2.1.2 数据码........................................................................................................8
§2.1.3 载波信号与卫星信号的调制....................................................................9
§2.2 GPS 定位原理.................................................................................................10
§2.2.1 三维定位原理..........................................................................................10
§2.2.2 GPS 伪距定位原理..................................................................................11
§2.3 GPS 卫星信号仿真.........................................................................................12
§2.3.1 C/A 码仿真...............................................................................................12
§2.3.2 单颗卫星信号仿真..................................................................................14
§2.3.3 组合卫星信号仿真..................................................................................17
第三章  GPS 观测模型及运动载体建模研究...............................................................19
§3.1 GPS 观测量.....................................................................................................19
§3.1.1 测码伪距观测量......................................................................................19
§3.1.2 测相伪距观测量......................................................................................20
§3.1.3 多普勒积分计数伪距差..........................................................................20
§3.1.4 GPS 观测量误差分析..............................................................................21
§3.2 GPS 观测模型.................................................................................................23
§3.2.1 测码伪距观测模型..................................................................................23
§3.2.2 测相伪距观测模型..................................................................................24
§3.2.3 测码伪距与测相伪距组合观测模型......................................................26
§3.3 运动载体模型.................................................................................................29
§3.3.1  运动载体建模.........................................................................................30
§3.3.2  运动载体轨迹仿真.................................................................................33
第四章  GPS 动态定位数据处理模型研究...................................................................35
§4.1 最小二乘法.....................................................................................................35
§4.1.1 标准最小二乘法......................................................................................35
III

§4.1.2 加权最小二乘法......................................................................................36
§4.1.3 递推最小二乘法......................................................................................37
§4.2 卡尔曼滤波算法.............................................................................................39
§4.2.1 离散型线性卡尔曼滤波算法..................................................................39
§4.2.2 白噪声条件下的离散型线性卡尔曼滤波算法......................................42
§4.2.3 离散型非线性卡尔曼滤波算法..............................................................43
§4.2.4 卡尔曼滤波误差分析..............................................................................45
§4.3 基于神经网络的卡尔曼滤波算法.................................................................49
§4.3.1 BP 神经网络模型....................................................................................49
§4.3.2 BP 算法....................................................................................................51
§4.3.3 BP 网络辅助卡尔曼滤波混合算法设计................................................53
§4.3.4 基于神经网络的卡尔曼滤波算法仿真..................................................55
第五章  GPS 定位的硬件平台和软件设计...................................................................58
§5.1 GPS 定位的硬件平台.....................................................................................58
§5.1.1 GPS 模块构成..........................................................................................58
§5.1.2 u-blox 5 系列GPS 模块及附件...............................................................59
§5.2 GPS 定位滤波的软件设计.............................................................................61
§5.2.1 接口程序..................................................................................................61
§5.2.2 数据转换程序..........................................................................................62
§5.2.3 定位滤波程序..........................................................................................65
§5.2.4 控制显示程序..........................................................................................66
第六章  GPS 定位实测评估...........................................................................................68
§6.1 半实物仿真.....................................................................................................68
§6.1.1 仿真系统..................................................................................................69
§6.1.2 仿真软件..................................................................................................70
§6.2 静态实验.........................................................................................................70
§6.3 动态实验.........................................................................................................71
§6.4 u-center 软件评估...........................................................................................73
第七章  结论与展望.......................................................................................................76
参考文献.........................................................................................................................78
在读期间公开发表的论文和承担科研项目及取得成果.............................................81
致  谢...............................................................................................................................82
IV

第一章绪论

§1.1 概述

全球定位系统(Global Positioning System, GPS)即GPS系统，是20世纪70年代由

美国国防部研制的新一代卫星导航定位系统，向全球范围内的用户全天候提供高精

度的导航、定位和授时服务[1]。GPS从根本上解决了人类在地球及其周围空间的导

航及定位问题，不仅可以满足军事部门的需要，同时，在各种民用部门也获得了成

功的应用。

GPS系统由空间星座部分、地面监控部分和用户设备部分等三大部分组成，如

图1.1所示。空间星座部分主要由分布在6个轨道面上的24颗GPS卫星组成，如图

1.2所示。这些卫星向用户发送定位信息、提供高精度的时间标准、接收并储存地

面监控站发来的导航信息、进行必要的数据处理、接收并执行监控站指令、调节卫

星姿态和修正轨道参数[2]。地面监控部分包括卫星监测站、主控站和信息注入站。

用户设备部分是用户进行导航定位的终端设备，由接收机硬件、数据处理软件以及

微处理器构成[3]。

图1.1 GPS系统结构图

GPS提供标准定位服务(SPS)和精密定位服务(PPS)两种服务。PPS主要用于美国

核准的军方用户和选定的政府部门。SPS的使用未设任何限制，全世界所有用户均

可用。SPS广泛应用于航空领域、空间运载引导领域、海洋领域和陆用GPS领域。

GPS在航空领域提供从航路到精密飞行轨道阶段的引导，可以使用最佳航路降低航

行时间和油耗。在空间运载引导领域用于航天飞机飞行引导以及国际空间站的支持

GPS 测码伪距动态绝对定位研究

控制功能、数据采集活动和导航。在海洋领域提供洋面旅行和内河航道导航以及石

油勘测。GPS是智能交通系统的关键组成部分[3,4]。在车辆应用方面，可用于路径引

导、跟踪和应急事故通报。GPS系统除定位服务外，同时利用GPS卫星的高稳定性

原子时钟为用户提供精密授时服务。

图1.2 GPS卫星星座

目前，GPS应用得到世界各国的普遍认可和关注，各国在GPS应用研究和GPS

信息资源开发中倾注了巨大的人力和物力。随着21世纪初叶GPS系统现代化的实施

GPS的定位精度与应用范围将得到进一步的扩展。

§1.2 GPS动态定位技术的发展现状与问题

§1.2.1 GPS定位技术

在GPS导航系统中，可根据待测点的运动状态分为静态定位和动态定位；又可

根据待测点在协议地球坐标系中的绝对位置或相对位置，分为绝对定位和相对定

位。

GPS静态定位是确定的待测点的位置相对于其周围的固定点没有位置变化，或

者虽然有可觉察到的位置变化，但这种变化相当缓慢，在一次观测期间内，无法

察觉到，只有在两次观测之间，这些相对变化才反映出来，从而使在每次GPS观测

资料处理时，待测点在协议地球坐标系中的位置可以认为固定不变[5]。由于待测点

的位置可视为固定不动的，因此有可能通过大量的重复观测来提高定位精度。

GPS动态定位是确定一次观测期间内，相对于其周围的固定点，有可觉察到的

运动或明显运动的待测点的位置。

在GPS静态定位和动态定位中，包含着绝对定位和相对定位两种类型。定位方

法有测码伪距法、测相伪距法和射电干涉法。

绝对定位是采用单个GPS接收机独立确定待测点在协议地球坐标系中的绝对位

置的方法。动态绝对定位是当用户设备安装在运动的载体上，并处于动态情况下

第一章绪论

确定载体瞬时绝对位置的定位方法。相对定位是采用若干台GPS接收机同步跟踪同

一组GPS卫星的发射信号，从而确定GPS接收机之间的相对位置的定位方法。相对

定位既可用于静态定位，也可用于动态定位。

在船舶、车辆、飞行器的运行过程中，为了提高动态定位精度，经常采用差

分定位。GPS差分定位的基本原理是：在地面选择一个位置精确已知的点作为基准

站，将一台GPS接收机设置在基准站上，其余GPS接收机分别设置在需要测定位置

的载体上。设置于基准站上的GPS接收机跟踪可见的所有卫星，与运动载体上的

GPS接收机进行同步观测。根据基准站的已知精确坐标，可以求出定位结果的修正

值。将这些修正值实时传送给载体，载体上的GPS接收机便可实时改正定位结果或

伪距观测值。在差分GPS定位中，根据基准站发送的修正数据类型的不同，可分为

位置差分、伪距差分、相位平滑伪距差分和相位差分。不同类型的差分，其定位

精度也不同[7]。

目前，GPS静态定位理论的研究已趋于成熟，动态定位理论还处于不断发展中

发展趋势表明，GPS动态定位比静态定位的应用范围更加广泛。

§1.2.2 GPS动态定位中存在的问题

GPS作为20世纪70年代发展起来的新型定位导航系统，优点是可以进行全球、

全天候的实时导航，其定位误差与时间无关，且具有较高的定位精度和测速精度

但是，GPS的载体在做动态运动时，常使GPS接收机不易捕获和跟踪卫星载波信号

再加上动态定位环境的复杂性，使GPS往往达不到足够的定位精度。因此如何提高

GPS动态定位精度成为关键问题。

提高GPS动态定位精度的重要途径之一就是建立合理的GPS动态滤波方法。

1. 最小二乘法

最小二乘法是高斯在1795年为测定行星轨道而提出的参数估计算法。最小二乘

法的基本原理是选择模型参数极小化模型误差平方和。模型误差是指由模型计算的

值与观测值之差，因误差有正负号，为数学处理方便，故以误差平方大小衡量精度

[7,8]。为了在总体上选择最优模型参数，故以极小化模型误差平方和为性能指标来

选择模型参数。在计算过程中，最小二乘法是一种批处理方法。最小二乘滤波器通

过一个数据块接一个数据块的重复计算适应非平稳滤波。

最小二乘法的最大优点是算法简单，特别是一般最小二乘估计，无需知道量测

误差的统计信息。但是这种优点引起了使用上的局限性，主要体现在：

(1) 最小二乘法只能估计确定性的常值向量，无法估计随机向量的时间过程；

(2) 最小二乘的最优指标只保证了量测的估计均方误差之和最小，并未确保被估计

量的估计误差达到最佳，因此估计精度不高。

2. 维纳滤波法

为了解决火力控制系统精确跟踪问题，维纳于1942年提出了维纳滤波理论。维

纳根据有用信号和干扰信号的功率谱确定出线性滤波器的频率特性，首次将数理统

计理论与线性系统理论有机地联系在一起，形成了对随机信号作平滑、估计或预测

的最优估计理论。维纳滤波是线性最小方差估计的一种。维纳滤波器是一种线性定

常系统，适用于对有用信号和干扰信号都是零均值的平稳随机过程的处理。

维纳滤波的最大缺点是适用范围极其有限，但对于被估计参量较少的情形，仍

GPS 测码伪距动态绝对定位研究

不失为一种简单有效的方法。

3. 卡尔曼滤波法

卡尔曼滤波法是卡尔曼在1960年首次提出的一种线性最小方差估计。卡尔曼滤波

是根据观测方程得到的观测信息求系统状态的最优估计。卡尔曼滤波器是具有递归

结构的有限维线性离散时间系统，适合用数字计算机实现。卡尔曼滤波的基本思想

是在状态空间方法中，引入状态变量和状态空间概念。系统状态变量是能体现系统

特征、特点和状况的变量。状态空间方法的关键技术包括状态空间模型和基于射影

理论的状态估计方法。状态方程是描写状态变化规律的模型，描写了相邻时刻的状

态转移变化规律。观测方程描写对状态进行观测的信息，含有观测噪声，通常只能

对部分状态变量进行观测。

卡尔曼滤波的优点如下：

(1) 算法递推，使用状态空间法在时域内设计滤波器，适用于多维随机过程估计；

(2) 适用于非平稳过程，因为采用动力学方程即状态方程描述被估计量的动态变化

规律；

(3) 具有连续型和离散型两类算法，其中，离散型算法可直接在计算机上实现。

卡尔曼滤波理论一经提出立即受到了工程应用的重视，广泛应用于各种领域，

导航系统是其成功应用的最主要方面[8]。但是传统的卡尔曼滤波法需确定精确的数

学模型，如建立准确的系统模型、观测模型和噪声模型等，在实际应用中，系统的

数学模型是复杂的，多数情况下根本无法建立其精确模型。这一缺点，极大地影响

了卡尔曼滤波在GPS定位方面的应用。虽然一些学者提出了改进方法，但这些方法

都是针对具体的系统，并不具有普适性。自20世纪90年代以来，以神经网络为代表

的人工智能技术得到快速发展。神经网络技术的不断发展，使神经网络与卡尔曼滤

波有机融合成为新的方法。

§1.3 本文所做的主要工作

本课题主要研究利用 GPS 伪距测量值进行绝对定位的解算方法，对经典卡尔

曼滤波算法进行改进，以提高 GPS 动态定位能力。首先，根据动态滤波需求，建

立系统模型，观测模型，运动载体的动态模型以及随机误差模型。其次，研究经

典卡尔曼滤波算法，在理论上探索如何将神经网络技术融合于卡尔曼滤波中，使

其具有自适应能力以应付动态环境的扰动，并通过 MATLAB 进行仿真。最后，

通过 GPS 模块采集数据进行 MATLAB 半实物仿真，测试验证算法有效性。

本文共分为七章，内容安排如下：

第一章为绪论，主要介绍了GPS的发展概况，特别是GPS动态定位技术的发

展现状和存在的问题，阐述了课题研究的意义和内容。

第二章主要介绍GPS卫星信号和GPS伪距定位原理，并且对GPS卫星信号进

行仿真，为后续的GPS定位解算提供理论基础。

第三章研究了GPS观测模型，分析了GPS观测量误差源，以及削弱其影响的措

施。在此基础上，研究了运动载体模型，并对载体运动轨迹进行仿真，用来验证算

法有效性。

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要GPS作为20世纪70年代发展起来的新型定位导航系统，可以进行全球、全天候的实时导航，其定位误差与时间无关，且具有较高的定位精度和测速精度。但是，GPS的载体在做动态运动时，常使GPS接收机不易捕获和跟踪卫星载波信号，再加上动态定位环境的复杂性，使GPS往往达不到足够的定位精度。为此，学者们提出了多种提高精度的GPS动态滤波方法，其中较为成功的是卡尔曼滤波。然而应用卡尔曼算法进行GPS动态滤波，既要对运动载体建立准确合理的动态模型，又要对各种随机误差准确建模。在提高滤波器的动态性能适应车辆的机动性及简化整个滤波模型提高实时性等方面，仍存在许多问题，极大地影响了卡尔曼滤波在GPS定位方面的应...

展开>> 收起<<

GPS测码伪距动态绝对定位研究.doc

共77页,预览8页

还剩页未读，继续阅读

GPS测码伪距动态绝对定位研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: