tceic.com
学霸学习网 这下你爽了
当前位置:首页 >> 自然科学 >>

改进的高动态GPS定位自适应卡尔曼滤波方法_图文

第 28 卷 第 4 期  1999 年 11 月

测 绘 学 报
ACT A G EOD AET ICA et CAR T O GR AP HICA SI NI CA

V ol. 28, N o. 4 N ov . , 1999

  文章编号: 1001-1595( 1999) 04-0290-05

中图分类号: P228    文献标识码: A

改进的高动态 GPS 定位自适应 卡尔曼滤波方法

胡国荣, 欧吉坤
( 中国科学院测量与地球物理研究所, 湖北 武汉, 430077)

The Improved Method of Adaptive Kalman Filtering f or GPS High Kinematic Positioning

HU Guo-rong , OU Ji-kun
( I nstitute of Geodesy & Geop hy sics , Chinese A cademy of Sciences, H ubei, W uhan, 430077)

Abstract: When K alma n F ilter ing is used in high kinematic GP S po sitioning , it is difficult to know the
pro per ties o f kinemat ic noise and measur ement no ise. T herefo re , the impro ved met ho d of adaptive Ka lman Filt ering for GP S high kinematic po sitioning is pro po sed in this paper . T he theor etical analysis and numerical results sho w t ha t the method has bet ter numer ical stabilit y, sma ller memo r y, a nd stro nger ada ptabilit y.
Key words : Ka lman F iltering ; a daptability ; hig h kinematic G PS posit ioning

摘 要: 本文针对高动态 GP S 不易确定动态噪声和观测噪声的特点, 提出了一种适用于高动 态 GP S 定位的改进的自适应卡尔曼滤波方法。该方法具有数值稳定性好, 存储量小的优点, 克 服了发散的缺点, 具有较强的自适应性。 关键词: 卡尔曼滤波; 自适应; 高动态 GPS 定位

1 前 言
卡尔曼滤波是一个不断地预测、修正的递推 过程, 由于其在求解时不需要贮存大量的观测数 据, 并且当得到新的观测数据时, 可随时算得新的 参数滤波值, 便于实时地处理观测成果, 因此, 卡 尔曼滤波被越来越多地应用于动态数据处理中, 尤其是 GP S 动态数据处理[ 1, 2] , 惯性导航[ 3] 等。但 传统卡尔曼滤波应用于实际时, 常常由于不能满 足其假定条件, 或计算方法的限制, 造成滤波发 散, 使得滤波结果最终失真。为此, 人们提出了许

多克服发散的方法, 如加权法[ 4] , Sage 自适应滤 波法[ 1] , 平方根滤波[ 2, 5, 6] 等。
高动态 GP S 应用如星载 GP S, 机载 GPS, 应 用卡尔曼滤波进行动态定位, 更能体现其优越性, 尤其是当星载 GPS 或机载 GPS 接收机在某些时 刻无 GP S 信号时, 可以利用卡尔曼滤波预测这些 时刻的位置和速度。然而, 高动态 GPS 通常不易 准确确定动态噪声和观测噪声, 利用传统卡尔曼 滤波往往造成滤波发散。为此, 本文提出了一种适 用于高动态 GPS 定位的改进的自适应卡尔曼滤 波方法。该方法具有数值稳定性好, 存贮量小的优

  收稿日期: 1999-03-03, 截稿日期: 1999-09-04。胡国荣, 男, 28 岁, 博士。主要研究方向: G PS 低轨卫星精密定轨理论和方法。 本项研究得到国家杰出青年科学基金( 49825107) ( 杨元喜研究员主持) 以及中国科学院动力大地测量开放研究实验室联合资助。

第 4 期         胡国荣等: 改进的高动态 G PS 定位自适应卡 尔曼滤波方法

291

点, 克服了发散的缺点, 具有较强的自适应性。
2 传统卡尔曼滤波模型

GPS 动态定位中, 卡尔曼滤波常用离散化模 型来描述系统状态而且系统状态方程 为线性形

式, 即

XK=

X + K, K - 1 K - 1

K- 1

m ×l

m×m m ×l

m ×l

( 1)

式中, X K 为 K 时刻的 m 维状态向量, 也是被估

计向量, K, K - 1 为 K - 1 到 K 时刻的系统一步状

态转移矩阵, K - 1为 K - 1 时刻的系统动态噪声。

观测方程为非线性方程, 即

L K= g( XK ) + V K

( 2)

m×l

n×l

n×l

式 中, L K 为 K 时刻 n 维观测向量, g ( X K ) 为 X K

的非线性函数, V K 为 K 时刻的 n 维观测噪声。对

于高动态 GP S 伪距单点定位

g ( X K ) = [ ( X K - X s) 2 + ( Y K - Y s ) 2+ ( ZK - Zs ) 2] 1/ 2

其中, ( X S , Y S , ZS ) 为该时刻卫星位置。

其统计模型为

E( K) = 0

E(VK )= 0

cov( K , J ) = QK K J

( 3)

cov( VK , V J ) = R K K J

cov( K , VK ) = 0 式中, Q K , RK 分别为系统动态噪声和观测噪声的 方差矩阵, 在一般卡尔曼滤波中, 它们分别是已知 的非负定阵和正定阵。 K , J 为 K ronecker 函数, 即
0 K ≠J K , J = 1 K = J
若已 知初 始状 态 的统 计特 性 为: E ( X 0) = X 0, 0 , v ar( X 0 ) = P 0, 0, 则由扩展的卡尔 曼滤波可 得如下递推方程[ 1]

X = X K , K- 1

K , K - 1 K- 1, K - 1

( 4)

P = P + Q K, K - 1

T K , K - 1 K- 1 K , K- 1

K- 1

( 5)

JK=

PK ,

K-

1A

T K

(

A

K

P

K ,K

-

1

A

T K

+

RK ) - 1

( 6)

X K = X K , K = X K , K - 1+ J K ( L K - g( X K , K - 1) ) ( 7)

P K = P K , K = ( I - J K A K ) P K , K- 1

( 8)

式中, J K 为增益矩阵, 其中, A K =

g X

(

X

K,

K-

1)



观测方程在 X K , K - 1处线性化后的系数阵, X K , K - 1,

PK , K - 1 分别为预测值及其方差阵, X K , K , P K ,K 分别

为滤波值及其方差阵。

上述过程是在一种理想条件下进行的, 即要

求系统的动态噪声和观测噪声为零均值并且统计

特性已知的白噪声, 实际上, 在高动态 GP S 定位

中, 这些条件未必能满足, 此时就存在建模误差, 如 GPS 观测方程中, 经电离层模型改正后残余的 电离层延迟等作为观测噪声就不是零 均值白噪 声, 而且对于高动态 GP S, 其动态噪声 难于准确 地给出, 另外, 由于非线性方程线性化时, 一定存 在线性化误差, 这也是一类建模误差。由式( 1) ~ 式( 8) 可以看出, 在计算增益矩阵 JK 时, 并不考 虑实际的观测值, 而只根据验前确定的 , Q, R 3 个矩阵的数值。如果它们中的任何一个不够准确, 则都将导致计算增益 JK 的错误, 并可能导致滤 波过程发散。这也是传统卡尔曼滤波的一个重要 缺陷。
另一方面, 由于受到计算工具等客观条件的 限制, 使得滤波算法在计算机上实施时, 易产生舍 入误差积累, 误差协方差阵失去正定性或对称性, 从而出现数值计算不稳定现象。一般情况下, 当状 态向量维数超过 10 时, 滤波过程中就可能出现滤 波不稳定现象[ 4] 。
此外, 研究表明[ 7] , 传统卡尔曼滤波对数值病 态情形也很敏感。GPS 高动态定位中, 经常遇见 近奇异协方差阵, 要解决这些问题, 一般采用平方 根算法或 U D 分解算法[ 6, 7] 。
为了解决滤波数值计算不稳定问题, 人们在 实践中提出了许多方法, 如自适应卡尔曼滤波, 固 定增益滤波, 平方根滤波等[ 2] 。
分析上述各类滤波算法可知, 解决了发散问 题往往是以滤波结果次优为代价的, 有些虽然没 有影响结果的最优性, 却是增加了计算量, 降低了 效率。
针对上述传统卡尔曼滤波中存在的问题, 本 文提出了适用于高动态 GP S 定位的改进的自适 应卡尔曼滤波方法。
3 改进的高动态 GPS 定位自适应 卡尔曼滤波
在设计高动态 GP S 卡尔曼滤波器时, 状态方 程和观测方程都精确已知, 但动态噪声和观测噪 声的统计特性却是未知的, 为此, 可采用 Sag e 自 适应滤波( 又称为极大后验估计器) 。根据每次测 出的更新信息, 推算出动态噪声和观测噪声的统 计特性, 并使滤波器成为最优, 这就是 Sage 自适 应滤波的思路[ 1] 。对于状态方程( 1) 和观测方程 ( 2) , 设 K , K - 1g ( X K ) 已知, K - 1 , V K 为 独立的正 态白噪声, 其统计特性为

29 2

测 绘  学 报                  28 卷

E( K ) = q E( V K ) = r

( 9)

E(

K

T J

)

=

Q

K

,

J

 E(

V

K

V

T J

)

=

R

K,J

( 10)

噪声的均值 q, r 及协方差 Q, R 是未知的, Sage 自 适应滤波就是基于观测值( L 1, L 2, …, L K ) 求得状

态估值 X K , 并由极大后验估计原理, 可得极大后

验估值 q, r , Q , R 分别为[ 1, 4]

X = X + q K , K - 1

K , K - 1 K - 1,K - 1

K- 1

( 11)

P = P + Q K, K - 1

T K , K - 1 K- 1 K , K- 1

K- 1

( 12)

JK =

P K, K -

1A

T K

(

A

K

PK

,

K

-

1A

T K

+

RK-

1) -

1

( 13)

X K = X K , K = X K, K - 1 + J K ( LK - g( X K , K- 1 ) - r K - 1)

( 14)

P K = P K , K = ( I - J K A K ) P K , K- 1

( 15)

K

∑ qK =

1 K

( X J, K -
J= 1

X ) J, J - 1 J- 1, K

( 16)

 QK =

K

∑ 1
K

( X J ,K
J= 1

-

X - J, J - 1 J - 1, K qJ )

( X J , K - X - J, J- 1 J - 1, K qJ ) T

( 17)

K

∑ rK =

1 K

( L J- g ( X J,K ) )
J= 1

( 18)

K

∑   RK =

1 K

( L J-
J= 1

g ( XJ,K) -

rJ) ( L J-

g( X J, K ) - rJ ) T

( 19)

初始条件为 q0, Q0 , R0 , r0 以及

E ( X 0 ) = X 0, 0, v ar( X 0 ) = P 0, 0

( 20)

在式( 16) ~式( 19) 中用滤波估值 X J, J 和预报

值 X J, J - 1近似代替计算复杂的平滑估值, 可得次 优极大后验估值为

K

∑ qK =

1 K

V X J ,J
J= 1

( 21)

K

∑ QK =

1 K

( VX J, J -
J= 1

qJ ) ( VX J , J -

qJ ) T

( 22)

K

∑ rK =

1 K

VLJ
J= 1

( 23)

K

∑ RK =

1 K

( V L J-
J= 1

rJ) ( VL J-

rJ ) T

( 24)

式中, V X J , J = X J, J - J, J - 1X J- 1, J- 1 , 为预测残差,

V L J = L J - g( X J , J ) , 为观测残差。 可以证明[ 1] , 上述次优估计具有无偏性。由式
( 11) ~式( 15) 及式( 21) ~式( 24) 可交替估计状态

参数和噪声的统计量。

由上可见, Sage 自适应滤波是当 q, r , Q, R 未 知时, 利用预测残差和观测残差求每一时刻估计

动态噪声和观测噪声的均值及其协方差, 增加了

计算量。在实际应用中, 可以发现, 并不是每一时

刻滤波都发散, 为此, 本文提出如下改进方法:

给 定初始条件 E( X 0 ) = X 0, 0, var( X 0 ) = P 0, 0

= P 0, r 0, q0 , R0 , Q0 ( r 0, q0 , R0 , Q0 可 根据 经验 给

定) 。利用 Chol esky 分解法将预报参数方差协方 差阵分解成 U DU T 的形式, 即 U D 分解, 其中, U

为上三角阵, D 为对角阵。 当 K = 1 时, 1. 按如下 U D 分解滤波算法计算估值 X K , K
及其方差 P K , K

X = X + q K, K - 1

K , K - 1 K - 1, K - 1

K

( 25)

PK , K - 1=

P K , K - 1 K - 1

+ T
K ,K - 1

QK- 1=

UDUT

( 26)

设滤波预测残差 V K , K = L K - g ( X K , K - 1 ) , 则

其方差 SK 为

SK=

A

K

UD

U

TA

T K

+

RK

( 27)



F=

D

U

T

A

T K

( 28)

G= UF

( 29)

则有

JK=

GS

K

1

( 30)

X K = X K , K = X K , K - 1+ J K ( L K - g( X K , K - 1) - rK )

( 31)

PK=

PK,K=

U( D-

S

K

1

FFT

)

( 32)

2. 判断是否发散。可利用滤波预测残差来判 断[ 4]

V

T K

,

K

V

K

,

K

≤t×

T

r

(

S

K

)

( 33)

式中, t 为可调系数, t ≥1, 若 t= 9, 则相当于 3 倍 中误差检验。若不满足条件式( 33) , 则认为滤波发

散, 先验值不准确, 启动上述 Sage 自适应滤波, 利 用 式( 21) ~式( 24) , 求取该时刻的 qk, rk, Qk , R k。 重做第 1 步, 直到满足式( 33) 即不发散为止, 再做

第 3 步;

3. K = K + 1, 作 1, 2 两步。

该滤波方法, 由于采用了 UD 分解滤波算法,

改进了计算精度, 克服了由于数值计算引起的滤 波不稳定性[ 7] ; 同时, 利用预报残差判断滤波过程

中是否发散, 若发散, 则启动自适应滤波器, 利用

估值和预报值估计动态噪声和观测噪声的统计特

性, 直到滤波器不发散为止。因此, 该滤波方法具

有自适应性, 数值稳定性好, 而且不发散。

由上述滤波方法可见, 若对高动态 GPS 的动

态噪声和观测噪声的统计特性有比较好的了解,

即 r0 , q0 , R 0, Q0 的给定比较接近于真实情况, 则 该滤波方法不易发散, 效率更高。若高动态 GPS

第 4 期         胡国荣等: 改进的高动态 G PS 定位自适应卡 尔曼滤波方法

293

的动态噪声和观测噪声均值为 0, 而且其方差精 确已知, 则该滤波方法可转化为传统卡尔曼滤波。
4 应用实例
本 文对 T OPEX/ POSEIDON ( T / P ) 卫星 星 载 GP S/ DR 接收机 1997 年 4 月 20 日 的伪距观 测值进行处理。T / P 卫星飞行速度为 7 km/ s 左 右, 采样率为 10 s。取 150 个历元, 分别采用如下 3 种方案进行处理:
方案 1: 单点伪距定位; 方案 2: 传统卡尔曼滤波方法; 方案 3: 本文所改进的自适应卡尔曼滤波方 法。 滤波时, 状态向量为该历元 GPS/ DR 接收机 的 3 维位置及其速率和接收机钟差, 即 X K = ( x K , y K , z K , dT K , x K , y K , z K ) , 初值 X 0, 0 , P 0, 0 可由单点 定位给定, 动态噪声方差阵 Q0 取为对角阵, 对角 元素均取为1×10- 8 , 观测噪声方差阵 R0 也取为 对角阵。r 0, q0 各元素均取为 0, 可调系数 t 取为 1, 方案 2, 3 均与方案 1 结果进行比较。 当观测噪 声方差阵 R0 对 角元素均取 为 1×103 m 2时, 其坐标差如图 1, 图 2 所示, 比较图1 和图 2 可见, 传统卡尔曼滤波呈发散状, 而本文方 法经过短时间自适应过程之后比较稳定。 当观测噪 声方差阵 R0 对 角元素均取 为 1×104 m 2时, 坐标差如图 3, 图 4 所示。比较图 1 和图 3 可见, 后者较稳定, 由此可见, 造成传统卡 尔曼滤波发散的原因为先验观测噪声方差取得不 准确。

图 2 改进的自 适应卡尔曼滤波( R0= 1×103 m2) Fig . 2 T he impro ved adaptive K alm an F ilter ing
( R0= 1×103 m2)
图 3 传统 卡尔曼滤波( R0= 1×104 m2) Fig. 3 Standard K alma n F ilter ing ( R0= 1×104 m2)

图 1 传统卡尔 曼滤波( R0= 1×103 m2) Fig. 1 Standard K alma n F ilter ing ( R0= 1×103 m2)
比较图 2 和 4 可见, 改进的自适应卡尔曼滤 波对观测噪声的选取不是很敏感, 两者都较稳定,

图 4 改进的自 适应卡尔曼滤波( R0= 1×104 m2) Fig . 4 T he impro ved adaptive K alm an F ilter ing
( R0= 1×104 m2)
但当 R0 取得不准确时, 本文所改进的方法需要一 段自适应时间, 滤波才达到稳定。
比较图 3 和 4 可见, 当 R0 取得比较准确时, 传统卡尔曼滤波仍不是很稳定, 而本文方法滤波 则比较稳定, 而且自适应时间较短。

29 4

测 绘  学 报                  28 卷

应当指出: 这里仅仅讨论了本文提出的改进 方法的自适应性, 至于如何提高定位精度有待进 一步研究。
5 结 论
本文提出的适用于高动态 GPS 定位的改进 的自适应卡尔曼滤波, 采用了 UD 分解算法, 数值 稳定性好, 克服了传统卡尔曼滤波易发散的缺点。 实例分析表明, 对于高动态 GPS 定位, 当对系统 的动态噪声和观测噪声的先验方差确定得不准确 时, 本文所提出的方法具有较强的自适应性。
  参考文献:
[ 1]  陈小 明. 高 精度 G PS 动态 定位 的理 论与实 践[ D] . 武汉: 武汉测绘科技大学, 1997.

[ 2]  董绪荣, 陶大欣. 一个快速 K alman 滤 波方法及其在 G PS 动态 数 据处 理中 的 应用 [ J] . 测 绘学 报, 1997, 26( 2) : 221-227.
[ 3]  段晓 东, 等. G PS/ D NS 组合 导航系统 研究[ J] . 南 京航空航天大学学报, 1996, 28( 1) : 66-73.
[ 4]   宋文尧, 张牙. 卡尔曼滤波 [ M ] . 北京: 科学出版 社, 199 1.
[ 5]   章燕申. 最优估计 与工程应用 [ M ] . 北京: 宇航出版 社, 1991.
[ 6]  Chui C K, Chen G . Kalman Filt ering with Realtime A pplicatio ns [ M ] . Ber lin: Spring er -V erlag , 1 98 7.
[ 7]   Bier man G J. F actor ization M etho ds for Discr ete Sequential Estimat ion [ M ] . N ew Y or k: Academic P ress, 1977.


推荐相关:

改进的高动态GPS定位自适应卡尔曼滤波方法_图文.pdf

改进的高动态GPS定位自适应卡尔曼滤波方法 - 第 28 卷第 4 期 1999

GPS动态定位中自适应卡尔曼滤波研究_图文.pdf

GPS动态定位自适应卡尔曼滤波研究 - 第十四卷 第二 期年月 信号处理 动 态定 位自适 应卡 尔曼 滤波研究 房建 成 申功勋 北京 航空航天大 ...

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究....pdf

GPS动态定位自适应卡尔曼滤波模型的建立及其算法研究 - 年 和 姗 滚 妞 第 期 动态定位自适应卡尔曼滤波模型的建立 及其算法研究 东南 大学“” 房建成 ,...

新型GPS动态定位自适应卡尔曼滤波方法.pdf

新型GPS动态定位自适应卡尔曼滤波方法 - 第 34 卷第 5 期 V ol.

GPS动态定位中自适应卡尔曼滤波方法的应用研究_图文.pdf

GPS动态定位自适应卡尔曼滤波方法的应用研究 - 2006 年 第7期 测 绘

改进的渐消卡尔曼滤波在GPS动态定位中的应用_图文.pdf

改进的渐消卡尔曼滤波GPS动态定位中的应用 - 第3 9卷第 1期 21年 1

基于自适应卡尔曼滤波的GPS精密单点定位研究_图文.pdf

基于自适应卡尔曼滤波GPS精密单点定位研究 - 精密单点定位是指利用IGS等机构提供的高精度轨道和钟差数据,利用单台GNSS接收机所采集的双频伪距和载波相位观测量...

GPS动态定位滤波方法_图文.pdf

GPS动态定位滤波方法 - 一种改进的GPS动态定位滤波方法... 一种改进的GPS动态定位滤波方法 210 0年 第2 5卷...卡尔 曼滤波 器 的实例 已被用来 提 高定位 精...

神经网络修正动态GPS卡尔曼滤波算法研究_图文.pdf

又融合了神经网络的自学习性和自适应性,使其对动态环境的扰动具有了自适应能力...越来越高。应用卡尔曼滤波是减小GPs动态定位误差的有效方法。由于标准卡尔曼...

改进的高动态GPS定位自适应卡尔曼滤波方法_图文.pdf

改进的高动态GPS定位自适应卡尔曼滤波方法 - 第 28 卷第 4 期 1999

用卡尔曼滤波进行GPS动态定位.pdf

卡尔曼滤波进行GPS动态定位_信息与通信_工程科技_专业资料。测绘通报 200

改进的Sage自适应滤波方法.pdf

改进的Sage自适应滤波方法_自然科学_专业资料。GPS 卡尔曼滤波 第25 卷第 3 ...改进的高动态 G PS 定位自适应卡尔曼 滤波方法[ J] . 测绘学报, 1999, 28...

GPS动态定位中自适应卡尔曼滤波研究.pdf

机动载体运动的“当前”统计模型,建立了一种新的GPS动态定位自适应卡尔曼滤波...种改进 的 自适 应滤波算法. 提 太大提 高了GP S动杰 定位 卡尔曼 蟪 ...

基于卡尔曼滤波器的GPS动态滤波方法.pdf

当前统计模型,然后通过扩展状态变量的思想和采用自适应算法建立相应的卡尔曼滤波器...改进的高动态GPS定位自适... 5页 免费 用卡尔曼滤波进行GPS动态... 3...

自适应卡尔曼滤波算法改进与仿真_图文.pdf

山东 烟台 264000摘要 为改善滤波的动态性能,提高滤波器的跟踪能力,本文提出了 自适应卡尔曼滤波算法,并对算法进行了几点改进,以GPS 卫星 导航系统为例,进行了...

GPS动态定位中自适应卡尔曼滤波方法的应用研究_龚真春.pdf

GPS动态定位自适应卡尔曼滤波方法的应用研究_龚真春 - 2006 年 第7期

动态GPS卡尔曼滤波中的神经网络算法研究_图文.pdf

定位算法通过神经网络辅助卡尔曼滤波可以使 GPS 动态滤波 的精度更高, 体现了它...使其具有自 适应能力以应付动态环境的扰动, 并使用 BP 算法作为神 经网络的训练...

提高GPS定位精度的改进卡尔曼滤波算法研究.pdf

提高GPS定位精度的改进卡尔曼滤波算法研究_电子/电路_工程科技_专业资料。介绍了...改进的高动态GPS定位自适... 5页 免费 GPS_DR组合导航系统自适... 6...

内模自适应卡尔曼滤波新方法及其在GPS信号估计中的应用.pdf

现有方法帽比新方法可显著提高定位精度. 关键词 卡尔曼滤波器.内模;自适应滤...用卡尔曼滤波进行GPS动态... 3页 免费 改进的高动态GPS定位自适... 5...

用卡尔曼滤波进行GPS动态定位.pdf

卡尔曼滤波进行GPS动态定位_自然科学_专业资料。自适应滤波 6 文章编号: 0494...改进的高动态GPS定位自适... 5页 免费 GPS动态定位的自适应卡尔... 11...

网站首页 | 网站地图
All rights reserved Powered by 学霸学习网 www.tceic.com
copyright ©right 2010-2021。
文档资料库内容来自网络,如有侵犯请联系客服。zhit325@126.com