基于非线性滤波和平滑相迭代的GPS定位估计算法

《基于非线性滤波和平滑相迭代的GPS定位估计算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于非线性滤波和平滑相迭代的GPS定位估计算法1曹意，茅旭初（上海交通大学仪器科学与工程系，上海200240）摘要：提出了一种卡尔曼滤波与平滑相迭代的GPS定位估计算法，每一时刻点先用平淡卡尔曼滤波进行位置估计，然后利用滤波结果对前一时刻点的位置估计进行平滑修正，接着再用修正值进行滤波得到当前时刻点更新的估计值，通过若干次迭代，得到最终估计值。后向平滑算法分别采用固定区间平滑和固定滞后平滑，前者适用于非线性系统模型，后者在平滑步长增大时，其计算量较小。实验结果表明，迭代算法能够有效提高定位精度，不仅可以应用在后验数据处理中，而且也可以应用于GPS实时定位估计。关键词：全球定

2、位系统；最优平滑；迭代算法；平淡卡尔曼滤波中图分类号：TN976.1文献标识码：AANonlinearIterativeFiltering-SmoothingAlgorithmforGPSPositioningCaoYi,MaoXu-chu(Dept.ofInstrumentScience&Engineering,ShanghaiJiaoTongUniv.,Shanghai200240,China)Abstract:AnewGPSpositioningalgorithmisproposed,whichiterativelyappliesUKFandsmoothingalgo

3、rithm.UKFisemployedtoestimateuser’spositionateachepoch,theestimationisusedtosmooththeestimationofpreviousepoch,thentheupdatedestimationcanbetakenastheinitialvalueforkalmanfilterinturn,thefilteringalgorithmisappliedagain.Thisprocessproceedswithseveraliterationsendingupwithfinalestimation.Tw

4、osmoothingalgorithmsareaddressed,Fixed-IntervalsmootherandFixed-Lagsmoother,theformercanbeappliedtononlinearsystem,andthelattereffectivelyreducesthecomputationalburdenwhensmoothingstepincreases.GPSexperimentresultrevealsthattheiterativealgorithmamountstoamethodcontributingtoaccuracyimprove

5、ment,itcanbeusednotonlyinthepost-processing,butalsoinreal-timeGPSpositioningestimation.Keywords:globalpositioningsystem(GPS);optimalsmoother;iterativealgorithm;unscentedKalmanfilter(UKF)[1]在GPS定位中，应用扩展卡尔曼滤波（ExtendedKalmanFilter,EKF）和平淡卡尔曼[2]滤波(UnscentedKalmanFilter,UKF)对接收机的位置和速度进行估计被证明是较有

6、效的手段，文献[1]提出了通用的GPS定位卡尔曼滤波模型，由于GPS中的伪距方程是高度非线性的，因此该模型通过对伪距方程求解雅克比矩阵来获得线性的测量方程，再应用离散卡尔曼收稿日期：2008年4月22日基金项目：国家自然科学基金（40674002）作者简介：曹意（1983—），男，广西人，硕士生，主要从事高精度单机GPS方面的研究，Email：twist@sjtu.edu.cn。茅旭初（联系人），男，副教授，电话（Tel.）：021-34204424；Email：maoxc@sjtu.edu.cn滤波进行位置解算，实验结果表明该模型虽然是一种有效的方法，定位估计结果明显优于

7、传[3]统的最小二乘估计，但由于雅克比矩阵仅是测量方程的泰勒一阶展开，所以定位精度低于100米（有SA干扰）。随着对定位精度要求的提高和滤波理论的逐步完善，特别是UKF的出现，该模型得到进一步改进，文献[2]建立了非线性的GPS定位模型，不需线性化测量方程，UKF通过确定性采样得到的采样点来表示系统的统计特性,高斯随机变量通过非线性方程直接传递,避免了系统模型线性化引入的误差和求解雅克比矩阵的繁琐计算过程，所以定位精度得到进一步提高。然而，无论是EKF还是UKF，当前估计值均来自于前一时刻“历史记录”的递推和当前观