面向车辆监控的高精度卫星定位算法研究

摘要

随着北斗导航卫星系统的发展，“两客一危”等营运车辆在北斗定位监控过程中，由于建筑物遮挡、其他定位信号干扰和恶劣天气等因素影响，常常造成定位漂移，导致定位精度下降，影响营运车辆业务正常开展。因此，研究高精度的北斗定位算法，对促进营运车辆业务的正常开展有重要的意义。 为了减少在卫星定位过程中产生的偶然误差，提高车载定位的定位精度和抗干扰性，本文基于卡尔曼滤波算法，提出自适应卡尔曼滤波定位算法。通过优化定位模型，提高滤波精度和收敛的速度，对北斗定位中出现的随机误差进行修正补偿，提升了算法的精度和可靠性。利用MATLAB仿真工具进行仿真验证，相比其他算法，精度能够得到一定的提升。 此外，针对北斗信号长期受到干扰，航位推算累积导致的误差得不到修正而增大的问题，提出一种改进的地图定位轨迹匹配框架，通过自动识别来自用户生成的轨迹并更新地理空间地图。由于道路跟踪是稀疏且有噪声的，基于改进的框架在用户发布地图之前可以验证用户的地图更改。通过仿真实验表明，与传统方法相比，所提出的框架实现了高达四倍的地图匹配性能，精度损失仅为0.1-0.3％。

目录

声明

致谢

变量注释表

1 绪论

1.1课题研究背景与意义

1.2国内外发展现状

1.3论文主要研究内容

1.4论文内容组织结构

2 定位算法相关技术研究

2.1 常用定位技术

2.1.1 GPS定位

2.1.2 基站定位

2.1.3 WiFi定位

2.1.4 蓝牙定位

2.2 导航定位中的差分技术

2.3 整周模糊度及周跳分析

2.3.1 整周模糊度及模糊度确定方法

2.3.2 周跳分析

2.4.1 Trilateration三边测量定位算法

2.4.2 AOA定位算法

2.4.3 最小二乘法

2.5.1 与卫星相关的定位误差

2.5.2 与传播途径相关的误差

2.5.3 与接收机相关的误差

2.6 本章小结

3 卡尔曼滤波在定位中的应用

3.1 线性系统状态预测方程

3.2 线性系统协方差预测方程

3.3 线性系统观测方程

3.3.1 滤波增益矩阵和状态更新

3.3.2 卡尔曼增益分析

3.4 模型迭代过程

3.5 建立数学模型

3.6 建立观测方程

3.7 计算机仿真

3.8 本章小结

4 自适应卡尔曼滤波定位算法设计

4.1 建立观测方程

4.2 改进滤波的仿真及分析

4.3 本章小结

5 电子地图辅助定位框架设计

5.1 地图匹配和生成

5.1.1 跟踪聚合

5.1.2 数据清理

5.2 改进的框架

5.2.1 地图匹配算法

5.2.2 跟踪分析

5.2.3 进行决策

5.3 对比实验

5.4 本章小结

6 总结与展望

6.1 总结

6.2 创新点

6.3 展望

参考文献

作者简历