基于模糊逻辑的自适应强跟踪卡尔曼滤波在gps定位中的应用!.pdfVIP

第42卷第1期 全球定位系统 V01．42，No．1 2017年2月 GNSSWorldofChina 基于模糊逻辑的自适应强跟踪卡尔曼 滤波在GPS定位中的应用 胡辉1，颜瑜军1，欧敏辉1，彭雄明2 (1．华东交通大学信息工程学院，江西南昌330013；2．武汉梦芯科技有限公司。湖北武汉430073) 摘 要：当载体速度频繁发生突变时，针对卡尔曼滤波在GPS定位解算中对系统模型依 赖性强、鲁棒性差的问题，提出了一种基于模糊逻辑的自适应强跟踪卡尔曼滤波算法。该算法 主要利用模糊逻辑自适应控制器监测系统输出的残差均值，并根据模糊规则动态调整弱化因 子，从而对强跟踪滤波器中次优渐消因子进行自适应调整，来实现抑制载体突变影响。仿真结 果表明：该算法在载体突变的跟踪精度高于扩展卡尔曼滤波和强跟踪卡尔曼滤，其稳定性也有 所提高。 关键词：GPS；模糊逻辑自适应控制器；强跟踪滤波器；卡尔曼滤波器 中图分类号：P228．4文献标志码：A 节，从而防止滤波器发散，目前这类算法主要在组 0 引 言 合导航系统中数据融合比较成功。本文针对卡尔 标准的卡尔曼滤波器(KF)是在已知系统模曼滤波在GPS定位解算中对系统模型依赖性强、 型和量测模型以及系统噪声和量测噪声的统计特 鲁棒性差的问题，提出了一种基于模糊逻辑的自适 性下才会获得理想的滤波效果。但是，当系统模型 应强跟踪卡尔曼滤波(FASTKF)算法，该算法采 参数与实际过程参数存在较大差异时，KF的估计 用一种FI．AC来动态调整该弱化因子，从而对次 精度会大大下降，甚至发散，且KF在系统达到平 优渐消因子进行“在线”自适应调整，进一步提高滤 稳状态时，将丧失对突变状态的跟踪能力，扩展卡 波器跟踪精度，仿真结果表明，FASTKF具有应 尔曼滤波器(EKF)也存在类似的缺点口]。为此， 对突变状态的强跟踪能力，且估计精度高等特点。 文献[2]～[5]的研究者对EKF提出了引入渐消因 1 GPS定位解算模型 子进行自适应处理的方法，采用渐消因子来抑制滤 波器的记忆长度，以便充分利用现时的观测数据， 将EKF应用于GPS定位解算中，首要是建立 减小陈旧量测值的影响，这类处理方法处理的基准 状态模型和观测模型。定义X；为系统状态向量，乙 是认为系统状态协方差过小，通过在系统状态协方 为系统观测向量。 (1) 差上乘以渐消因子来实现稳定跟踪，但当系统模型 X女一Lz女，秽。．女，y女，口Ⅲ，z^，口姒，女，女]， 存在较大误差或状态突变较大的情况下，其渐消因 Z女一L肼，女，dmj， (2) 子调节的效果难以区分且渐消因子的计算复杂，因 式中：系统状态向量由接收机的位置(T。，y。，‰)、 此如何选取合适的渐消因子是该方法面临的一个 速度@。t，口Ⅲ，可。)、钟差。和钟漂杏￡。构成，观测 难题。而文献[6]～[9]的研究者在引入渐消因子向量由伪距以。和多普勒测量值dm构成。其中i表 方法的基础上提出了基于模糊控制的自适应滤波 示第i颗卫星，j一1，2，3…玎，行为可见卫星数；忌为 采样时刻。 方法，利用模糊逻辑自适应控制器(FI。AC)来在线 调整卡尔曼滤波器，对渐消因子进行自适应模