在下面的仿真的代码中理想的觀测量不是真实数据,而是自生成的正弦波数据在真实的应用场景中,应该是一系列的参考数据
% 卡尔曼滤波器在INS-GPS组合导航中应用仿真
%% 慣性-GPS组合导航模型参数初始化
Tgz = 0.10; %这三个参数的含义详见参考文献
%% 连续空间系统状态方程
%% 转化为离散时间系统状态方程
%% 卡尔曼滤波器参数初始囮
%% 卡尔曼滤波算法迭代过程
摘 要:针对基于传统粒子滤波嘚GPS(Global positioning system)定位数据处理方法存在粒子退化的问题研究了基于马尔可夫链蒙特卡罗(Markov chain Monte Caml,MCMC)粒子滤波的GPS定位数据处理算法引入典型的MCMC方法——Metropo1is Hastings(M-H)抽样算法。利用观测伪距非高斯误差分布建立重要密度函数,将MCMC粒子滤波与建立的GPS系统非线性状态空间模型结合实测数据实验結果表明,MCMC粒子滤波可有效抑制粒子退化解决了GPs定位数据滤波这一非线性非高斯问题,避免了噪声的高斯假设和非线性部分的线性化误差与基于传统粒子滤波的GPS定位数据处理方法相比,该方法降低了定位数据经纬度和速度估计误差获得了更高的定位精度,并能够在GPS信號质量较差情况下对GPS定位数据有效滤波,保证载体在此期间内保持较高的位置精度 |
|