基于时间序列分析的卡尔曼滤波组合导航算法

基于时间序列分析的卡尔曼滤波组合导航算法

周俊1，张鹏1，刘成良2

【摘要】GPS广泛用于农业机械导航研究中，其定位误差信号一般存在明显的自相关性，不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此，建立了GPS定位误差AR模型，结合卡尔曼估计结果来预测和修正GPS定位误差，再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明，无论GPS接收机是在静止还是在运动条件下，处理后的定位误差信号自相关性都明显降低，近似为白噪声；目标路径直线时的最大跟踪误差约为0.15 m，为曲线时，最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。

【期刊名称】农业工程学报

【年(卷),期】2010(026)012

【总页数】5

【关键词】农业机器人，导航，全球定位系统，自回归模型，卡尔曼滤波

0 引言

目前农业机械自主导航中使用GPS绝对定位信息比较普遍[1-3]。为了提高导航系统的精度和可靠性，降低成本，一般还需要在Kalman滤波基础上融合其他传感器信息构成某种组合导航形式[4-9]。如果运动载体的运动状态能用线性模型描述且模型误差和传感器测量误差能用高斯白噪声模型化，则Kalman 滤波将在统计意义上提供融合数据的最优估计；反之，则不能。实际应用中，系统噪声和观测噪声往往是有色噪声，因此造成了Kalman滤波效果的下降和较大的系统实际误差产生[10]。GPS定位误差就是一个具有自相关性的有色噪声。