论文部分内容阅读
随着传感器技术的不断革新与社会对位置服务的广泛需求,许多服务产业对移动目标感知的要求也越来越高,尤其在城市交通的感知领域。基于运动传感器的数据融合技术已成为科学管理与合理规划城市交通不可或缺的技术之一。位置服务是智能交通中的关键组成部分之一,以GPS、BDS、GLONASS、Galileo为代表的GNSS系统,与以惯性器件为代表的运动传感器系列设备,为城市交通的智能感知、操纵提供重要的技术支撑。其中,以运动传感器组合GNSS系统为代表的感知系统,不仅可以落实大量应用,并且能够驱动部分社会支柱性产业的发展。为了有效管理城市交通、减少城市交通运维成本,运动传感器的发展与数据融合技术的应用成为研究的重点。本文分别从四方面进行了相关研究,主要包括基于运动传感器的数据降噪处理方法、基于运动传感器的目标姿态感知方法、基于双天线GNSS辅助运动传感器的目标定向测速方法、基于低成本车载运动传感器组合GNSS系统的目标定位方法。本文主要研究成果为:(1)设计了一种MEMS陀螺仪运动传感器的数据降噪方法。引入小波分析方法对MEMS陀螺信号进行误差特性分析,针对误差特性的分析结果设计了一种小波分析结合SVD的处理方法,得以剔除微弱的噪声信号。(2)针对移动目标姿态感知的问题,设计了一种加速度计与陀螺仪进行四元数融合的滤波结构,引入一种改进的加权最小二乘算法减少陀螺仪漂移并提高姿态感知的精度。(3)针对移动目标定向测速的问题,研究了一种基于双天线辅助的GNSS/IMU定向测速方法,完成对目标的静态对准与行进间对准,并且对抑制方位发散做了更深入的研究。(4)针对GPS与低成本车载运动传感器的组合定位问题,提出了一种量化系统不确定性的非线性滤波融合方法。在存在初始姿态误差时,根据新息的含义与统计特性引入系统不确定度的概念,得以量化系统滤波器的工作状态,实现在线自适应调整系统模型。最后在无迹卡尔曼滤波框架嵌入改进的自适应滤波方法,形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器。最后通过仿真测试、半物理仿真测试,包含静动态的转台试验、推车试验与车载试验。对所提出的方法进行了有效性与性能的验证,对基于运动传感器的移动目标智能感知方法提供了一定的参考价值。