2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩126頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、全球定位系統(tǒng)(Global Positioning System,GPS)和基于微機電系統(tǒng)(Micro-Electro-Mechanical System,MEMS)技術(shù)的慣性導航系統(tǒng)(Inertial NavigationSystem,INS)的組合為陸地車輛的準確、可靠定位提供了一種低成本解決方案。但是在GPS中斷期間,MEMS INS/GPS組合系統(tǒng)的定位精度迅速降低。為了解決此問題,本文開展了衛(wèi)星遮擋交通環(huán)境下車輛融合定位策略研

2、究,圍繞MEMS慣性測量單元(Inertial Measurement Unit,IMU)隨機誤差處理和MEMS INS/GPS信息融合算法兩大關(guān)鍵技術(shù),針對其中的若干關(guān)鍵性問題展開深入探索。主要研究內(nèi)容及成果包括:
  (1)為了抑制MEMS IMU隨機誤差的高頻部分,本文設計了一種基于改進小波濾波(Improved Wavelet Filter,IWF)的數(shù)據(jù)預處理算法。針對傳統(tǒng)小波濾波中分解層數(shù)確定以及閾值函數(shù)存在的不足,該

3、算法采用頻譜分析結(jié)合實驗評估的方法來選擇小波分解的最優(yōu)層數(shù),并設計了一種改進的帶調(diào)節(jié)因子的閾值函數(shù)。實驗結(jié)果表明,該方法在一定程度上克服了傳統(tǒng)閾值函數(shù)的缺點,可以較好的抑制MEMS慣性數(shù)據(jù)隨機誤差的高頻部分。
  (2)針對MEMS IMU隨機誤差的低頻緩變部分,本文結(jié)合經(jīng)驗模態(tài)分解(Empirical Mode Decomposition,EMD)和分形高斯噪聲(fractional Gaussian noise,fGn)的優(yōu)點

4、,設計了一種基于EMD區(qū)間閾值濾波的自適應數(shù)據(jù)預處理算法。該算法首先利用fGn對慣性數(shù)據(jù)中的隨機誤差進行建模,然后利用fGn在各層本征模函數(shù)(Intrinsic Mode Function,IMF)內(nèi)方差的關(guān)系,確定了EMD濾波閾值選擇準則;同時,構(gòu)建了一種基于IMF區(qū)間的閾值處理方案,來消除濾波后信號的不連續(xù)性。實驗結(jié)果表明,該預處理算法既可以有效的消除部分低頻緩變隨機誤差,又可以消除隨機誤差的高頻部分,與基于改進小波濾波的預處理算法

5、相比,濾波后慣性數(shù)據(jù)數(shù)據(jù)的精度得到進一步提升。
  (3)提出了一種基于自回歸(Auto-Regressive,AR)模型輔助卡爾曼濾波(Kalman Filter,KF)的混合策略,來提高衛(wèi)星遮擋交通情況下車輛組合定位系統(tǒng)的精度和可靠性。該策略首先在系統(tǒng)結(jié)構(gòu)中引入了慣性數(shù)據(jù)預處理步驟,為后續(xù)信息融合提供高精度的慣性數(shù)據(jù);然后對傳統(tǒng)的INS誤差建模結(jié)構(gòu)進行改進,設計了一種基于序列的INS誤差建模和預測結(jié)構(gòu);在此基礎上,設計了基于A

6、R模型的前向估計器(AR model-based Forward Estimator,ARFE),并構(gòu)建基于ARFE/KF的混合策略對INS位置誤差建模并預測。實車實驗結(jié)果表明,該方法可以有效地補償GPS中斷情況下INS位置誤差,并具有較好的泛化能力和實時性,大幅度提高了GPS遮擋情況下的車輛定位精度。
  (4)為了進一步提高車輛組合定位系統(tǒng)在較長GPS中斷情況下的性能,提出一種基于最小二乘向量機(Least Squares S

7、upport Vector Machine,LSSVM)的帶外部輸入非線性自回歸模型(Nonlinear Auto-Regressive with Exogenous inputs,NARX)輔助KF的INS誤差混合預測策略。該策略設計了一種帶有記憶功能和內(nèi)部反饋的INS誤差建模結(jié)構(gòu),兼顧了INS誤差歷史發(fā)展趨勢和車輛運動狀態(tài)影響;構(gòu)建了LSSVM-NARX/KF混合策略對INS誤差進行建模,并在GPS中斷期間實現(xiàn)對INS誤差的預測和補

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論