基于改进Cubature Kalman滤波的IMU/ODM/UWB联合定位系统
摘要
1.简介
2.系统建立和问题描述
2.1. 系统模型
2.2. 工艺噪声分析
2.3. 问题公式化
3.自适应SVD-DCKF滤波
3.1. 前期工作
3.2. 自适应滤波
3.3. 基于自适应滤波的SVD-ADCKF算法
4.跟踪性能的改进
4.1. 状态向量增强后的系统模型
4.2. 增强系统模型的准确性
4.3. 状态向量的简化
4.4. 计算复杂性分析
4.5. 次国家的融合与重组
5.仿真
5.1. SVD-FADCKF仿真
5.2. MFCKF的仿真
6.结论
将该算法移植到物理平台上,在实际条件下验证了该算法的滤波性能。 研究该算法的动态响应性能,以进一步提高其在高动态环境中的性能。
作者贡献
基金
机构审查委员会声明
知情同意书
数据可用性声明
利益冲突
工具书类
Dong,X。; 周,Y。; 任,Z。; Zhong,Y.具有切换交互拓扑的无人机时变编队控制。 控制工程实践。 2016 , 46 , 26–36. [ 谷歌学者 ] [ 交叉参考 ] Golden,S.A.公司。; Bateman,S.S.Wi-Fi位置的传感器测量,重点是到达时间测距。 IEEE传输。 暴徒。 计算。 2007 , 6 , 1185–1198. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Wang,Y。; Ye,Q。; Cheng,J。; Wang,L.基于RSSI的蓝牙室内定位。 2015年12月16日至18日,中国深圳,第十一届移动自组织和传感器网络国际会议(MSN)会议记录; 第165-171页。 [ 谷歌学者 ] Sugano先生。; 卡瓦泽,T。; Ohta,Y。; Murata,M.基于zigbee标准的无线传感器网络RSSI测量室内定位系统。 2006年7月3日至5日,加拿大AB省班夫市,IASTED第六届无线和光通信国际会议记录; 第503-508页。 [ 谷歌学者 ] Lee,S。; Song,J.B.移动机器人利用红外光反射地标进行定位。 2007年10月17日至20日,韩国首尔,《利用红外线反射地标进行移动机器人定位的会议记录》; 第674–677页。 [ 谷歌学者 ] Nageli,T。; 孔戴,C。; Domahidi,A。; 莫拉里,M。; Hilliges,O.《智能机器人和系统》(IROS 2014)中微型飞行器的环境相关编队飞行。 2014年IEEE/RSJ智能机器人和系统国际会议论文集,美国伊利诺伊州芝加哥,2014年9月14日至18日; 第1141-1146页。 [ 谷歌学者 ] Kushleyev,A。; 梅林格,D。; 权力,C。; 库马尔,V.朝向一群敏捷的微型四驱车。 自动。 机器人。 2013 , 35 , 287–300. [ 谷歌学者 ] [ 交叉参考 ] 李,Z。; 德哈内,W。; Gielen,G.基于超低功率UWB的室内定位系统设计。 2007年IEEE超宽带国际会议(ICUWB 2007)会议记录,新加坡,2007年9月24日至26日; 第159-164页。 [ 谷歌学者 ] H.B.李。; Wang,J。; Wang,C.Y.关于超宽带室内动态定位影响因素的讨论。 J.纳维格。 位置。 2018 , 6 , 45–48. [ 谷歌学者 ] 丹尼斯,B。; Pierrot,J.B。; Abou-Rjeily,C.使用TOA在UWB自组网中联合分布式同步和定位。 IEEE传输。 微型。 理论与技术。 2006 , 54 , 1896–1911. [ 谷歌学者 ] [ 交叉参考 ] Ruotsalainen,L。; Kirkko-Jaakkola,M。; Rantanen,J。; Maija,M.,无基础设施室内导航中多传感器测量的误差建模。 传感器 2018 , 18 , 590. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 冯,X。; 张,T。; 林,T。; Tang,H。; Niu,X.车辆城市导航用低成本MEMS惯性传感器深耦合GNSS接收机的实现和性能。 传感器 2020 , 20 , 3397. [ 谷歌学者 ] [ 交叉参考 ] Kim,J。; 帕克,M。; Bae,Y。; O.-J.金。; Kim,D。; Kim,B。; Kee,C.使用TDCP测量的用于深城市多径环境的低成本、高精度车辆导航系统。 传感器 2020 , 20 , 3254. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 艾哈迈德·H。; 乌拉,I。; Khan,U。; 库雷希,医学学士。; Manzoor,S。; 穆罕默德,N。; 沙希德·汗,M.U。; Nawaz,R.基于GPS辅助MEMS-IMU的自适应滤波,用于地面车辆轨迹的最优估计。 传感器 2019 , 19 , 5357. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 库科,A。; Kaijaluoto,R。; Kaartinen,H。; V.V.Lehtola。; Jaakkola,A。; Hyypp,J.北方森林冠层下单扫描仪MLS森林数据的图形SLAM校正。 ISPRS J.摄影。 远程传感器。 2017 , 132 , 199–209. [ 谷歌学者 ] 高,Y。; 刘,S。; 医学硕士Atia。; Noureldin,A.INS/GPS/LiDAR组合导航系统,用于使用混合扫描匹配算法的城市和室内环境。 传感器 2015 , 15 , 23286–23302. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 蒋介石,K.-W。; 蔡国杰。; 李彦宏。; 李毅。; El-Sheimy,N.使用INS/GNSS/3D LiDAR-SLAM和完整性评估的自动驾驶导航引擎设计。 远程传感器。 2020 , 12 , 1564. [ 谷歌学者 ] [ 交叉参考 ] 卡尔森,N.A。; Berarducci,M.P.联合卡尔曼滤波器仿真结果。 导航 1994 , 41 , 297–322. [ 谷歌学者 ] [ 交叉参考 ] 邱海忠。; 张,H.Y。; Jin,H.相关局部估计的融合算法。 Aerosp.航空公司。 科学。 Technol公司。 2004 , 8 , 619–626. [ 谷歌学者 ] [ 交叉参考 ] 李,M。; 朱,H。; 你,S。; Tang,C.用于地下煤矿应用的基于UWB的惯性传感器辅助定位系统。 IEEE传感器J。 2020 , 20 , 6652–6669. [ 谷歌学者 ] [ 交叉参考 ] 贾雷,L。; Pascucci,F。; 莫罗西,S。; Martinelli,A.通过基于UWB锚的在线校准改进PDR定位。 2018年9月10日至13日在意大利巴勒莫举行的2018 IEEE第四届社会与工业研究与技术国际论坛(RTSI)会议记录; 第1-5页。 [ 谷歌学者 ] 胡,G。; 高,S。; 钟,Y。; 高,B。; Subic,A.改进的强跟踪无迹卡尔曼滤波器用于具有过程模型不确定性的非线性状态估计。 国际期刊改编。 控制。 信号处理。 2015 , 29 , 1561–1577. [ 谷歌学者 ] [ 交叉参考 ] 韩,Y。; 魏,C。; 李,R。; Wang,J。; Yu,H.一种新的基于IMU和UWB的协同定位方法。 传感器 2020 , 20 , 467. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 李,J。; 毕,Y。; 李凯。; 王凯。; 林,F。; Chen,B.M.通过UWB和IMU融合实现MAV群的精确三维定位。 2018年6月12日至15日,美国阿拉斯加州安克雷奇,IEEE第14届控制与自动化国际会议(ICCA)会议记录。 [ 谷歌学者 ] 他,C。; 唐,C。; Yu,C.用于IMU-UWB室内定位的联合导数Cubature Kalman滤波器。 传感器 2020 , 20 , 3514. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 沈毅。; 朱,H。; 莫,J。; Song,Y.简化Sage-Husa自适应滤波器在组合导航系统中的应用与仿真。 青岛大学工程技术学院。 预计起飞时间。 2001 。在线提供: https://www.researchgate.net/publication/291150654_Application_and_simulation_of_simplified_Sage-Husa_adaptive_filter_in_integrated_navigation_system (2021年6月30日访问)。 Kownacki,C.设计自适应卡尔曼滤波器,以消除无人机系统中使用的激光测距仪的测量故障。 Aerosp.航空公司。 科学。 Technol公司。 2015 , 41 , 81–89. [ 谷歌学者 ] [ 交叉参考 ] Sabatini,A.M.变状态维卡尔曼滤波器,用于使用惯性和磁性传感器确定方向。 传感器 2012 , 12 , 8491–8506. [ 谷歌学者 ] [ 交叉参考 ] 胡,G。; 高,S。; Zhong,Y.紧耦合INS/GPS组合导航的衍生UKF。 ISA事务。 2015 , 56 , 135–144. [ 谷歌学者 ] [ 交叉参考 ] 高戈,H。; She-Sheng,G。; 永民,Z。; Bing-Bing,G.导数无迹卡尔曼滤波器的随机稳定性。 下巴。 物理学。 B 2015 , 24 , 070202. [ 谷歌学者 ] Julier,S.J.《无心滤波和非线性估计》。 IEEE程序。 2004 , 92 , 401–422. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ]