论文部分内容阅读
全球卫星导航系统（Global Navigation Satellite System,GNSS）正在扮演着越来越重要的角色,进一步提升GNSS的定位精度和实时性具有重要的意义。本文的主要工作如下:本文首先介绍了GNSS伪距定位及无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法的基本原理,并结合GNSS定位解算的应用场景,建立了相应模型。接着对伪距测量过程中存在的常见误差来源及其对定位结果产生的误差进行了分析,给出了相应的修正模型。本文介绍了标准粒子滤波（Particle Filter,PF）算法原理,并对其存在的粒子退化、粒子多样性降低、计算量大等缺点进行了分析,研究了四种重采样方法以及选取不同的重要性函数分别对粒子滤波性能的影响。本文介绍了粒子滤波定位解算的实现过程,并提出了两种粒子滤波的改进算法。基于无迹卡尔曼滤波的不完全重采样粒子滤波（Part Resampling Unscented Particle Filter,PRUPF）利用UKF指导粒子采样,在无迹粒子滤波（Unscented Particle Filter,UPF）的基础上对重采样方法进行改进,将粒子分区从而进行不完全重采样。仿真结果表明,相比于UPF,PRUPF在计算效率方面有所提升。基于均值漂移的粒子滤波（Mean Shift Particle Filter,MSPF）将均值漂移（Mean Shift,MS）算法与PF融合,利用MS算法优化粒子集,使得粒子的分布更加接近真实的状态分布。仿真结果表明,MSPF减少了所需粒子数量,提升了计算效率,但它的滤波精度低于PRUPF。最后,本文在两种不同的观测环境下利用实采数据分别对UKF、UPF、PRUPF及MSPF算法的定位解算性能进行了测试。测试结果表明,在城市静态空旷环境下,UKF的定位性能最好;在城市动态部分遮挡环境下,观测噪声不完全服从高斯分布,UKF的定位精度低于UPF、PRUPF及MSPF,而PRUPF与MSPF在实时性与精度方面均好于UPF。