【船舶定位】卡尔曼滤波算法船舶GPS导航定位【含Matlab源码 3495期】

Matlab武动乾坤

于 2024-03-08 10:26:47 发布

阅读量970

点赞数 25

分类专栏： Matlab物理应用（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/136555079

版权

Matlab物理应用（进阶版）专栏收录该内容

78 篇文章 2 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、卡尔曼滤波算法船舶GPS导航定位

1 原理介绍
全球定位系统（Global Positioning System，GPS）广泛运用于军事和民用领域。

GPS接收器可以接受卫星的信号，算出接受载体的位置和速度。由于民用GPS导航卫星人为的加入了干扰，所以需要对GPS的位置和速度信号进行滤波。

GPS中人为加入的干扰信号可以看作是GPS的量测噪声，也就是观测噪声 V ( k ) V(k)V(k) 。

2 卡尔曼滤波算法船舶GPS导航定位
Kalman滤波在船舶G P S GPSGPS导航定位系统中的应用
全球定位系统( G l o b a l P o s i t i o n i n g S y s t e m ， G P S ) (Global\quad Positioning \quad System，GPS)(GlobalPositioningSystem，GPS)广泛应用于军事和国际经济各领域。船舶GPS导航定位系统将一台GPS接收机安装在运动目标(船舶)上就可以进行导航定位计算。GPS接收机可以实时收到在轨的导航卫星播发的信号，算出接受载体（船舶）的位置和速度。由于民用领域GPS导航卫星播发的信号人为加入了高频振荡随机干扰信号，致使所有派生的卫星信号均产生高频抖动。为了提高定位精度，需要对GPS关于船舶的位置和速度的观测信号进行滤波。在GPS系统中人为加入的高频随机干扰信号可看成是GPS定位的观测噪声，观测噪声强度(方差)可由GPS观测信号用系统辨识方法求得。

⛄二、部分源代码

%建立所需矩阵
clear;clc;
T=1;N=100/T;
X=zeros(4,N); %真实值
Xkf=zeros(4,N);
Z=zeros(2,N); %传感器位置测量
P=zeros(4);
H=[1,0,0,0;0,0,1,0];
A=[1,1,0,0;0,1,0,0;0,0,1,1;0,0,0,1];

%初始化
X(:,1)=[-100;2;200;20];
Z(:,1)=HX(:,1);
Xkf(:,1)=X(:,1);
P=eye(4);
delta_w=1e-2;
Q=delta_wdiag([0.5,1,0.5,1]);
R=100*eye(2);

%计算真实值和测量值

%kalman滤波
X_pre=zeros(4,1);
P_pre=zeros(4,1);
for k=2:N
w=sqrtm(Q)randn(4,1);
v=sqrtm®randn(2,1);
X(:,k)=AX(:,k-1)+w;
Z(:,k)=HX(:,k)+v;

X_pre=A*Xkf(:,k-1);
P_pre=A*P*A'+Q;
K=P_pre*H'*inv(H*P_pre*H'+R);
Xkf(:,k)=X_pre+K*(Z(:,k)-H*X_pre);
P=(eye(4)-K*H)*P_pre;

end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 门云阁.MATLAB物理计算与可视化[M].清华大学出版社，2013.
[2]宋健,杜佳璐,李文华,孙玉清,陈海泉.船舶动力定位系统波浪扰动仿真[J].大连海事大学学报,2011.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合