之前的笔记介绍了传统的最小二乘解法和DOP的概念,这一节介绍卡尔曼滤波的定位解法。需要的先修基础知识: 卡尔曼滤波原理,尤其是拓展卡尔曼滤波(EKF)
卡尔曼滤波回顾与复习
一个线性卡尔曼滤波的例子
考虑以下一个系统模型
对照卡尔曼滤波模型,这里A=1, B=0和 C=1。 假定系统状态初始估计值
的均方误差
等于4, 过程噪声
和测量噪声
的方差分别为常数Q与R,那么Q=0.5, R=1时,试求状态均方差值
在各个时刻的卡尔曼递推计算中的变化情况,然后再重复计算当Q=0.1和R=1时候的
值变化情况。
解 由于只需要计算状态均方误差值,所以在每一个历元(比如第k个)的卡尔曼滤波递推过程中只涉及一下三个公式:
将
和
的值一起带入以上各式,就可以得到各个历元的先验均方误差
和后验均方差
。而下图虚线与实线分别描述了均方差在上述两组Q,R值下的变化情况。
GPS定位的卡尔曼滤波算法
这一节运用卡尔曼滤波算法来求解GPS位置,速度和时间(PVT).
卡尔曼滤波和之前介绍的最小二乘法的主要区别在于:前者利用状态方程将不同时刻的状态联系起来,而后者却是孤立的求解每一个不同时刻的系统状态。除此之外,GPS的卡尔曼滤波测量方程与最小二乘法中的GPS定位,定速方程事实上没有区别。
接收机时钟模型
接收机时钟偏差是用于GPS定位的各个卫星伪距测量值的公共误差部分,而接收机时钟频飘移是用GPS定速的各个卫星多普勒频移测量值的公共误差部分。因为接收机的钟差与频飘之间是一个简单的积分关系,所以他们两者经常一起作为卡尔曼滤波的系统状态量。
下图所示为一种相当自然的接收机时钟模型,它的两个状态变量为接收机种差
和频飘
,而
与