卡尔曼滤波算法_GPS定位笔记3 (卡尔曼滤波定位算法)

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

标准线性卡尔曼滤波

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