Використання фільтра Калмана для інтеграції даних GPS та IMU в зашумленому середовищі
DOI:
https://doi.org/10.26642/ten-2024-2(94)-69-80Ключові слова:
фільтр Калмана, GPS, IMU, системи навігації, точність позиціонуванняАнотація
У статті розглядається проблема підвищення точності та надійності навігаційних систем, які використовують інтеграцію даних із GPS та IMU в умовах зашумленого середовища. Головним завданням є зменшення похибок, що виникають через періодичну відсутність GPS та шум у вимірюваннях IMU. Для вирішення цієї проблеми розглянуто використання фільтра Калмана для прогнозування та коригування стану системи на основі доступних вимірювань, навіть у разі часткової або повної втрати сигналу GPS. Методи дослідження містять серію експериментів, спрямованих на моделювання різних сценаріїв: ідеальні умови (без шуму) та шум на обох датчиках (GPS та IMU). Під час експериментів були зібрані та оброблені дані про реальне положення і швидкість, що дозволило оцінити точність фільтра Калмана в різних умовах та показало значне зменшення похибки у визначенні позиції.
Посилання
Kalman, R.E. (1960), «A new approach to linear filtering and prediction problems», Journal of Basic Engineering, Vol. 82, рр. 35–45, doi: 10.1115/1.3662552.
Wang, X., Ahonen, T. and Nurmi, J. (2007), «Applying CDMA technique to network-on-chip», IEEE Transactions on Very Large Scale Integration (VLSI) Systems, Vol. 15, рр. 1091–1100, doi: 10.1109/tvlsi.2007.903914.
Hwang, P.Y.C. and Brown, R.G. (2012), Introduction to Random Signals and Applied Kalman Filtering with Matlab Exercises, John Wiley & Sons.
Zhang, X., Bai, Y. and Chai, S. (2018), «State Estimation for GPS Outage Based on Improved Nonlinear Autoregressive Model», Proceedings of the IEEE 9th International Conference on Software Engineering and Service Science (ICSESS), 23–25 November, Beijing, China, doi: 10.1109/icsess.2018.8663875.
Matisko, P. and Havlena, V. (2012), «Optimality tests and adaptive Kalman filter», IFAC Proceedings, Vol. 45, рр. 1523–1528, doi: 10.3182/20120711-3-be-2027.00011.
Sun, J., Tao, L., Niu, Z. and Zhu, B. (2020), «An Improved Adaptive Unscented Kalman Filter With Application in the Deeply Integrated BDS/INS Navigation System», IEEE Access, Vol. 8, рр. 95321–95332, doi: 10.1109/access.2020.2995746.
Rithanasophon, T. and Wannaboon, C. (2023), «Integration of machine learning and Kalman filter approach for fingerprint indoor positioning», Proceedings of the 20th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), Nakhon Phanom, Thailand, doi: 10.1109/ecti-con58255.2023.10153162.
Bistrovs, V. and Kluga, A. (2009), «Combined Information Processing from GPS and IMU using Kalman Filtering Algorithm», Elektronika ir Elektrotechnika, Vol. 93, [Online], available at: http://eejournal.ktu.lt/index.php/elt/article/view/10171
Franchi, M., Ridolfi, A. and Allotta, B. (2021), «Underwater Navigation with 2D Forward Looking SONAR: An Adaptive Unscented Kalman Filter?Based Strategy for AUVs», Journal of Field Robotics, Vol. 38, doi: 10.1002/rob.21991.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Євген Борисович Артамонов, Ангеліна Костянтинівна Жултинська, Тарас Іванович Залозний, Андрій Васильович Радченко, Костянтин Миколайович Радченко
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
