(Modeling and Simulation of GPS Positioning and Iterative Vehicle Motion Using Kalman Filter in Vehicle Tracking System)
本文介紹了基于卡爾曼濾波的高速公路車輛跟蹤系統(tǒng)的建模與仿真,通過利用高速公路上的車輛迭代運動和卡爾曼濾波器,有助于信號傳輸后的車輛定位。這種方法將有助于識別司機、車輛以及適當?shù)母櫸恢?。根?jù)卡爾曼算法得到的結果顯示,與車輛的實際信號相比,傳輸后的信號中噪聲水平較高。因此,當采用卡爾曼濾波器濾除噪聲的時候,高速公路上的車輛位置預測精度將會大大提高,而此時創(chuàng)建的車輛模型的狀態(tài)將更接近真實狀態(tài)。即使測量環(huán)境非常嘈雜,也能保證誤差在有效范圍內。隨著高斯白噪聲的消除,車輛在高速公路上的位置與通過GPS坐標跟蹤確定的精確位置的誤差幅度將大大減小。
連續(xù)時間變化的卡爾曼濾波器應注意以下兩點:1)仿真模型產生的信號比噪聲測量更平滑,但比實際值滯后,這是模型常見的問題。2)濾波器的誤差幅度會越來越小。這是因為仿真模型會慢慢收斂到一個恒定的水平。如果想更精確地模擬出車輛的晃動,則需要使用一個擴展的卡爾曼濾波器,也需要考慮系統(tǒng)的非線性情況。為了解決模型錯誤帶來的誤差,可以通過增加估計誤差來擴展模型。這也使卡爾曼濾波器更多地依賴于測量值。