基于运动传感器的移动目标智能感知方法研究
发布时间:2023-12-07 17:19
随着传感器技术的不断革新与社会对位置服务的广泛需求,许多服务产业对移动目标感知的要求也越来越高,尤其在城市交通的感知领域。基于运动传感器的数据融合技术已成为科学管理与合理规划城市交通不可或缺的技术之一。位置服务是智能交通中的关键组成部分之一,以GPS、BDS、GLONASS、Galileo为代表的GNSS系统,与以惯性器件为代表的运动传感器系列设备,为城市交通的智能感知、操纵提供重要的技术支撑。其中,以运动传感器组合GNSS系统为代表的感知系统,不仅可以落实大量应用,并且能够驱动部分社会支柱性产业的发展。为了有效管理城市交通、减少城市交通运维成本,运动传感器的发展与数据融合技术的应用成为研究的重点。本文分别从四方面进行了相关研究,主要包括基于运动传感器的数据降噪处理方法、基于运动传感器的目标姿态感知方法、基于双天线GNSS辅助运动传感器的目标定向测速方法、基于低成本车载运动传感器组合GNSS系统的目标定位方法。本文主要研究成果为:(1)设计了一种MEMS陀螺仪运动传感器的数据降噪方法。引入小波分析方法对MEMS陀螺信号进行误差特性分析,针对误差特性的分析结果设计了一种小波分析结合SVD...
【文章页数】:66 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景与研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 运动传感器的国内外研究现状
1.3 数据融合算法的国内外研究现状
1.4 技术路线与研究内容
1.4.1 技术路线
1.4.2 研究内容
2 基于运动传感器与数据融合算法的分析
2.1 概述
2.2 特性分析
2.2.1 运动传感器
2.2.2 运动传感器组合系统
2.3 数据融合算法的理论分析
2.3.1 数据融合算法的实现原理
2.3.2 评价数据融合算法性能的分析指标
2.4 本章小结
3 MEMS陀螺仪的降噪方法
3.1 概述
3.2 基于小波分析的方法改进
3.3 基于奇异值/小波分析的降噪处理算法
3.4 试验与分析
3.5 本章小结
4 基于运动传感器的姿态感知方法
4.1 姿态感知的原理概述
4.2 改进的姿态感知方法
4.2.1 基于融合四元数的姿态更新
4.2.2 引入平方根滤波的加权最小二乘算法
4.2.3 试验与分析
4.3 双天线GNSS辅助运动传感器的移动目标定向方法
4.3.1 多种坐标系的概述与目标定向误差的分析
4.3.2 基于双天线基线矢量定向方法的理论分析
4.3.3 定向滤波模型中状态与量测方程的确立
4.3.4 定向方法实现
4.3.5 试验与分析
4.4 本章小结
5 低成本运动传感器组合系统的数据融合方法
5.1 系统不确定性的分析与数据融合算法的概述
5.2 量化系统不确定性的方法实现
5.3 引入系统不确定度自适应调整系统模型
5.4 模糊IAE-UKF数据融合算法实现
5.5 试验与分析
5.6 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的论文及其它成果
本文编号:3870847
【文章页数】:66 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景与研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 运动传感器的国内外研究现状
1.3 数据融合算法的国内外研究现状
1.4 技术路线与研究内容
1.4.1 技术路线
1.4.2 研究内容
2 基于运动传感器与数据融合算法的分析
2.1 概述
2.2 特性分析
2.2.1 运动传感器
2.2.2 运动传感器组合系统
2.3 数据融合算法的理论分析
2.3.1 数据融合算法的实现原理
2.3.2 评价数据融合算法性能的分析指标
2.4 本章小结
3 MEMS陀螺仪的降噪方法
3.1 概述
3.2 基于小波分析的方法改进
3.3 基于奇异值/小波分析的降噪处理算法
3.4 试验与分析
3.5 本章小结
4 基于运动传感器的姿态感知方法
4.1 姿态感知的原理概述
4.2 改进的姿态感知方法
4.2.1 基于融合四元数的姿态更新
4.2.2 引入平方根滤波的加权最小二乘算法
4.2.3 试验与分析
4.3 双天线GNSS辅助运动传感器的移动目标定向方法
4.3.1 多种坐标系的概述与目标定向误差的分析
4.3.2 基于双天线基线矢量定向方法的理论分析
4.3.3 定向滤波模型中状态与量测方程的确立
4.3.4 定向方法实现
4.3.5 试验与分析
4.4 本章小结
5 低成本运动传感器组合系统的数据融合方法
5.1 系统不确定性的分析与数据融合算法的概述
5.2 量化系统不确定性的方法实现
5.3 引入系统不确定度自适应调整系统模型
5.4 模糊IAE-UKF数据融合算法实现
5.5 试验与分析
5.6 本章小结
结论
致谢
参考文献
攻读硕士学位期间发表的论文及其它成果
本文编号:3870847
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3870847.html