Nghiên cứu ứng dụng cảm biến quán tính để xác định phương hướng vật thể trong không gian 3 chiều imu based attitude estimation

ỦY BAN NHÂN THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG CAO ĐẲNG GIAO THÔNG VẬN TẢI - - ĐỀ TÀI NGHIÊN CỨU ỨNG DỤNG CẢM BIẾN QUÁN TÍNH ĐỂ XÁC ĐỊNH PHƯƠNG HƯỚNG VẬT THỂ TRONG KHÔNG GIAN CHIỀU Lưu hành nội - Năm 2019 ỦY BAN NHÂN THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG CAO ĐẲNG GIAO THƠNG VẬN TẢI - - ĐỀ TÀI NGHIÊN CỨU ỨNG DỤNG CẢM BIẾN QUÁN TÍNH ĐỂ XÁC ĐỊNH PHƯƠNG HƯỚNG VẬT THỂ TRONG KHÔNG GIAN CHIỀU Chủ biên : Thành viên : Lê Viết Long Nguyễn Quý Tín Đỗ Trí Nhựt Nguyễn Cơng Thành Lưu hành nội - Năm 2019 TUYÊN BỐ BẢN QUYỀN Tài liệu thuộc loại đề tài nghiên cứu học thuật nên nguồn thơng tin phép dùng ngun trích dùng cho mục đích đào tạo tham khảo Mọi mục đích khác mang tính lệch lạc sử dụng với mục đích kinh doanh thiếu lành mạnh bị nghiêm cấm i LỜI CẢM ƠN Nhóm tác xin chân thành gửi lời cám ơn đến quý Thầy Cô trường Cao đẳng Giao thông Vận tải động viên giúp đỡ giúp nhóm tác giả hồn thành tiến độ Xin cảm ơn Ban Gián hiệu nhà trường nhiệt tình hỗ trợ suốt trình nghiên cứu trường Cuối cùng, xin chân thành cảm ơn bạn bè đồng nghiệp khích lệ, động viên, tạo điều kiện thuận lợi cho nhóm suốt thời gian thực đề tài TP HCM, tháng 08 năm 2019 Nhóm tác giả ii TĨM TẮT Đối với vật thể ngồi trời, việc xác định vị trí người ta sử dụng hệ thống định vị toàn cầu GPS Tuy nhiên, vật thể đặt để bên tịa nhà, xí nghiệp, nhà máy, bên lịng đất hầm, cống hệ thống GPS khơng cịn tác dụng tín hiệu tín hiệu yếu Cho nên cần phải có hệ thống định vị khác thay hệ thống định vị tồn cầu GPS trường hợp khơng có sóng GPS Vì thế, việc xác định góc phương hướng nghiên cứu ứng dụng đề tài để làm tảng xây dựng hệ thống định vị nhà sử dụng cảm biến qn tính Do để xác định vị trí vật khơng gian chiều, người ta sử dụng tọa độ vật (vị trí XYZ) góc phương hướng Cho nên, việc xác định phương hướng cần thiết phương hướng vật thể yếu tố dùng để ước lượng, tính tốn vị trí vật không gian chiều iii DANH MỤC CÁC KÝ HIỆU VIẾT TẮT KÍ HIỆU Ý NGHĨA TIẾNG ANH Ý NGHĨA TIẾNG VIỆT IMU Inertial Measurement Unit Cảm biến quán tính LMSE Least Mean Square Error Sai số trung bình bình phương tối thiểu GPS Lobal Positioning System Hệ thống định vị toàn cầu GNSS Global Navigation Satellite System Hệ định vị vệ tinh INS Inertial Navigation System Hệ định vị xác định thông số chuyển động MEMS Micro-Electro-Mechanical Systems Hệ thống vi điện tử Rada Radio Detection and Ranging Dị tìm định vị sóng vơ tuyến PEA Proper Euler Angles Góc Euler xác GLONASS GLobal Orbiting Navigation Satellite System Hệ thống vệ tinh định vị toàn cầu Liên bang Nga CNS Combined Navigation System Định vị kết hợp DCM Direct Cosine Matrix Phương pháp ma trận trực tiếp I2C Inter-Integrated Circuit Chuẩn giao tiếp nối tiếp dây SPI Serial Peripheral Interface Giao diện ngoại vi nối tiếp ARM Acorn RISC Machine Kiến trúc ARM EKF Extended Kalman Filter Bộ lọc Kalman mở rộng ILS Iterative Least Square Bình phương tối thiểu lặp KF Kalman Filter Bộ lọc Kalman iv DANH MỤC HÌNH Hình 1.1: Quỹ đạo bay vệ tinh GPS Hình 2.1: Cách xác định Các góc Proper Euler 10 Hình 2.2: Hình chiếu trục Z lên hệ trục chuẩn 11 Hình 2.3: Hình chiếu trục Y lên hệ trục chuẩn 11 Hình 2.4: Góc Tait-Bryan (đương sở y’) 12 Hình 2.5: Ứng dụng Góc Tait- Bryan hàng khơng 12 Hình 2.6: Hiện tượng Gimbal Pitch = 900 13 Hình 2.7: Bàng tính tốn giá trị góc Euler tử ma trận xoay 16 Hình 2.8: Các góc Yaw, Pitch Roll 19 Hình 2.9: Sự thay đởi trạng thái máy bay ứng với góc Yaw, Pitch Roll 20 Hình 2.10: Các góc Yaw, Pitch Roll hệ thống định vị quán tính 22 Hình 2.11: Cấu tạo gyro vòng laser 26 Hình 2.12: Gyro vịng laser thực tế 26 Hình 2.13: Các thành phần Gyro cáp quang 27 Hình 2.14: Gyro cáp quang thực tế 27 Hình 2.15: Cấu tạo gia tốc kế lắc 29 Hình 2.16: Tính tốn góc góc nghiêng (tilt) từ accelerometer 30 Hình 2.17: Tính tốn góc xoay (Yaw) từ magnetomter 31 Hình 3.1: Thuật tốn Kalman cổ điển 36 Hình 3.2: Sơ đồ lọc Kalman cho hệ INS/GPS 37 Hình 3.3: Q trình cập nhật thơng tin INS theo thông tin GPS 39 Hình 3.4: Cấu hình lọc Kalman đề xuất toàn hệ thống 43 Hình 4.1: Sơ đồ khối phần cứng 44 Hình 4.2: Kit arduino UNO R3 45 Hình 4.3: Một vài thơng số Arduino UNO R3 46 Hình 4.4: Kit arduino Nano 47 Hình 4.5: Mô đun cảm biến IMU MPU9250 48 Hình 4.6: Mơ đun NRF24L01 49 Hình 4.7: Mơ đun NRF24L01, MPU9250 kết nối với Arduino UNO R3 50 Hình 4.8: Mơ đun NRF24L01 kết nối với Arduino Nano 50 Hình 4.9: Các bước thực phần mềm hệ thống 51 Hình 4.10: Khai báo thư viện số mạch phát 52 Hình 4.11: Khai báo thư viện số mạch thu 52 Hình 4.12: Các thành phần hệ thống thực tế 53 Hình 4.13: Ba góc Euler khối IMU đứng n khơng có bù Kalman 54 Hình 4.14: Ba góc Euler khối IMU đứng yên có bù Kalman 54 v MỤC TIÊU ĐỀ TÀI Cảm biến quán tính (IMU) chọn để nghiên cứu ứng dụng đề tài (IMU) có đáp ứng đáng tin cậy ổn định IMU loại cảm biến chống nhiễu tốt mơi trường dày đặc nhiễu âm (độ ồn) công trường xây dựng Hơn nữa, cảm biến có giá thành thấp nhiều so với hệ thống GPS Giải thuật sử dụng liệu từ cảm biến để xác định phương hướng vật thể không gian chiều lưu vào vi điều khiển truyền khơng dây máy tính Độ xác hệ thống đánh giá dựa vào tiêu chuẩn sai số trung bình bình phương tối thiểu (LMSE) với mục tiêu đề không lớn 2% vi MỤC LỤC LỜI CẢM ƠN ii TÓM TẮT .iii DANH MỤC CÁC KÝ HIỆU VIẾT TẮT iv DANH MỤC HÌNH v MỤC LỤC vii MỞ ĐẦU 1.1 Đặt vấn đề 1.2 Mục tiêu phạm vi nghiên cứu 1.3 Phương pháp nghiên cứu 1.4 Bố cục đề tài Chương TỔNG QUAN 1.1 Giới thiệu 1.2 Hệ thống định vị toàn cầu (GPS) 1.3 Hệ thống định vị quán tính (INS) Chương 2.1 HỆ THỐNG IMU VÀ CÁC TÍNH TỐN LIÊN QUAN Các phương pháp mô tả định vị phương hướng không gian: 2.1.1 Phương pháp Góc Euler : 2.1.2 Góc Euler xác (PEA): 10 2.1.3 Góc Tait–Bryan 12 2.1.4 Vấn đề Gimbal Lock: 13 2.1.5 Phương pháp DCM: 13 2.1.6 Phương pháp Quaternion: 14 2.1.7 Chuyển đổi hệ trục tọa độ: 15 2.2 Hệ thống định vị quán tính INS: 17 2.2.1 Nguyên lý hoạt động INS 18 2.2.2 Cấu tạo INS 19 2.2.3 Phân loại INS 20 2.2.4 Đơn vị đo lường quán tính IMU (Inertial measurement unit) 21 2.3 Các cảm biến cấu thành đơn vị lường quán tính IMU 23 2.3.1 Cảm biến Gyro 23 2.3.2 Gyro 23 2.3.3 Gyro quang (Optical gyro) 25 2.3.4 Gyro rung (Vibrating gyro) 27 2.3.5 Cảm biến gia tốc 28 2.3.6 Cảm biến từ trường: 29 vii 2.4 Các tính tốn xử lý liệu sơ từ cảm biến: 30 2.4.1 Xử lý liệu từ cảm biến trọng trường (accellerometer): 30 2.4.2 Xử lý liệu từ cảm biến từ trường 31 2.4.3 Xử lý liệu tử cảm biến vận tốc góc (Gyro): 33 Chương ỨNG DỤNG BỘ LỌC KALMAN VÀO HỆ THỐNG INS 34 3.1 Bộ lọc Kalman tuyến tính 34 3.1.1 Nguyên lý hoạt động lọc Kalman tuyến tính 34 3.1.2 Áp dụng lọc Kalman tuyến tính 37 3.2 Bộ lọc Kalman mở rộng 39 3.2.1 Nguyên lý hoạt động lọc Kalman mở rộng 39 3.2.2 Áp dụng lọc Kalman mở rộng 41 Chương MƠ HÌNH VÀ THỰC NGHIỆM 44 4.1 Phần cứng 44 4.1.1 Hệ thống điều khiển 44 4.1.2 Hệ thống cảm biến 47 4.1.3 Hệ thống truyền tín hiệu sóng radio RF 48 4.1.4 Sơ đồ kết nối thành phần hệ thống 50 4.2 Phần mềm 51 4.2.1 Các thành phần hệ thống phần mềm 51 4.2.2 Lập trình điều khiển tín hiệu cảm biến phát khơng dây RF 52 4.2.3 Lập trình điều khiển nhận tín hiệu cảm biến khơng dây RF 52 4.3 Thực nghiệm 53 4.3.1 Mơ hình phần cứng thực tế 53 4.3.2 Nhận xét kết thu 53 KẾT LUẬN 55 TÀI LIỆU THAM KHẢO 57 viii Chương MƠ HÌNH VÀ THỰC NGHIỆM 4.1 Phần cứng Sơ đồ khối hệ thống mô tả Hình 4.1 Các thành phần hệ thống bao gồm:  Hệ thống điều khiển  Hệ thống cảm biến: cảm biến IMU  Thiết bị truyền tín hiệu sóng radio RF Cảm biến MPU9250 Máy tính Vi điều khiển Arduino UNO R3 Vi điều khiển Arduino Nano Phát sóng RF24 Thu sóng RF24 Hình 4.1: Sơ đồ khối phần cứng 4.1.1 Hệ thống điều khiển a) Giới thiệu kit arduino UNO R3 Mạch Arduino dùng để lập trình, mà người ta thường nói tới dịng Arduino UNO Hiện dịng mạch phát triển tới hệ thứ (R3) 44 Đặc điểm: Arduino Uno R3 biết đến cách quen thuộc Việt Nam, giới phở biến! Sức mạnh chúng ngày chứng tỏ theo thời gian với ứng dụng mở (open source) độc đáo chia sẻ rộng rãi Arduino Uno R3 bạn ứng dụng vào mạch đơn giản mạch cảm biến ánh sáng bật tắt đèn, mạch điều khiển động cao bạn làm sản phẩm như: máy in 3D, Robot, khinh khí cầu, máy bay không người lái, ứng dụng lớn khác Arduino Uno R3 thực gây sóng gió thị trường người dùng DIY (là người tự chế sản phẩm mình) tồn giới thời gian gần Số lượng người dùng cực lớn đa dạng với trình độ trải rộng từ bậc phở thơng lên đến đại học chí trường đại học nổi tiếng giới làm cho người tạo chúng phải ngạc nhiên mức độ phổ biến Bo mạch Arduino sử dụng dòng vi xử lý 8-bit mega AVR Atmel với hai chip phổ biến ATmega328 ATmega2560 Các dòng vi xử lý cho phép lập trình ứng dụng điều khiển phức tạp trang bị cấu hình mạnh với loại nhớ ROM, RAM Flash, ngõ vào digital I/O có nhiều ngõ có khả xuất tín hiệu PWM, ngõ đọc tín hiệu analog chuẩn giao tiếp đa dạng UART, SPI, TWI (I2C) Hình 4.2: Kit arduino UNO R3 45 Vi điều khiển ATmega328 họ 8bit Điện áp hoạt động 5V DC (chỉ cấp qua cổng USB) Tần số hoạt động 16 MHz Dòng tiêu thụ khoảng 30mA Điện áp vào khuyên dùng 7-12V DC Điện áp vào giới hạn 6-20V DC Số chân Digital I/O 14 (6 chân hardware PWM) Số chân Analog (độ phân giải 10bit) Dòng tối đa chân I/O 30 mA Dòng tối đa (5V) 500 mA Dòng tối đa (3.3V) 50 mA Bộ nhớ flash 32 KB (ATmega328) với 0.5KB dùng bootloader SRAM KB (ATmega328) EEPROM KB (ATmega328) Hình 4.3: Một vài thơng số Arduino UNO R3 Arduino UNO sử dụng vi điều khiển họ 8bit AVR ATmega8, ATmega168, ATmega328 Bộ não xử lí tác vụ đơn giản điều khiển đèn LED nhấp nháy, xử lí tín hiệu cho xe điều khiển từ xa, làm trạm đo nhiệt độ - độ ẩm hiển thị lên hình LCD,… hay ứng dụng khác b) Giới thiệu kit arduino UNO Nano Mạch Arduino Nano tương tự dịng Arduino UNO đặc biệt kích thước Arduino Nano nhỏ (1.85cm x 4.3cm) thơng số R3 46 Hình 4.4: Kit arduino Nano c) Sử dụng kit arduino để điều khiển hệ thống Trong nội dung đề tài náy kit Arduino UNO R3 sử dụng làm phận xử lý hệ thống Các chức kit bao gồm:  Thu thập liệu từ cảm biến  Xử lý liệu từ cảm biến để xác định độ lệch vị trí  Điều khiển mạch RF24 truyền sóng radio độ lệch vị trí Tài nguyên sử dụng bao gồm:  I2C: dùng để giao tiếp với cảm biến IMU  SPI: dùng để giao tiếp với RF theo kiểu Master - Slave  MPU9250: thư viện cảm biến IMU  RF24 dùng để giao tiếp sóng radio  Chân 9, 10: dùng để phát thu sóng RF  Nguồn VCC 9v: cấp nguồn cho arduino, cảm biến mạch RF 4.1.2 Hệ thống cảm biến Cảm biến GY-9250 9DOF IMU MPU9250 có khả đo thơng số: trục Góc quay (Gyro), trục gia tốc hướng (Accelerometer) trục từ trường 47 (Magnetometer) cảm biến MPU9250 (phiên upgrade MPU6050) phở biến nay, thích hợp cho ứng dụng: lắc động, xe tự cân bằng, máy bay,… Thông số kỹ thuật:  Chip : MPU-9250 (Đo trục góc + trục gia tốc + trục từ trường)  Điện áp sử dụng: 3-5V  Giao tiếp: I2C/ SPI  Hỗ trợ AD 16 Bit  Độ phân giải góc : ± 250 500 1000 2000 °/s  Độ phân giải gia tốc : ± ± ± ± 16g  Độ phân giải từ trường ±4800μT Hình 4.5: Mơ đun cảm biến IMU MPU9250 Cảm biến MPU9250 thiết bị theo dõi chuyển động từ công ty Invensense Cảm biến tích hợp cảm biến gia tốc trục, quay hồi chuyển trục trục từ trường đế silicon với xử lý tín hiệu số chuyển động với khả xử lý thuật toán phức tạp 4.1.3 Hệ thống truyền tín hiệu sóng radio RF NRF24L01là module wireless, đồng thời dễ dàng kết nối với MCU ARM/PIC/AVR/STM32 thông qua giao tiếp SPI, ứng dụng truyền 48 nhận liệu từ xa qua sóng RF mạch vi xử lý Arduino, Raspberry,… Wireless NRF24L01 thiết kế với khuyếch đại công suất anten SMA giúp tăng khoảng cách liên lạc không dây lên đến 1Km điều kiện khơng có vật cản Thơng số kỹ thuật  Điện áp hoạt động: 1.9V đến 3.6 V phạm vi cung cấp  Máy phát: 11.3mA công suất 0dBm  Bộ thu: AGC cho dải động tích hợp lọc kênh  Hoạt động băng tần ISM 2.4GHz  126 kênh RF  Tốc độ truyền liệu cao: 250kbps, 1Mbps 2Mbps  Enhanced ShockBurst đến 32 byte, đường liệu MultiCeiver cho mạng 1:6  Host Interface: 4-pin phần cứng SPI, riêng biệt 32 byte TX RX FIFOs  Sử dụng điều chế GFSK Hình 4.6: Mơ đun NRF24L01 49 4.1.4 Sơ đồ kết nối thành phần hệ thống 4.1.4.1 Sơ đồ kết nối mạch phát Hình 4.7: Mơ đun NRF24L01, MPU9250 kết nối với Arduino UNO R3 4.1.4.2 Sơ đồ kết nối mạch thu Hình 4.8: Mô đun NRF24L01 kết nối với Arduino Nano 50 4.2 Phần mềm 4.2.1 Các thành phần hệ thống phần mềm Các thành phần hệ thống phần mềm bao gồm:  Hệ điều hành Window 10, IDE Arduino 1.8.1, processing 1.5.3  Trình điều khiển thiết bị (I2C, SPI…)  Thư viện điều khiển phần cứng  Thư viện xử lý số Các bước thực phần mềm hệ thống bám mặt trời mơ tả hình sau: Khởi tạo hệ thống Đọc liệu cảm biến Tính góc quay Truyền liệu cảm biến Nhận liệu cảm biến Hiển thị Hình 4.9: Các bước thực phần mềm hệ thống 51 4.2.2 Lập trình điều khiển tín hiệu cảm biến phát khơng dây RF Hình 4.10: Khai báo thư viện số mạch phát 4.2.3 Lập trình điều khiển nhận tín hiệu cảm biến khơng dây RF Hình 4.11: Khai báo thư viện số mạch thu 52 4.3 Thực nghiệm 4.3.1 Mơ hình phần cứng thực tế Mơ hình thực tế hệ thống đưa Hình 4.8 Trong đó:  – Mơ đun nhận liệu cảm biến  – Mô đun phát liệu cảm biến Hình 4.12: Các thành phần hệ thống thực tế 4.3.2 Nhận xét kết thu Khối IMU đặt lên bàn quay lấy liệu vịng Kết tính tốn ba góc Euler vẽ Hình 4.13 4.14 Lưu ý tới thang chia Hình 4.13 (từ-100 tới 300) Hình 4.15 (từ20 tới 20) Kết phân tích độ trơi góc Euler vịng 100 giây cho thấy: khơng có bù Kalman góc Euler bị trơi lớn: đặc biệt góc hướng (c) trơi đến 300 (Hình 4.13) Khi có bù Kalman độ xác góc nghiêng (a), chúc (b), hướng (c) cao Cụ thể sau 100 giây góc Euler khơng trơi q 20 (Hình 4.14) 53 Hình 4.13: Ba góc Euler khối IMU đứng n khơng có bù Kalman Hình 4.14: Ba góc Euler khối IMU đứng yên có bù Kalman 54 KẾT LUẬN Đề tài xây dựng thành công hệ thống thử nghiệm Về phần cứng: thiết kế tích hợp thành công mô đun phần cứng thành hệ thống với phần xử lý kit arduino, xử lý thu thập liệu từ mô đun cảm biến, xử lý liệu để dùng chúng để điều khiển chuyển động Thành phần cảm biến hệ thống mô đun cảm biến IMU9250 để nhận giá trị gia tốc góc quay hồi chuyển Bộ lọc bù sử dụng để kết hợp ưu điểm thành phần khối IMU (gia tốc góc quay hồi chuyển) để đưa liệu xác góc Thành phần truyền sóng radio nhằm gửi tín hiệu khơng dây từ cảm biến ve máy tính Phần mềm hệ thống xây dựng hệ điều hành Windows 10 với chế xử lý đa luồng, đảm bảo cho hệ thống hoạt động đáp ứng thời gian thực Ưu điểm hệ thống: giá thành rẻ so với hệ thống khác; xác định vị trí vật thể không gian không tồn GPS Nhược điểm hệ thống: cảm biến cần phải chỉnh trước sử dụng; phụ thuộc vào tọa độ vật thể lắp đặt hệ thống Điểm bật đề tài: Độ lệch trục toạ độ xoay cảm biến với độ sai lệch khơng q 2% - Tính số đo giá trị lượng giác góc lệch phương xoay - Có thể tuỳ chỉnh code cho phù hợp thay đổi theo nhu cầu người học - Tạo hứng thú cho sinh viên, tạo tiền đề cho em có nhu cầu tìm hiểu khoa học sáng tạo học tập - Dữ liệu truy xuất máy tính, lấy thông số làm tập kiểm tra - Nguồn pin USB, Pin rời (có thể dung pin sạc dự phòng thiết bị sạc di động) qua sạc adapter - Giá thành rẻ, phụ tùng dễ tìm mua thị trường nước 55 Việc xác định góc phương hướng vật thể khơng gian chiều tảng để áp dụng vào đề tài nghiên cứu tiếp nối mang tính ứng dụng Sản phẩm thực tế có nhiều ứng dụng như: - Robot tự cân - Xác định vị trí vật thể khơng gian không tồn GPS - Tự động tắt đèn signal sau rẻ hướng, áp dụng vật thể chuyển động đường - Hệ thống định vị xe tự hành Với mã nguồn lập trình tảng C, C++ sinh viên dễ dàng thay đổi mã code nghiên cứu với mục đích khác tạo tiền đề cho đam mê sáng tạo học tập Sản phẩm đem lại nhu cầu hứng thú học tập, sinh viên quan sát góc lệch chuyển động máng nghiêng cách dễ dàng, vận dụng lý luận để làm sở thực nghiệm kiểm chứng lực phân tích lực hợp góc khác chuyển động mở rộng cho nghiên cứu, người dùng nghiên cứu mã code mạng thư viện cộng đồng www.arduino.vn, www.arduino360.com kết hợp với thuật toán để tạo mã code cho riêng Cảm biến gia tốc MPU-9250 dùng nhiều thiết bị di động xe tự cân bằng, chắn tạo cho sinh viên tìm tịi sáng tạo động lực thúc đẩy, ươm mầm cho ngành cơng nghiệp hố, đại hoá Hướng phát triển Hệ thống triển khai mức mơ hình thử nghiệm nên cịn hạn chế Bởi vậy, cần có nhiều cải tiến để hệ thống hồn thiện Dưới số hướng cải tiến phát triển hệ thống:  Phân chia xử lý đa luồng tốt để nâng cao việc xử lý thời gian thực hệ thống  Đặt hệ thống tàu dịch chuyển vị trí khác để kiểm nghiệm mức độ xác hệ thống 56 TÀI LIỆU THAM KHẢO Tiếng Việt: [1] N.V.Q.Thịnh, 2007, Bộ lọc Kalman, http://vntelecom.org [2] http://arduino.vn/ Tiếng Anh: [3] Ismaeel, S.A., 2003 Design of Kalman Filter of Augmenting GPS to INS Systems, Ph.D Thesis, Computer Engineering Dept., College of Engineering, Al-Nahrain University [4] Shin, E.H., 2001 Accuracy Improvement of Low Cost INS/GPS for land Application, M.Sc Thesis University of Calgary, Geomatic Engineering Dept [5] Nassar, S., 2003 Improving the Inertial Navigation System (INS) Error Model for INS and INS/DGPS Application, Ph.D Thesis University of Calgary, Geomatic Engineering Dept [6] Ding, W and J Wang, 2007 Vehicle Dynamics Based De-Noising for GPS/INS Integration, IGNSS, the University of New South Wales, Sydney, Australia, 4-6 [7] Kevin, J., C Michael, S Nechyba and A Antonio, 2003 Embedded Low Cost Inertial Navigation System, Florida Conference on Recent Advances in Robotics, FAU, Dania Beach, FL, May 8-9 [8] Chin, W., Tan and P Sungsu, 2005 Design of Accelerometer-Based Inertial Navigation Systems, IEEE Transactions on Instrumentation and Measurement, 54(6) [9] Shane C (2007), “The Balance Filter - A Simple Solution for Integration Accelerometer and Gyroscope Measurements for a Balancing Platform”, Rev.1: Submitted as a Chief Delphi white paper - June 25, 2007 [10] Vikas Kumar N, 2004, Integration of Inertial Navigation System and Global Positioning System Using Kalman Filtering, M.Tech Dissertation, Indian Institute Of Technology, Bombay, July 2004 [11] Tran Duc Tan, Huynh Huu Tue, Nguyen Thang Long, Nguyen Phu Thuy, Nguyen Van Chuc, 2006, Designing Kalman Filters for Integration of Inertial Navigation System and Global Positioning System, in The 10th biennial Vietnam Conference on Radio & Electronics, REV-2006 Hanoi, November 6-7 57 [12] Watson, J.R.A., 2005, High-Sensitivity GPS L1 Signal Analysis for Indoor Channel Modelling, MS.c.,Thesis, published as Report No 20215, Department of Geomatics Engineering, The University of Calgary [13] Wei, W., Y Zong, R Rong, 2006, Quadratic extended Kalman filter approach for GPS/INS integration, Aerospace Science and Technology, 10: 709-7 [14] You Chong,“Extended Kalman for Global Positioning System”, Peiking University,2011 [15] Carlos R Colon, “An efficient GPS Position determination algorithm”, Master thesis of Air Force Institute of Technology, 1999 58