Nghiên cứu thiết kế bộ thu UTC

LUẬN VĂN THẠC SĨ LỜI NÓI ĐẦU Khoa học công nghệ luôn phát triển không ngừng Những công nghệ phát minh, ứng dụng ngày nhiều Ngày nay, người tạo vệ tinh nhân tạo dẫn đường Các vệ tinh cho bạn biết bạn đâu, gần đâu điều thời tiết Với đời hệ thống định vị toàn cầu GNSS(Global Navigation Satellite Syste - tên dùng chung cho hệ thống định vị toàn cầu sử dụng vệ tinh GPS (Hoa Kỳ), Hệ thống định vị Galileo (Liên minh châu Âu) GLONASS (Liên bang Nga), người dễ dàng xác định vị trí, hướng đi, xây dựng đồ phục vụ cho nhiều mục đích khác Do vậy, yêu cầu đặt để cải thiện khả thu tín hiệu GPS tăng độ xác hệ thống Trong luận văn này, em tìm hiểu đề tài "Nghiên cứu thiết kế thu UTC GNSS đa kênh dựa tiếp cận lọc tối ưu trạng thái" Em hy vọng luận văn có ích cho nghiên cứu công nghệ lọc tối ưu trạng thái Kalman phương pháp tích hợp siêu chặt dựa đặc điểm khớp đường cong, đặc biệt ứng dụng thu GNSS Bộ lọc Kalman ứng dụng cho bám tín hiệu dựa vào tín hiệu thu trước để ước lượng trạng thái tín hiệu sau kết hợp với tín hiệu thu để đưa kết xác Bộ lọc Kalman ứng dụng cho hệ thống kết hợp INS/GPS làm tăng độ xác phép đo vị trí, vận tốc, hướng kết hợp hệ thống dẫn đường quán tính INS hệ thống định vị toàn cầu GPS Nhờ vậy, độ xác vị trí, vận tốc, hướng tăng đáng kể Hướng nghiên cứu em tìm thực giải pháp ứng dụng lọc Kalman cho hệ thống định vị toàn cầu GPS Trong trình làm luận văn, em nhận giúp đỡ tận tình từ thầy cô giáo PGS TS Nguyễn Hữu Trung PGS TS Nguyễn Thúy Anh Em xin gửi lời cảm ơn sâu sắc đến thầy cô! Hà Nội tháng 09 năm 2015 Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ TÓM TẮT Bộ lọc tối ưu trạng thái Kalman ứng dụng rộng rãi loại máy thu GPS khác nhau, đặc biệt máy thu cần độ xác cao Luận văn em tìm hiểu về“ Nghiên cứu thiết kế thu UTC GNSS đa kênh dựa tiếp cận lọc tối ưu trạng thái ” Luận văn tập trung vào lý thuyết lọc Kalman thuật toán tích hợp siêu chặt tín hiệu GPS/INS, với ứng dụng lọc Kalman tích hợp siêu chặt GPS/INS việc bám tín hiệu GPS Theo đó, nội dung luận văn bao gồm: CHƢƠNG HỆ THỐNG GNSS VÀ CẤU TRÚC TÍN HIỆU GPS giới thiệu nét khái quát hệ thống định vị toàn cầu GPS, trình bày định dạng, đặc điểm, cách tạo tín hiệu GPS CHƢƠNG BỘ LỌC TỐI ƢU TRẠNG THÁI KALMAN giới thiệu phương pháp ước lượng lọc Kalman mô hình lọc Kalman CHƢƠNG GIẢI PHÁP TÍCH HỢP SIÊU CHẶT TÍN HIỆU GPS/INS giới thiệu giải pháp tích hợp siêu chặt tín hiệu GPS/INS dựa giải thuật khớp đường cong CHƢƠNG ỨNG DỤNG GIẢI PHÁP TÍCH HỢP SIÊU CHẶT GPS/INS VÀ BỘ LỌC TỐI ƢU TRẠNG THÁI TRONG HỆ THỐNG KẾT HỢP INS/GPS mô tả khả giải pháp ứng dụng phương pháp tích hợp siêu chặt hệ thống kết hợp INS/GPS, trình bày phương pháp làm tăng độ xác tín hiệu việc sử dụng lọc Kalman CHƢƠNG KẾT QUẢ ĐẠT ĐƢỢC trình bày kết nghiên cứu thu Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ ABSTRACT Kalman Filter can be applied widely in many different GPS receiver, especially which needs high precision My thesis presents "Researching and Application of Kalman Filter techniques and local polynomial regression improve the accuracy of the GNSS receiver " In fact, Kalman filter is a process of prediction and estimation by measuring interferences to find out the exactly position Based on the properties of the Kalman filter, we can change parameters to adapt applications This thesis inculdes chapters : CHAPTER : OVERVIEW OF GPS SYSTEM AND GPS SIGNAL STRUCTURE This chapter introduces the most general definition of a global positioning system GPS, presents the format and characteristics, and how to create a GPS signal CHAPTER : OPTIMAL STATE ESTIMATOR This chapter introduces the optimal state estimator method approad to UTC multichannel GNSS receiver CHAPTER : ULTRA-TIGHTLY COUPLED GPS AND INERTIAL NAVIGATION SYSTEM FOR AGILE PLATFORMS This chapter introduces the Ultra-Tightly Couple GPS/INS CHAPTER : KALMAN FILTER’S APPLICATIONS AND IN THE COMBIED INS/GPS SYSTEM This chapter presents the capabilities and solutions to apply the UTC multichanel GNSS with Kalman filter in the combined INS / GPS system, presents the method increases the precision of the signal by using Kalman filter CHAPTER : SIMULATION RESULTS This chapter presents the results of the research that was implemented Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ MỤC LỤC LỜI NÓI ĐẦU ABSTRACT DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ DANH MỤC CÁC BẢNG DANH MỤC CÁC TỪ VIẾT TẮT CHƢƠNG HỆ THỐNG GNSS VÀ CẤU TRÚC TÍN HIỆU GPS 12 1.1 Phân hệ không gian 13 1.1.1 Chùm vệ tinh 13 1.1.2 Vệ tinh GPS 13 1.2 Phân hệ điều khiển 14 1.3 Phân hệ sử dụng 15 1.4 Các tín hiệu GPS liệu 16 1.5 Lƣợc đồ tín hiệu GPS 16 1.6 Mã C/A 19 1.6.1 Chuỗi Gold 19 1.6.2 Tạo chuỗi Gold 21 1.6.3 Các đặc tính tƣơng quan 26 1.7 Dịch tần Doppler 27 1.8 Bản tin định vị 28 1.8.1 Định dạng tin 28 1.8.2 Các trƣờng TLM HOW 30 1.8.3 Dữ liệu tin định vị 31 CHƢƠNG BỘ LỌC TỐI ƢU TRẠNG THÁI 32 2.1 Lý cho việc sử dụng lọc Kalman 32 2.2 Mô hình lọc Kalman 34 2.2.1 Mô hình trạng thái động 34 2.2.2 Mô hình trạng thái đo lƣờng 35 2.3 Các thuộc tính lọc Kalman 39 2.4 Bộ lọc Kalman rời rạc 41 2.5 Bộ lọc Kalman Singer g-h-k 43 2.6 Bộ lọc Kalman mở rộng 48 2.6.1 Tiến trình ƣớc lƣợng 48 Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ 2.6.2 Nguồn gốc tính toán lọc 50 CHƢƠNG GIẢI PHÁP TÍCH HỢP SIÊU CHẶT TÍN HIỆU GPS/INS 53 CHƢƠNG BỘ LỌC KALMAN ỨNG DỤNG TRONG HỆ THỐNG KẾT HỢP CHẶT INS/GPS 57 4.1 Phƣơng pháp tiếp cận truyền thống 58 4.2 Đo để chuyển đổi tọa độ 61 4.3 Bộ lọc Kalman cho INS 62 4.4 Sự hợp dựa quy tắc INS GPS 66 4.5 Hợp mờ INS GPS 69 4.6 Phƣơng pháp bám tín hiệu GPS L1 truyền thống 74 4.7 Kết hợp GPS L1 C/A GPS L1C (dữ liệu kênh hoa tiêu) bám 78 4.8 Bộ lọc Kalman sử dụng bám tín hiệu 80 4.8.1 Bộ lọc Kalman truyền thống bám tín hiệu GPS L1 C/A 81 4.8.2 Bộ lọc Kalman đồng thời kết hợp GPS L1 C/A với GPS L1C (dữ liệu kênh hoa tiêu) 86 CHƢƠNG KẾT QUẢ NGHIÊN CỨU 90 5.1 Các mục tiêu luận văn 90 5.2 Triển khai lọc matlab 90 KẾT LUẬN 105 TÀI LIỆU THAM KHẢO 106 Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ HÌNH 1.1 CHÙM SAO VỆ TINH 13 H NH 1.2 VỆ TINH NAVSTAR 14 HÌNH 1.3 PHÂN HỆ ĐIỀU KHIỂN 15 H NH 1.4 SƠ ĐỒ KHỐI BỘ TẠO TÍN HIỆU GPS 17 HÌNH 1.5 CẤU TRÚC TÍN HIỆU L1 18 H NH 1.6 ĐIỀU CHẾ BPSK TRONG TÍN HIỆU GPS 19 HÌNH 1.7 ĐỒ THỊ CỘT CỦA MỘT ACF CHO MỘT CHUỖI GOLD 20 HÌNH 1.8 BỘ TẠO MÃ C/A 22 HÌNH 1.9 ĐẶC TÍNH TƢƠNG QUAN CỦA CÁC MÃ C/A 26 HÌNH 1.10 CẤU TRÚC DỮ LIỆU ĐỊNH VỊ TRONG GPS 29 HÌNH 1.11 ĐỊNH DẠNG CỦA HAI TỪ TLM VÀ HOW 30 H NH 2.1 CÁC BƢỚC BÁM TÍN HIỆU L1 VÀ L5 37 HÌNH 2.2 TÓM TẮT CƠ BẢN CỦA BỘ LỌC KALMAN 43 H NH 2.3 MÔ H NH ĐƢỢC SỬ DỤNG BỞI SINGER [24] CHO HÀM MẬT ĐỘ XÁC SUẤT GIA TỐC MỤC TIÊU 44 HÌNH 2.4 HÌNH VẼ ĐẦY ĐỦ HOẠT ĐỘNG BỘ LỌC KALMAN MỞ RỘNG 52 HÌNH 4.1 HỆ THỐNG GHÉP CHẶT CHẼ GPS / INS 59 HÌNH 4.2 HỆ THỐNG GHÉP LỎNG GPS / INS 59 HÌNH 4.4 CẮT NGANG CỦA ELIP TRÁI ĐẤT 61 HÌNH 4.5 KHOẢNG CÁCH VỊ TRÍ HIỆN TẠI VÀ VỊ TRÍ THEO GPS 69 HÌNH 4.6 CHỨC NĂNG THÀNH PHẦN CHO KHOẢNG CÁCH 70 HÌNH 4.7 'FUZZIFICATION' CỦA MỘT GIÁ TRỊ DỮ LIỆU SẮC NÉT 70 HÌNH 4.8 CHỨC NĂNG THÀNH PHẦN ĐẦU RA CHO GIÁ TRỊ TRỌNG SỐ VỊ TRÍ 72 Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ HÌNH 4.9 ĐẦU RA MỜ CỦA HỆ THỐNG 72 HÌNH 4.10 TRỌNG TÂM ĐẠI DIỆN ĐẦU RA SẮC NÉT CỦA HỆ THỐNG 73 H NH 4.11 SƠ ĐỒ VÒNG KHÓA PHA PLL 75 H NH 4.14 SƠ ĐỒ PHƢƠNG PHÁP BÁM KẾT HỢP 79 HÌNH 4.14 MÔ HÌNH HÀM TỰ TƢƠNG QUAN CỦA L1C (BÊN PHẢI) VÀ DẪN XUẤT CỦA NÓ (BÊN TRÁI) 88 HÌNH 5.1 BỘ LỌC KALMAN ƢỚC LƢỢNG GIÁM SÁT THỰC TẾ 91 H NH 5.2 SƠ ĐỒ TIẾN TRÌNH THỰC HIỆN CỦA BỘ LỌC KALMAN 92 HÌNH 5.3 MÔ HÌNH THÔNG THƢỜNG MÔ PHỎNG SỰ ƢỚC LƢỢNG TRẠNG THÁI TIẾN TRÌNH NGẪU NHIÊN CỦA BỘ LỌC KALMAN 93 HÌNH 5.4 TIẾN TRÌNH NGẪU NHIÊN 93 HÌNH 5.5 CẤU TẠO BỘ LỌC KALMAN 94 HÌNH 5.6 BỘ LỌC KALMAN MỞ RỘNG ƢỚC LƢỢNG TRẠNG THÁI A 96 HÌNH 5.7 BỘ LỌC KALMAN MỞ RỘNG ƢỚC LƢỢNG TRẠNG THÁI B 97 H NH 5.8 ƢỚC LƢỢNG VẬN TỐC 97 H NH 5.9 ƢỚC LƢỢNG VỊ TRÍ 98 H NH 5.10 ĐƢỜNG PHÁC HỌA 99 H NH 5.11 ƢỚC LƢỢNG ĐIỆN ÁP ĐẦU RA 100 HÌNH 5.12 KẾT QUẢ ƢỚC LƢỢNG VỊ TRÍ DÙNG BỘ LỌC 101 HÌNH 5.13 KẾT QUẢ ƢỚC LƢỢNG VẬN TỐC DÙNG BỘ LỌC 102 HÌNH 5.14 BIỂU DIỄN TRẠNG THÁI THỰC TẾ VÀ TRẠNG THÁI ƢỚC LƢỢNG 103 HÌNH 5.15 THỂ HIỆN VỊ TRÍ THỰC TẾ VÀ VỊ TRÍ ƢỚC LƢỢNG TỐT NHẤT Ở ĐẦU RA BỘ LỌC KALMAN 103 Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ DANH MỤC CÁC BẢNG BẢNG 1.1 ẤN ĐỊNH PHA MÃ C/A 24 BẢNG 1.2 MÃ ID CỦA CÁC KHUNG CON 31 BẢNG 2.1 LỢI ÍCH THỰC SỰ CỦA BỘ LỌC KALMAN 34 BẢNG 2.2 HAI BƢỚC PHẢI ĐƢỢC THỰC HIỆN CỦA BỘ LỌC 35 BẢNG 4.1 TÓM TẮT THÔNG SỐ BÁM TRUYỀN THỐNG 78 BẢNG 4.2 BẢNG GIÁ TRỊ MA TRẬN HIỆP PHƢƠNG SAI 84 Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ DANH MỤC CÁC TỪ VIẾT TẮT ACF Autocorrelation Function Hàm tự tương quan BOC Binary offset carrier Sóng mang dịch nhị phân BPSK Binary Phase-Shift Keying Điều chế pha nhị phân CBOC Composite BOC Sóng mang dịch nhị phân tổng hợp DLL Delay Lock Loop Vòng khóa trễ FLL Frequency Lock Loop Vòng khóa tần GPS Global Positioning System Hệ thống định vị toàn cầu GPST GPS Time Thời gian GPS HOW Handover Word Trường HOW Phiên bị cắt 17 bit TOW ID Identification number Số nhận dạng cá nhân INS Inertial navigation system Hệ thống dẫn đường quán tính LFSR Linear Feedback Shift Register Thanh ghi dịch hồi tiếp tuyến tính LSB Least Significant Bit Bit có trọng số thấp MCS Master Control Station Trạm điều khiển trung tâm Nguyễn Xuân Tiến LUẬN VĂN THẠC SĨ MSB Most singnificant bit Bít có trọng số cao NASA National aeronautics and space Cục quản lý hàng không không aministration gian quốc gia NAVSTAR Navigation satellite time and Hệ thống dẫn đường vệ tinh ranging NumericallyControlled Bộ tạo dao động điều khiển Oscillator số Oven controled crystal Bộ tạo dao động tinh thể điều oscillators khiển lò cao tần PLL Phase Lock Loop Vòng khóa pha PPS Precise positioning service Dịch vụ định vị xác PRN Pseudo Random Noise Nhiễu giả ngẫu nhiên SPS Standard Positioning Service Dịch vụ định vị chuẩn SVN Space Vehicle Number Số hiệu vệ tinh TLM Telemetry word Trường TLM Mào đầu bit, NCO OCXO sử dụng để đồng tin định vị TMBOC TOW Time-multiplexed binary offset Sóng mang dịch nhị phân đa thời carrier gian Time of Week Thời gian tuần Tuần GPS bắt đầu nửa đêm thứ bẩy chủ nhật Nguyễn Xuân Tiến 10 LUẬN VĂN THẠC SĨ Ước lượng ưu tiên trạng thái Ước lượng ưu tiên ma trận hiệp phương sai trạng thái Ước lượng giám sát Phép đo l i dư thừa Cập nhật Ước lượng sau cập nhật trạng thái Hình 5.2 Sơ đồ tiến tr nh thực hi n lọc Kalman Mô hình nhiễu với hai biến trạng thái mô ứng dụng lọc Kalman để ước lượng giám sát thực tế Kết mô hiển thị quan sát thực tế quan sát ước lượng Các đặc tính mô hình X(t) = A * X(t-1) + V(t) y(t) = C * X(t) + N(t) A ma trận chuyển đổi trạng thái C ma trận đầu Nguyễn Xuân Tiến 92 LUẬN VĂN THẠC SĨ V : nhiễu tiến trình N : nhiễu quan sát Hình 5.3 Mô h nh thông thường mô ước lượng trạng thái tiến tr nh ngẫu nhiên lọc Kalman Hình 5.4 Tiến tr nh ngẫu nhiên Tiến trình ngãu nhiên chu i biến thời gian gọi chu i thời gian hàm số ngẫu nhiên chọn từ khoảng giá trị thay đổi liên tục Một trường hợp đặc biệt thời gian tập hợp rời rạc,các trình ngẫu nhiên định nghĩa chiều không gian cao cách Nguyễn Xuân Tiến 93 LUẬN VĂN THẠC SĨ gắn biến ngẫu nhiên đa chiều vào điểm tập số tương đương việc sử dụng tập số đa chiều Hình 5.5 Cấu tạo lọc Kalman Sơ đồ khối lọc gồm tăng ích, tạo trễ, chia nhân ma trận Tiến trình cải tiến có phƣơng trình : Biểu diễn thành phần y(k) dự đoán thời điểm k-1 Mặt khác, biểu diễu cải tiến, tính lạ mà y(k) mang tới hệ thống thời điểm không đổi k-1 Tiến trình có số đặc tinh quan trọng Nguyễn Xuân Tiến 94 LUẬN VĂN THẠC SĨ Tiến trình cải tiến có trị trung bình không Vì hệ thống thời gian bất biến, phương trình động học l i ước đoán phương trình động học đồng Vì Chúng ta chọn Do đó, giá trị trung bình l i ước đoán cuối cùng, tiến trình cải tiến có trị trung bình không 5.2.2 Bộ lọc Kalman mở rộng Bộ lọc Kalman mở rộng tương đối giống với lọc tuyến tính, ước lượng trạng thái tại, vị trí vận tốc dựa phép đo nhiễu Nguyễn Xuân Tiến 95 LUẬN VĂN THẠC SĨ Vị trí trước + Ước lượng l i Phép đo vị trí Ước đoán Cập nhật Vị trí ước đoán + Ước lượng l i Vị trí + Ước lượng l i Sơ đồ thuật toán thực lọc Kalman mở rộng Hình 5.6 Bộ lọc Kalman mở rộng ước lượng trạng thái Nguyễn Xuân Tiến 96 LUẬN VĂN THẠC SĨ Hình 5.7 Bộ lọc Kalman mở rộng ước lượng trạng thái B Một lọc tuyến Kalman tuyến tính trung bình hợp phương sai xem lọc Kalman mở rộng (EKF).Đôi khí, tuyến tính hóa ước lượng xung quanh ước lượng tạisử dụng đạo hàm phần tiến trình hàm đo lường để tính toán ước lượng chí bề mặt quan hệ phi tuyến tính Hình 5.8 Ước lượng vận tốc Nguyễn Xuân Tiến 97 LUẬN VĂN THẠC SĨ Hình 5.9 Ước lượng vị trí Trong trình mô phỏng, đường mô tả trạng thái khác tạo Sau sử dụng mô hình lọc Kalman để ước lượng Ở đây, luận văn trình bày mô hình hóa cường độ d ng điện, vận tốc rotor, vị trí rotor biến thiên 1.5 giây Bộ lọc Kalman mở rộng thực tính toán xuất kết gần đường thực tế Điều mở ứng dụng lọc Kalman mở rộng nhiều lĩnh vực khác Nguyễn Xuân Tiến 98 LUẬN VĂN THẠC SĨ Hình 5.10 Đường phác họa Khác với lọc tuyến tính, lọc Kalman mở rộng thường ước lượng tối ưu( tất nhiên tối ưu phép đo mô hình chuyển đổi trạng thái tuyến tính) Ngoài ra, ước lượng trạng thái khởi đầu sai mô hình hóa tiến trình sai, lọc phân kỳ nhanh chóng Vấn đề khác với lọc Kalman mở rộng ma trận hiệp phương sai ước lượng có xu hướng đánh giá thấp ma trận hiệp phương sai thực tế rủi ro không quán thống kê Bộ lọc Kalman mở rộng sử dụng rộng rãi thuật toán ước lượng hệ thống phi tuyến tính 5.2.3 Bộ lọc Kalman bám tín hiệu Mô hình Simulink đưa ví dụ làm mà lọc Kalman thực Simulink Mô hình cấu hình với tiến trình Gauss liên kết với lọc Kalman Để sử dụng trực tiếp mô hình, cần cung cấp thông số mô hình bao gồm thông số tiến trình Gauss, mâ trận không gian A, B, C, D, trạng Nguyễn Xuân Tiến 99 LUẬN VĂN THẠC SĨ thái ban đầu, x0 ma trận hiệp phương sai Q R thông số tương tự cho lọc Kalman Bộ lọc Kalman sử dụng khối mô hình chuẩn hóa kết nối nối với hệ thống khác Hình 5.11 Ước lượng n áp đầu Hình 5.11 cho ta thấy giá trị ước lượng đầu lọc Kalman gần với giá trị điện áp thực Giá trị quan sát cách xa giá trị thực Chứng tỏ rằng, giá trị quan sát sai lệch nhiều giá trị ước lượng đầu lọc Kalman Dự đoán vị trí vận tốc tàu di chuyển Tàu xuất phát vị trí x = di chuyển dọc theo trục X với vận tốc thay đổi xung quanh tốc độ 10m/s Chuyển động tàu miêu tả tập phương trình khác : % $$ \dot{x}_1 = x_2, x_1(0)=0$$ % % $$ \dot{x}_2 = w, x_2(0)=10, w \sim N(0,0.3^2)$$ Nguyễn Xuân Tiến 100 LUẬN VĂN THẠC SĨ Ở x_1 vị trí x_2 vận tốc tàu W nhiễu tiến trình điều kiện đường Vấn đề đặt : sử dụng phép đo vị trí để ước lượng vận tốc thực tế Giải pháp : Bởi máy móc không hoàn hảo, điều kiện thời tiết, phép đo bị nhiễu vận tốc liên tục từ hai phép đo vị trí liên tiếp không xác Chúng ta sử dụng lọc Kalman cần độ xác ước lượng nhanh vận tốc theo thứ tự ước đoán vị trí tàu tương lai Hình 5.12 Kết ước lượng vị trí dùng lọc Trên hình vẽ phép đo vị trí thực tế, đầu ước lượng Kalman phép đo vị trí Đường vị trí thực, đường giá trị đo đường giá trị ước lượng vị trí trùng khít với Do vậy, giá trị ước lượng lọc Kalman coi xác Trên hình vẽ phép đo vị trí thực tế, đầu ước lượng Kalman phép đo vị trí Nguyễn Xuân Tiến 101 LUẬN VĂN THẠC SĨ Hình 5.13 Kết ước lượng vận tốc dùng lọc Đường vận tốc ước lượng lấy mẫu liên tiếp cách xa so với vị trí thực Vì thế, giá trị ý nghĩa việc xác định vân tốc thực tế Đường vận tốc ươc lượng trung bình chạy đường vận tốc ước lượng lọc Kalman bám sát đường vận tốc thực Tuy nhiên, đường vận tốc ước lượng lọc Kalman bám sát đường vận tốc trung bình chạy Vì vậy, lọc Kalman cho kết xác Cũng ta kết luận phương pháp ước lượng lọc Kalman tốt phương pháp truyền thống Giá trị vận tốc lấy từ phép đo hai vị trí liên tiếp Vận tốc tức thời giá trị trung bình mẫu đo liên tục vận tốc tức thời để xác định vận tốc cách xác Thực tế nhìn vào đường phổ ước lượng ta thấy giá trị thực tế giá trị ước lượng không chênh lệnh nhiều gần chồng khít với giá trị thực tế Nguyễn Xuân Tiến 102 LUẬN VĂN THẠC SĨ Hình 5.14 Biểu diễn trạng thái thực tế trạng thái ước lượng Hình 5.15 Thể hi n vị trí thực tế vị trí ước lượng tốt đầu lọc Kalman Với hình 5.14 5.15, ta nhận thấy rằng, với trạng thái khác nhau, lọc Kalman cho kết bám khác Trạng thái trạng thái lọc Kalman hoạt động tốt Trạng thái trạng thái có tín hiệu không nên khả ước lượng lọc Kalman giảm Nhưng nhìn chung, giá trị ước lượng lọc Kalman dao động quanh trạng thái thực tế Với tất thể trên, giá trị Nguyễn Xuân Tiến 103 LUẬN VĂN THẠC SĨ ước lượng lọc Kalman xác phương pháp ước lượng bám truyền thống Nguyễn Xuân Tiến 104 LUẬN VĂN THẠC SĨ KẾT LUẬN M i ngày giới có hàng ngàn công nghệ phát mình, hàng triệu người sử dụng ứng dụng GPS m i ngày, nhu cầu người không giới hạn Quá trình đo xác vị trí phát triển nâng cao độ xác định vị ứng dụng lọc Kalman ngày phát triển mạnh mẽ Cùng với phát triển hệ thống vệ tinh khác Galileo, Glonass hệ thống GPS ngày hoàn thiện bệ phóng dẫn đầu công nghệ dẫn đường vệ tinh Tất luận văn em tập trung vào lý thuyết lọc Kalman với ứng dụng lọc Kalman việc bám tín hiệu GPS Thực chất việc bám đo nhiễu để từ dự đoán ước lượng vị trí Thực tế c n nhiều khó khăn suốt thời gian qua em n lực cố gắng để thực luận văn với nội dung nghiên cứu tốt Em tăng thêm nhiều kiến thức tổng quan hệ thống GPS tín hiệu , kiến trúc, hoạt động hệ thống GPS Những ứng dụng thực tế GPS đặc biệt quan trọng trình xử lý thiếu cho hệ thống viễn thông sử dụng lọc Bộ lọc Kalman với ưu điểm việc tối ưu hóa nhiễu ứng dụng hệ thống GPS tạo bước đột phá công nghệ Trong trình làm luận văn, dù cố gắng tránh khỏi thiếu sót, em mong nhận ý kiến đóng góp quý báu thầy cô bạn! Cuối cùng, em xin gửi lời cám ơn sâu sắc đến thầy cô giáo PGS.TS Nguyễn Hữu Trung PGS TS Nguyễn Thúy Anh, thầy cô giúp đỡ tận tình tạo điều kiện để em hoàn thành luận văn này! Nguyễn Xuân Tiến 105 LUẬN VĂN THẠC SĨ TÀI LIỆU THAM KHẢO [1] Kai Borre - Dennis M Akos - Nicolaj Bertelsen - Peter Rinder - Søren Holdt Jensen – A Software-Defined GPS and Galileo Receiver - A Single-Frequency Approach [2] http://www.navcen.uscg.gov/pubs/gps/sigspec/ - GPS SPS Signal Specification, 2nd Edition (June 2, 1995) [3] Development and Testing of an L1 Combined GPS-Galileo Software Receiver (URL: http://www.geomatics.ucalgary.ca/graduatetheses) by Florence Macchi January 2010 [4] http://en.wikipedia.org/wiki/GPS_signals [5] Kalman filtering: Theory and Practice using Matlab - second editionMohinder S.Grewal- California State University at Fullerton and Angus P.Andrews- Rockwell Science Center Nguyễn Xuân Tiến 106 ... THẠC SĨ TÓM TẮT Bộ lọc tối ưu trạng thái Kalman ứng dụng rộng rãi loại máy thu GPS khác nhau, đặc biệt máy thu cần độ xác cao Luận văn em tìm hiểu về“ Nghiên cứu thiết kế thu UTC GNSS đa kênh... tích hợp siêu chặt hệ thống kết hợp INS/GPS, trình bày phương pháp làm tăng độ xác tín hiệu việc sử dụng lọc Kalman CHƢƠNG KẾT QUẢ ĐẠT ĐƢỢC trình bày kết nghiên cứu thu Nguyễn Xuân Tiến LUẬN VĂN... thời kết hợp GPS L1 C/A với GPS L1C (dữ liệu kênh hoa tiêu) 86 CHƢƠNG KẾT QUẢ NGHIÊN CỨU 90 5.1 Các mục tiêu luận văn 90 5.2 Triển khai lọc matlab 90 KẾT LUẬN