Sử dụng bộ lọc Kalman tuyến tính tối ưu cho hệ bám thời gian giữ chậm tín hiệu GPS

Bài báo đề xuất cách tiếp cận bộ phân biệt để nhận được đặc trưng phân biệt có dạng tuyến tính, làm cơ sở áp dụng bộ lọc Kalman tuyến tính tối ưu. Các kết quả mô phỏng khảo sát đánh giá cho thấy tính đúng đắn của phương pháp tiếp cận mà bài báo đề xuất. | Sử dụng bộ lọc Kalman tuyến tính tối ưu cho hệ bám thời gian giữ chậm tín hiệu GPS Kỹ thuật điều khiển & Điện tử SỬ DỤNG BỘ LỌC KALMAN TUYẾN TÍNH TỐI ƯU CHO HỆ BÁM THỜI GIAN GIỮ CHẬM TÍN HIỆU GPS Dương Mạnh Hùng1*, Phạm Đức Thỏa2, Nguyễn Đức Anh1, Nguyễn Đình Dũng1, Tóm tắt: Bộ phân biệt thời gian giữ chậm có dạng sơ đồ tách sóng thời gian giữ chậm, nên về mặt hình thức mô hình toán học của nó chứa các hàm phi tuyến. Cách tiếp cận phổ biến trong các nghiên cứu trước đây thường thực hiện tuyến tính hóa mô hình toán của đặc trưng phân biệt theo các cách khác nhau nhằm mục đích áp dụng được các thuật toán lọc Kalman mở rộng – các bộ lọc phi tuyến cận tối ưu. Do vậy, về cơ bản các nghiên cứu trước đều gặp phải vấn đề tuyến tính hóa trên mô hình toán của sơ đồ tách sóng, điều này là không mong muốn khi áp dụng các thuật toán lọc tuyến tính tối ưu. Bài báo đề xuất cách tiếp cận bộ phân biệt để nhận được đặc trưng phân biệt có dạng tuyến tính, làm cơ sở áp dụng bộ lọc Kalman tuyến tính tối ưu. Các kết quả mô phỏng khảo sát đánh giá cho thấy tính đúng đắn của phương pháp tiếp cận mà bài báo đề xuất. Từ khóa: Hệ thống định vị dẫn đường GPS, Bộ lọc Kalman, Hệ bám tham số tín hiệu GPS. 1. ĐẶT VẤN ĐỀ Các nghiên cứu áp dụng bộ lọc Kalman trong hệ bám thời gian giữ chậm tín hiệu GPS chủ yếu theo hai cách tiếp cận: Thứ nhất, thực hiện bóc tách sơ đồ tách sóng thời gian giữ chậm theo các cách khác nhau nhằm mục đích nhận được mô hình quan sát theo dạng chuẩn hóa để áp dụng các thuật toán lọc Kalman như EKF, IEKF hoặc UKF [1]; Thứ hai, thực hiện tuyến tính hóa biểu thức toán học của bộ phân biệt thời gian giữ chậm theo các cách khác nhau, điển hình theo cách tiếp cận này là các nghiên cứu [2]. Nói chung, các phương pháp xây dựng hệ bám dựa trên các bộ lọc Kalman đều gặp phải vấn đề tuyến tính hóa. Bài báo đề cập đến phương pháp thay thế gần đúng tương đương để nhận được đặc trưng phân biệt tuyến tính làm cơ sở áp dụng .

Không thể tạo bản xem trước, hãy bấm tải xuống
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.