臺灣博碩士論文加值系統

全球定位系統（Global Positioning System, GPS）與慣性導航系統（Inertial Navigation System, INS）兩者具有互補性，主因在於INS積分會出現漂移誤差，該誤差並會隨著時間累積，然而針對短時間而言，INS有較高精確度，且不受外在環境影響的特性。相對而言，GPS則具有長時間穩定的定位能力，但易受外在環境影響，因此本研究嘗試整合GPS與INS導航系統，將其運用於載體上以達成即時導航與定位之功能。本研究採用卡爾曼濾波器（Kalman filter）作為GPS與INS的整合法則基礎，但考量傳統卡爾曼濾波技術的狀態雜訊共變異量採用固定常數，因此無法適時提供最適值之狀態雜訊共變異量矩陣，以利系統進行導航狀態雜訊之修正，導致GPS衛星訊號脱鎖時誤差量加大。因此本研究利用類神經網路（倒傳遞法）進行最適值狀態雜訊共變異量之估測，以便提供給卡爾曼濾波器進行狀態雜訊之修正，進而提高導航系統的精確度與可靠度。

This study integrates global positioning system (GPS) and inertial navigation system (INS) by means of Kalman filtering (KF). Due to inadequacy related to KF-based GPS/INS integration, relatively poor positioning accuracy could be resulted during long GPS outages. To overcome this problem, covariance matrices that are applied in KF and associated with the system noise are tuned over time via neural network method. Therefore, the study highlights the use of neural network techniques to the adaptation of the initial statistical assumption of the KF caused by possible changes in sensor noise characteristics. The proposed system is implemented on a vehicle so that the desired positioning accuracy can be examined. It is found that the adaptive mechanism can help improve the positioning accuracy of the integrated GPS/INS system during long GPS outages.

明志科技大學碩士學位論文指導教授推薦書 i
明志科技大學碩士學位論文口試委員審定書 ii
明志科技大學學位論文授權書 iii
博碩士論文電子檔案上網授權書 iv
誌謝 v
中文摘要 vi
英文摘要 vii
目錄 viii
表目錄 xi
圖目錄 xii
第一章 緒論 1
1.1研究背景 1
1.2文獻回顧 2
1.3研究動機 3
1.4論文架構 4
第二章 全球定位系統 5
2.1全球定位系統架構 5
2.2 GPS訊號結構 7
2.3衛星定位原理 9
2.4 GPS誤差分析 10
2.5座標轉換 13
第三章 慣性導航系統 15
3.1慣性導航系統架構 16
3.2感測器工作原理 17
3.3 INS誤差分析 19
3.4座標轉換 21
第四章 整合定位法則 26
4.1GPS/INS系統整合架構 26
4.2卡爾曼濾波器(Kalman Filter) 28
4.2.1系統狀態方程式 33
4.2.2 量測方程式 36
4.2.3 卡爾曼濾波器系統參數 38
第五章 類神經網路 40
5.1類神經網路架構 40
5.2 神經元模型 41
5.3 倒傳遞類神經網路學習演算法 43
第六章 尋找最佳加速度狀態雜訊變異量 50
6.1尋找最佳加速度狀態雜訊變異量 52
6.2 Kalman Filter結合類神經網路 61
第七章 實驗架構 63
7.1實驗設備 63
7.2硬體架構 64
第八章 實驗結果與分析 66
8.1 方位角誤差修正 67
8.2 GPS與INS未整合定位結果 69
8.3 GPS與INS整合定位結果 71
8.4 GPS訊號脱鎖時INS導航系統定位結果 73
8.5 浮動值Q矩陣更新週期實驗 76
第九章 結論與未來展望 80
8.1結論 80
8.2未來展望 80
參考文獻 82

表目錄
表1.1慣性導航系統與全球定位系統特性比較 3
表2.1衛星相關參數 6
表6.1加速度與加速度狀態雜訊變異量 58
表6.2 BPN網路參數 59
表7.1 NI USB-6210資料擷取卡特性 66
表8.1 Q矩陣之導航平均誤差比較 75
表8.2浮動值Q矩陣之更新週期選擇 77

圖目錄
圖2.1全球定位系統架構 5
圖2.2 GPS衛星軌道分佈圖 6
圖2.3 GPS接收器方塊圖 7
圖2.4 GPS衛星信號結構 9
圖2.5三度空間定位示意圖 10
圖2.6 GPS靜態相對速度響應圖 12
圖2.7 GPS靜態向東位移響應圖 12
圖2.8 GPS靜態向北位移響應圖 12
圖2.9 WGS-84與ECEF之關係圖 14
圖3.1慣性導航原理 15
圖3.2固裝式慣性導航系統架構圖 16
圖3.3固裝式慣性導航系統原理 17
圖3.4氣體運動形式加速度規架構與工作原理 18
圖3.5慣性元件雜訊模式 20
圖3.6加速度規靜態訊號響應圖 21
圖3.7陀螺儀靜態訊號響應圖 21
圖3.8載體座標系統 22
圖3.9座標轉換示意圖 22
圖3.10繞 軸旋轉 23
圖3.11繞 軸旋轉 24
圖3.12繞 軸旋轉 25
圖4.1 GPS/INS定位誤差 26
圖4.2開迴路分散式系統架構圖 27
圖4.3開迴路集中式系統架構圖 27
圖4.4閉迴路分散式系統架構圖 28
圖4.5閉迴路集中式系統架構圖 28
圖4.6卡爾曼濾波器系統方塊圖 29
圖4.7卡爾曼濾波器運算流程圖 33
圖4.8方位角誤差(γ角)示意圖 35
圖5.1倒傳遞類神經網路架構圖 40
圖5.2單一神經元模型 41
圖5.3硬限制函數 42
圖5.4飽合線性函數 42
圖5.5對數雙彎曲函數 42
圖5.6正切雙彎曲函數 43
圖5.7倒傳遞演算法之正反向傳遞圖 44
圖5.8倒傳遞演算法訓練流程圖 49
圖6.1運動歷程規劃之PVA示意圖 51
圖6.2平台位移數據圖 51
圖6.3位置誤差走勢圖 52
圖6.4變加速度運動 53
圖6.5實車測試所得之變加速度運動訊號 53
圖6.6靜態加速度訊號(取樣頻率500Hz) 54
圖6.7載體運動歷程規劃示意圖 55
圖6.8第II區間變加速度訊號(實驗一 取樣頻率500Hz) 56
圖6.9第II區間變加速度訊號(實驗二 取樣頻率500Hz) 56
圖6.10第II區間變加速度訊號(實驗三 取樣頻率500Hz) 57
圖6.11第II區間變加速度訊號(實驗四 取樣頻率500Hz) 57
圖6.12第II區間變加速度訊號(實驗五 取樣頻率500Hz) 57
圖6.13急跳度VS最佳雜訊方差分布圖 58
圖6.14加速度相對於加速度狀態變異量之關係圖 59
圖6.15類神經網路訓練結果 60
圖6.16目標值與網路輸出值比對圖 60
圖6.17網路廣義化測試圖 61
圖6.18卡爾曼濾波器結合類神經網路之導航系統整合流程圖 63
圖7.1設備實體架構圖 64
圖7.2系統架設於載體實體圖 65
圖7.3整合系統硬體架構圖 66
圖7.4 NI USB-6210訊號擷取卡 66
圖8.1實驗路線圖(實驗路線A) 67
圖8.2實驗路線圖(實驗路線B) 68
圖8.3實驗路線圖(實驗路線C) 68
圖8.4未修正方位角誤差導航估測結果 69
圖8.5修正方位角誤差之導航估測結果 70
圖8.6 A路線GPS與INS導航軌跡圖 71
圖8.7 B路線GPS與INS導航軌跡圖 71
圖8.8 C路線GPS與INS導航軌跡圖 72
圖8.9 A路線KF整合結果比較圖 73
圖8.10 B路線KF整合結果比較圖 73
圖8.11 C路線KF整合結果比較圖 74
圖8.12 A路線GPS脱鎖後KF估測結果比較圖 75
圖8.13 B路線GPS脱鎖後KF估測結果比較圖 76
圖8.14 C路線GPS脱鎖後KF估測結果比較圖 76
圖8.15導航軌跡結果比較圖(實驗ㄧ) 78
圖8.16導航軌跡結果比較圖(實驗二) 78
圖8.17導航軌跡結果比較圖(實驗三) 79
圖8.18導航軌跡結果比較圖(實驗四) 79
圖8.19導航軌跡結果比較圖(實驗五) 80

[1] M. Hoshino, Y. Gunji, S. Oho, K. Takano, “A Kalman Filter to Es IEEE/SICE/RSJ International Conference on Multisensor Fusion and Integration for Intelligent Systems,145-150, 1996.
[2] X. Ma, S. Sukkarieh, J.-H. Kim, “Vehicle model aided inertial navigation”, IEEE Intelligent Transportation Systems Proceedings,Vol.2, 1004-1009, May 26 2003.
[3] Y. S. Suh, “Attitude Estimation Using Low Cost Accelerometer and Gyroscope”, The 7th Korea-Russia International Symposium on Science and Technology, Vol.2, 423-427, 2003..
[4]陳志正,“結合最佳化理論與神經網路於GPS/INS導航系統之設計”國立海洋大學通訊與導航工程系碩士論文,2007
[5]李秀峰,“整合GPS與感測器於車輛定位”國立台灣科技大學機械工程技術研究所碩士論文, 1998
[6]沈葦倫,“GPS/INS整合系統於即時車輛導航之應用”國立交通大學電機與控制工程研究所碩士論文,2003
[7]黃俊凱,“微機電感測器於地面車輛定位系統之應用”國立台灣科技大學機械工程研究所碩士論文, 2005
[8] 黃坤祥,“GPS虛擬距離與加速儀之卡門濾波整合定位” 國立台灣科技大學機械工程研究所碩士論文, 2005
[9]黃良吉,“GPS與感測器整合於三維地面車輛定位之應用”國立台灣科技大學機械工程系碩士論文,2006
[10]B. Barshan and H. F. Durrant-Whyte, “Inertial navigation systems for mobile robots” IEEE Transactions on Robotics and Automation, Vo1. 11, pp.328-342, 1995
[11]E. J. Lefferts, F. L. Markley, and M. D. shuster, “Kalman filtering for spacecraft attitude estimation” Journal of Guidance, Control, and Dynamics, Vol. 5, pp.417-429
[12]R. G. Brown and P. Y. C. Hwang, Introduction to Random Signals and Applied Kalman Filtering: with MATLAB exercises and solutions, 3rd Edition, Wiley, New York, 1997
[13]梁淑芳,“導入lm法之平行倒傳遞演算法”東吳大學資訊科學系碩士論文,2006
[14] 楊智任,“運用加速規於載具定位”國立台灣海洋大學,機械與機電工學系碩士論文,2007
[15] 莊智清、黃國興, “電子導航”台北,全華科技圖書, 1983
[16]黃國興,“慣性導航系統原理與應用”台北,全華科技出版社, 2002
[17]焦人希,“GPS之作業須知”台北,文笙出版社, 2001
[18]林清一,“數位航空電子系統”台北,全華科技出版社, 2002
[19]安守中,“GPS定位原理及應用”台北,全華科技出版社, 2005
[20]羅華強,“類神經網路－ATLAB的應用”台北,高立出版社, 2005
[21]張斐章、張麗秋,“類神經網路”台北,台灣東華出版社, 2005
[22]惠汝生,“LabVIEW 8.X圖控程式應用”台北,全華科技出版社, 2006
[23] “PaPaGo電子地圖R12版”研勤科技股份有限公司, 2004