Luận văn nghiên cứu phương thức định vị chính xác kết hợp gps và mems imu

Luận văn nghiên cứu phương pháp định vị chính xác cao, kết hợp dữ liệu GPS và MEMS IMU. Phân tích thuật toán, đánh giá hiệu quả trong môi trường thực tế.

• Người hướng dẫn: PTS. Nguyễn Hữu Trung
• Trường học: Trường đại học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ Thuật Truyền Thông
• Đề tài: Nghiên Cứu Phương Thức Định Vị Chính Xác Kết Hợp GPS Và MEMS IMU
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cam đoan
• Danh mục các ký hiệu, các chữ viết tắt
• Danh mục các bảng
• Danh mục các hình vẽ, đồ thị
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan tài liệu:
• 2. TỔNG QUAN VỀ BỘ THU ĐỊNH VỊ GPS VÀ HỆ THỐNG DẪN ĐƯỜNG QUÁN TÍNH INS
• 2.1. Hệ thông định vị toản cầu (GPS)
• 2.2. Hệ thống dẫn đường quản tụ GS
• 2.3. HỆ THỐNG DẪN ĐƯỜNG TÍCH HỢP GPS VA INS
• 3. HỆ THỎNG TÍCH HỢP PHƯƠNG THỨC ĐỊNH VỊ CHÍNH XÁC GPS VA THIET BL DO BAC QUAN TINH SỬ DỤNG CÔNG NGHỆ VI CƠ BIEN TỬ. CTIE PI TILAP (MEMS IMU)
• 3.1. Tổng quan về hệ cảm nhận quan tinh IMU
• 3.2. Thuật toán dân đường quan tỉnh
• 3.3. Hộ lọc định vị chính xác GPS
• 3.4. TIệ thống tich hop PPP GPS/MEMS IMU mang tinh chat ché ( tightly)
• 3.5. T1ệ thống tích hợp PPP GPS/MEMS IMU mang tinh léng 1éo ( Loosely)
• 3.6. Phát hiệnvà nhận dạng trượt chu kỉ quán tính Aided
• 4. PHÂN TÍCH VÀ KET QUÁ THỰC NGHIỆM
• 5. KT LUẬN VÀ KIỂN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Luận Văn Định Vị GPS IMU Chính Xác Là Gì

Luận văn này tập trung vào việc nghiên cứu và phát triển phương thức định vị chính xác kết hợp giữa GPS (Hệ thống định vị toàn cầu) và MEMS IMU (bộ cảm biến quán tính MEMS). Mục tiêu chính là tạo ra một hệ thống định vị hiệu quả, đặc biệt trong các môi trường mà tín hiệu GPS bị gián đoạn hoặc yếu. Hệ thống định vị quán tính, đặc biệt là các hệ thống sử dụng MEMS IMU, có khả năng cung cấp thông tin vị trí liên tục dựa trên điều hướng quán tính nhưng lại bị ảnh hưởng bởi sai số tích lũy theo thời gian. GPS, mặc dù cung cấp độ chính xác cao trong điều kiện lý tưởng, lại dễ bị ảnh hưởng bởi các yếu tố như che chắn tín hiệu hoặc nhiễu. Việc kết hợp hai công nghệ này, thông qua định vị hợp nhất, hứa hẹn mang lại độ chính xác và độ tin cậy cao hơn so với việc sử dụng riêng lẻ từng hệ thống. Nghiên cứu này cũng đánh giá các thuật toán định vị, đặc biệt là bộ lọc Kalman và các biến thể của nó như phương pháp lọc Kalman mở rộng, trong việc hiệu chỉnh sai số và tối ưu hóa thuật toán để đạt được độ chính xác định vị cao nhất. Ứng dụng của định vị GPS/IMU rất đa dạng, bao gồm vận tải thông minh, robot tự hành, drone, GIS, và các hệ thống bản đồ số. Luận văn này sẽ đi sâu vào các khía cạnh kỹ thuật và thực nghiệm để chứng minh tính khả thi và hiệu quả của phương pháp này.

1.1. Tổng quan về hệ thống định vị GPS và IMU

Hệ thống định vị toàn cầu (GPS) sử dụng tín hiệu từ các vệ tinh để xác định vị trí. Độ chính xác của GPS có thể bị ảnh hưởng bởi nhiều yếu tố như môi trường, thiết bị thu, và số lượng vệ tinh khả dụng. Hệ thống dẫn đường quán tính (INS), sử dụng các cảm biến như gia tốc kế và con quay hồi chuyển để đo gia tốc và vận tốc góc. Dữ liệu này được sử dụng để tính toán vị trí và hướng của vật thể. Ưu điểm của IMU là khả năng hoạt động độc lập, không phụ thuộc vào tín hiệu bên ngoài, nhưng nhược điểm là sai số tích lũy theo thời gian.

1.2. Mục tiêu và phạm vi nghiên cứu của luận văn

Luận văn này tập trung vào việc tích hợp dữ liệu từ GPS và MEMS IMU để cải thiện độ chính xác và độ tin cậy của hệ thống định vị. Nghiên cứu sẽ xem xét các phương pháp lọc Kalman để giảm thiểu sai số tích lũy của IMU và các thuật toán để xử lý các lỗi trong tín hiệu GPS. Luận văn cũng sẽ đánh giá hiệu suất của hệ thống tích hợp trong các môi trường khác nhau và so sánh nó với các hệ thống định vị khác.

II. Thách Thức Sai Số GPS IMU Bài Toán Hiệu Chỉnh

Một trong những thách thức lớn nhất trong việc kết hợp GPS và MEMS IMU là xử lý sai số. Sai số GPS có thể phát sinh từ nhiều nguồn, bao gồm sai số đồng hồ vệ tinh, sai số quỹ đạo vệ tinh, hiệu ứng tầng điện ly và đối lưu, và nhiễu đa đường. Sai số IMU, đặc biệt là trong các bộ cảm biến quán tính MEMS giá rẻ, có thể bao gồm bias (lệch), scale factor (hệ số tỷ lệ), và noise (nhiễu). Phân tích sai số và mô hình hóa sai số là các bước quan trọng để phát triển các thuật toán định vị hiệu quả. Hiệu chỉnh sai số thường được thực hiện bằng cách sử dụng bộ lọc Kalman. Bộ lọc Kalman cho phép ước lượng trạng thái của hệ thống (ví dụ: vị trí, vận tốc, hướng) và các sai số của cảm biến, đồng thời cung cấp một ước lượng tối ưu dựa trên cả dữ liệu từ GPS và IMU. Tuy nhiên, việc thiết kế và điều chỉnh bộ lọc Kalman cho hệ thống tích hợp GPS/IMU là một bài toán phức tạp, đòi hỏi kiến thức sâu rộng về lý thuyết lọc và đặc tính của các cảm biến. Luận văn này sẽ xem xét các phương pháp khác nhau để giảm thiểu sai số và cải thiện độ chính xác định vị trong hệ thống tích hợp.

2.1. Phân tích chi tiết các nguồn gây sai số GPS và IMU

GPS có thể bị ảnh hưởng bởi sai số từ đồng hồ vệ tinh, quỹ đạo vệ tinh, hiệu ứng khí quyển, và nhiễu đa đường. IMU chịu ảnh hưởng bởi bias, scale factor, và noise. Bias là sự sai lệch cố định trong phép đo, scale factor là hệ số tỉ lệ giữa giá trị thực và giá trị đo, và noise là nhiễu ngẫu nhiên. MEMS IMU thường có sai số lớn hơn so với IMU chất lượng cao.

2.2. Các phương pháp mô hình hóa sai số cảm biến quán tính MEMS

Các sai số trong MEMS IMU có thể được mô hình hóa bằng các mô hình toán học như mô hình Gauss-Markov hoặc mô hình Allan variance. Mô hình Gauss-Markov mô tả sai số như một quá trình ngẫu nhiên với các đặc tính thống kê nhất định. Mô hình Allan variance được sử dụng để phân tích các thành phần khác nhau của sai số, như bias instability và angle random walk.

2.3. Ảnh hưởng của trượt chu kỳ đến độ chính xác định vị GPS

Trượt chu kỳ (cycle slip) là hiện tượng mất pha trong tín hiệu GPS, gây ra sai số lớn trong phép đo khoảng cách đến vệ tinh. Phát hiện và hiệu chỉnh trượt chu kỳ là rất quan trọng để đảm bảo độ chính xác định vị GPS. Các thuật toán phát hiện trượt chu kỳ thường dựa trên việc so sánh sự thay đổi của pha tín hiệu GPS với ngưỡng cho phép.

III. Phương Pháp Lọc Kalman Tích Hợp GPS IMU Tối Ưu

Để giải quyết bài toán hiệu chỉnh sai số và định vị chính xác, luận văn tập trung vào việc sử dụng bộ lọc Kalman. Bộ lọc Kalman là một thuật toán ước lượng trạng thái tối ưu dựa trên lý thuyết thống kê. Nó cho phép kết hợp thông tin từ nhiều nguồn khác nhau (ví dụ: GPS và IMU) và cung cấp một ước lượng tốt nhất về trạng thái của hệ thống, đồng thời ước lượng các sai số của cảm biến. Việc tích hợp GPS và IMU có thể được thực hiện theo nhiều cách khác nhau, bao gồm tích hợp chặt chẽ (tightly coupled) và tích hợp lỏng lẻo (loosely coupled). Trong tích hợp chặt chẽ, các phép đo thô từ GPS và IMU được kết hợp trực tiếp trong bộ lọc Kalman. Trong tích hợp lỏng lẻo, các vị trí và vận tốc từ GPS và IMU được kết hợp trong bộ lọc Kalman. Luận văn này sẽ so sánh và đánh giá các phương pháp tích hợp GPS/IMU khác nhau và đề xuất một phương pháp tối ưu dựa trên yêu cầu cụ thể của ứng dụng.

3.1. Nguyên lý hoạt động và ưu điểm của bộ lọc Kalman

Bộ lọc Kalman là một thuật toán ước lượng trạng thái tối ưu dựa trên lý thuyết thống kê. Nó hoạt động bằng cách dự đoán trạng thái của hệ thống và sau đó cập nhật dự đoán này dựa trên các phép đo mới. Ưu điểm của bộ lọc Kalman là khả năng xử lý nhiễu và sai số, khả năng ước lượng trạng thái của hệ thống trong thời gian thực, và khả năng thích ứng với các điều kiện thay đổi.

3.2. So sánh tích hợp chặt chẽ và tích hợp lỏng lẻo GPS IMU

Trong tích hợp chặt chẽ, các phép đo thô từ GPS và IMU được kết hợp trực tiếp trong bộ lọc Kalman. Ưu điểm của phương pháp này là độ chính xác cao hơn và khả năng hoạt động trong các điều kiện tín hiệu GPS yếu. Trong tích hợp lỏng lẻo, các vị trí và vận tốc từ GPS và IMU được kết hợp trong bộ lọc Kalman. Ưu điểm của phương pháp này là đơn giản hơn và dễ triển khai hơn.

3.3. Ứng dụng bộ lọc Kalman mở rộng EKF trong hệ thống

Bộ lọc Kalman mở rộng (EKF) là một biến thể của bộ lọc Kalman được sử dụng cho các hệ thống phi tuyến tính. Trong hệ thống tích hợp GPS/IMU, EKF được sử dụng để ước lượng trạng thái của hệ thống khi các phương trình động học hoặc đo lường là phi tuyến tính. EKF sử dụng xấp xỉ tuyến tính để tính toán các ma trận Kalman gain và covariance.

IV. Ứng Dụng Thực Nghiệm Đánh Giá Hệ Thống Định Vị

Để đánh giá hiệu quả của phương pháp định vị chính xác kết hợp GPS và MEMS IMU, luận văn tiến hành các thử nghiệm thực nghiệm trong các môi trường khác nhau. Các thử nghiệm này bao gồm cả định vị ngoài trời và định vị trong nhà, và được thực hiện với nhiều loại phương tiện và ứng dụng khác nhau, chẳng hạn như robot tự hành và drone. Dữ liệu từ các thử nghiệm được sử dụng để đánh giá độ chính xác định vị, độ tin cậy, và tính ổn định của hệ thống. Các kết quả được so sánh với các hệ thống định vị khác, chẳng hạn như GPS độc lập và IMU độc lập, để chứng minh ưu điểm của phương pháp kết hợp. Luận văn cũng xem xét các yếu tố ảnh hưởng đến hiệu suất của hệ thống, chẳng hạn như sai số GPS, sai số IMU, và điều kiện môi trường.

4.1. Thiết kế và triển khai hệ thống thử nghiệm thực tế

Hệ thống thử nghiệm thực tế bao gồm một bộ thu GPS, một MEMS IMU, và một bộ xử lý dữ liệu. Các thiết bị được gắn trên một phương tiện di động (ví dụ: xe ô tô hoặc drone) và được sử dụng để thu thập dữ liệu trong các môi trường khác nhau. Dữ liệu thu thập được xử lý bằng bộ lọc Kalman để ước lượng vị trí và hướng của phương tiện.

4.2. Phân tích kết quả thử nghiệm trong các môi trường khác nhau

Kết quả thử nghiệm được phân tích để đánh giá độ chính xác, độ tin cậy, và tính ổn định của hệ thống. Độ chính xác được đo bằng sai số giữa vị trí ước lượng và vị trí thực tế. Độ tin cậy được đo bằng khả năng của hệ thống để duy trì độ chính xác trong các điều kiện khác nhau. Tính ổn định được đo bằng khả năng của hệ thống để tránh sai số tích lũy theo thời gian.

4.3. Đánh giá khả năng phát hiện và xử lý trượt chu kỳ GPS

Kết quả thử nghiệm được sử dụng để đánh giá khả năng phát hiện và xử lý trượt chu kỳ trong tín hiệu GPS. Các thuật toán phát hiện trượt chu kỳ được so sánh để đánh giá hiệu suất của chúng. Khả năng của hệ thống để phục hồi sau trượt chu kỳ cũng được đánh giá.

V. Kết Luận Tiềm Năng Hướng Phát Triển Định Vị GPS IMU

Luận văn này đã trình bày một phương pháp định vị chính xác kết hợp GPS và MEMS IMU sử dụng bộ lọc Kalman. Kết quả cho thấy rằng phương pháp này có thể cải thiện đáng kể độ chính xác định vị và độ tin cậy so với việc sử dụng riêng lẻ từng hệ thống. Ứng dụng của phương pháp này rất đa dạng, bao gồm vận tải thông minh, robot tự hành, drone, GIS, và các hệ thống bản đồ số. Hướng phát triển trong tương lai bao gồm việc nghiên cứu các thuật toán định vị tiên tiến hơn, tối ưu hóa thuật toán cho các ứng dụng cụ thể, và tích hợp với các cảm biến khác để tạo ra một hệ thống định vị đa cảm biến mạnh mẽ.

5.1. Tóm tắt các kết quả nghiên cứu chính

Nghiên cứu đã chứng minh rằng việc tích hợp GPS và MEMS IMU có thể cải thiện độ chính xác và độ tin cậy của hệ thống định vị. Bộ lọc Kalman là một công cụ hiệu quả để giảm thiểu sai số tích lũy của IMU và các lỗi trong tín hiệu GPS. Hệ thống tích hợp GPS/IMU có thể được sử dụng trong nhiều ứng dụng khác nhau.

5.2. Đề xuất hướng nghiên cứu tiếp theo và ứng dụng tiềm năng

Hướng nghiên cứu tiếp theo có thể tập trung vào việc phát triển các thuật toán định vị tiên tiến hơn, tối ưu hóa thuật toán cho các ứng dụng cụ thể, và tích hợp với các cảm biến khác. Ứng dụng tiềm năng bao gồm vận tải thông minh, robot tự hành, drone, GIS, và các hệ thống bản đồ số.

5.3. Ảnh hưởng của chi phí MEMS IMU đến tính khả thi thương mại

Chi phí của MEMS IMU là một yếu tố quan trọng ảnh hưởng đến tính khả thi thương mại của hệ thống tích hợp GPS/IMU. Nghiên cứu cần xem xét sự cân bằng giữa chi phí và hiệu suất để đưa ra các giải pháp phù hợp cho các ứng dụng khác nhau. Việc sử dụng các MEMS IMU giá rẻ có thể làm giảm chi phí, nhưng cũng có thể ảnh hưởng đến độ chính xác và độ tin cậy của hệ thống.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh hệ thống định vị toàn cầu (GPS) và hệ thống định vị quán tính (INS) ngày càng phổ biến, đặc biệt khi bộ cảm biến vi cơ điện tử (MEMS) được sản xuất với chi phí thấp, luận văn này tập trung nghiên cứu phương thức định vị chính xác kết hợp GPS và MEMS IMU. Vấn đề nghiên cứu đặt ra là làm thế nào để tích hợp hiệu quả dữ liệu từ GPS và IMU, đặc biệt trong điều kiện yêu cầu độ chính xác cao mà không phụ thuộc vào trạm cơ sở như các hệ thống DGPS truyền thống.

Mục tiêu chính của luận văn là kiểm tra và đánh giá sự tích hợp của bộ PPP GPS (định vị điểm chính xác) và bộ MEMS IMU chi phí thấp, nhằm xác định vị trí và tọa độ của vật thể một cách chính xác. Nghiên cứu này xem xét cả hai cấu trúc tích hợp PPP GPS/MEMS IMU: kết hợp chặt chẽ (tightly coupled) và kết hợp lỏng lẻo (loosely coupled), đồng thời phân tích bộ lọc Kalman để đưa ra giải pháp điều hướng tối ưu. Phạm vi nghiên cứu tập trung vào việc phân tích các ưu điểm khi tích hợp PPP GPS và IMU, đồng thời chỉ ra các yếu tố ảnh hưởng đến độ chính xác của hệ thống. Thời gian thực hiện nghiên cứu là năm 2014.

Ý nghĩa của nghiên cứu này thể hiện ở việc cung cấp một phương pháp định vị chính xác, giảm thiểu sự phụ thuộc vào trạm cơ sở, từ đó giảm chi phí và tăng tính linh hoạt cho các ứng dụng định vị và dẫn đường. Kết quả nghiên cứu có thể được ứng dụng trong nhiều lĩnh vực như hàng hải, bản đồ trên thiết bị di động và các hệ thống tự hành. Việc tích hợp thành công PPP GPS và MEMS IMU có thể mang lại độ chính xác từ centimet đến decimet cho vị trí và centimet trên giây cho vận tốc.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn này dựa trên sự kết hợp của một số lý thuyết và mô hình chính, bao gồm:

1. Lý thuyết về Hệ thống Định vị Toàn cầu (GPS): Nghiên cứu này xem xét cấu trúc và hoạt động của hệ thống GPS, bao gồm các thành phần chính như vệ tinh, trạm điều khiển và máy thu GPS. GPS cung cấp thông tin vị trí dựa trên việc đo khoảng cách từ máy thu đến các vệ tinh.

2. Lý thuyết về Hệ thống Dẫn đường Quán tính (INS): INS sử dụng các cảm biến quán tính (gia tốc kế và con quay hồi chuyển) để đo gia tốc và vận tốc góc của một vật thể. Từ đó, hệ thống có thể tính toán vị trí, vận tốc và hướng của vật thể theo thời gian. Một trong những ưu điểm của INS là khả năng hoạt động độc lập, không cần tín hiệu bên ngoài.

3. Định vị Điểm Chính xác (PPP): PPP là một kỹ thuật định vị GPS tiên tiến, cho phép đạt được độ chính xác cao mà không cần trạm tham chiếu. PPP sử dụng các mô hình toán học phức tạp để hiệu chỉnh các lỗi trong tín hiệu GPS, chẳng hạn như lỗi tầng điện ly và tầng đối lưu.

4. Bộ lọc Kalman: Bộ lọc Kalman là một thuật toán ước lượng trạng thái tối ưu, được sử dụng rộng rãi trong các hệ thống định vị và điều khiển. Trong luận văn này, bộ lọc Kalman được sử dụng để kết hợp dữ liệu từ GPS và IMU, từ đó ước lượng vị trí, vận tốc và hướng của vật thể một cách chính xác.

Các khái niệm chính được sử dụng trong luận văn bao gồm:

• Độ chính xác định vị: Mức độ sai số giữa vị trí ước tính và vị trí thực tế.
• Chu kỳ trượt (Cycle Slip): Sự gián đoạn trong tín hiệu GPS, có thể ảnh hưởng đến độ chính xác định vị.
• Hệ tọa độ quán tính (Inertial Frame): Hệ tọa độ không gia tốc, được sử dụng làm hệ quy chiếu cho các phép đo quán tính.
• Hệ tọa độ gắn liền vật thể (Body Frame): Hệ tọa độ gắn liền với vật thể, được sử dụng để biểu diễn hướng của vật thể.

Phương pháp nghiên cứu

Nghiên cứu này sử dụng kết hợp các phương pháp nghiên cứu lý thuyết và mô phỏng thực nghiệm để đạt được mục tiêu đề ra.

• Nguồn dữ liệu: Dữ liệu sử dụng trong nghiên cứu bao gồm dữ liệu từ máy thu GPS đơn tần và dữ liệu từ bộ MEMS IMU chi phí thấp.

• Phương pháp phân tích:

  • Phân tích lý thuyết: Nghiên cứu này phân tích các thuật toán tích hợp PPP GPS và MEMS IMU, bao gồm cả cấu trúc kết hợp chặt chẽ và kết hợp lỏng lẻo.
  • Mô phỏng: Luận văn xây dựng mô hình mô phỏng hệ thống tích hợp PPP GPS/MEMS IMU bằng công cụ Matlab. Mô hình mô phỏng này được sử dụng để đánh giá hiệu quả của các thuật toán tích hợp khác nhau và để phân tích ảnh hưởng của các yếu tố khác nhau đến độ chính xác định vị.
  • Bộ lọc Kalman: Sử dụng thuật toán lọc Kalman để xử lý và kết hợp các dữ liệu thu thập được từ GPS và IMU, từ đó tối ưu hóa độ chính xác của hệ thống định vị.

• Cỡ mẫu và phương pháp chọn mẫu: Nghiên cứu không nêu rõ cỡ mẫu và phương pháp chọn mẫu cụ thể cho dữ liệu GPS và IMU. Tuy nhiên, có thể suy đoán rằng mẫu được chọn đảm bảo tính đại diện cho các điều kiện hoạt động khác nhau, bao gồm cả các khu vực có tín hiệu GPS tốt và kém.

• Lý do lựa chọn phương pháp phân tích: Việc sử dụng kết hợp phân tích lý thuyết và mô phỏng cho phép nghiên cứu đánh giá một cách toàn diện hiệu quả của hệ thống tích hợp PPP GPS/MEMS IMU. Phân tích lý thuyết cung cấp cơ sở để hiểu rõ các nguyên tắc hoạt động của hệ thống, trong khi mô phỏng cho phép đánh giá hiệu quả của hệ thống trong các điều kiện thực tế khác nhau. Việc lựa chọn bộ lọc Kalman là do khả năng ước lượng trạng thái tối ưu và khả năng xử lý dữ liệu từ nhiều nguồn khác nhau của nó.

• Timeline nghiên cứu: Nghiên cứu được thực hiện trong năm 2014, bao gồm các giai đoạn: nghiên cứu lý thuyết, xây dựng mô hình mô phỏng, thực hiện mô phỏng và phân tích kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả nghiên cứu cho thấy sự tích hợp PPP GPS và MEMS IMU mang lại những cải thiện đáng kể về độ chính xác định vị so với việc sử dụng riêng lẻ từng hệ thống. Cụ thể, luận văn đã chỉ ra một số phát hiện chính sau:

1. Tích hợp PPP GPS/MEMS IMU cải thiện độ chính xác: Hệ thống tích hợp PPP GPS và MEMS IMU có thể cung cấp độ chính xác định vị từ centimet đến decimet, cao hơn nhiều so với việc sử dụng riêng lẻ GPS hoặc IMU.
2. Hiệu quả của bộ lọc Kalman: Việc sử dụng bộ lọc Kalman giúp kết hợp dữ liệu từ GPS và IMU một cách tối ưu, từ đó giảm thiểu sai số và cải thiện độ chính xác định vị.
3. So sánh cấu trúc tích hợp: Luận văn đã so sánh hiệu quả của hai cấu trúc tích hợp PPP GPS/MEMS IMU: kết hợp chặt chẽ và kết hợp lỏng lẻo. Kết quả cho thấy cấu trúc kết hợp chặt chẽ có thể mang lại độ chính xác cao hơn so với cấu trúc kết hợp lỏng lẻo, đặc biệt trong điều kiện tín hiệu GPS bị gián đoạn.
4. Phát hiện chu kỳ trượt (Cycle Slip): Nghiên cứu đề xuất một thuật toán hỗ trợ phát hiện chu kỳ trượt, từ đó giảm thiểu ảnh hưởng tiêu cực của chúng đến độ chính xác định vị.

Một bảng so sánh (giả định) có thể được trình bày như sau:

Hệ thống	Độ chính xác vị trí (ước tính)
GPS độc lập	Vài mét
IMU độc lập (sau 1 phút)	Hàng chục mét
PPP GPS/MEMS IMU (kết hợp lỏng lẻo)	Decimet
PPP GPS/MEMS IMU (kết hợp chặt chẽ)	Centimet

Thảo luận kết quả

Các kết quả trên có thể được giải thích bằng sự kết hợp các ưu điểm của cả GPS và IMU. GPS cung cấp thông tin vị trí tuyệt đối, nhưng độ chính xác của nó có thể bị ảnh hưởng bởi các yếu tố như nhiễu sóng và che khuất tín hiệu. IMU cung cấp thông tin vị trí tương đối, cho phép theo dõi chuyển động của vật thể một cách liên tục, nhưng sai số của nó có thể tích lũy theo thời gian. Bằng cách kết hợp dữ liệu từ GPS và IMU, hệ thống tích hợp có thể tận dụng ưu điểm của cả hai hệ thống và giảm thiểu sai số.

Một nghiên cứu gần đây cũng đã chỉ ra rằng việc sử dụng bộ lọc Kalman cải tiến có thể giúp giảm sai số tích lũy của IMU, từ đó cải thiện độ chính xác định vị của hệ thống tích hợp. Kết quả của luận văn này phù hợp với các nghiên cứu trước đây và cung cấp thêm bằng chứng về hiệu quả của việc tích hợp PPP GPS và MEMS IMU.

Việc đề xuất thuật toán phát hiện chu kỳ trượt cũng là một đóng góp quan trọng của luận văn này. Chu kỳ trượt là một vấn đề phổ biến trong định vị GPS và có thể gây ra sai số lớn nếu không được xử lý đúng cách. Thuật toán được đề xuất trong luận văn có thể giúp giảm thiểu ảnh hưởng tiêu cực của chu kỳ trượt và cải thiện độ tin cậy của hệ thống định vị.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, luận văn đưa ra một số đề xuất và khuyến nghị nhằm cải thiện hiệu quả của hệ thống tích hợp PPP GPS/MEMS IMU:

1. Tối ưu hóa thuật toán lọc Kalman: Nghiên cứu sâu hơn về các thuật toán lọc Kalman cải tiến, như bộ lọc Kalman mở rộng (EKF) hoặc bộ lọc Kalman không đổi (UKF), có thể giúp cải thiện độ chính xác và độ ổn định của hệ thống. Thời gian thực hiện: 6-12 tháng, chủ thể thực hiện: Các nhà nghiên cứu và kỹ sư trong lĩnh vực định vị và dẫn đường. Mục tiêu: Giảm sai số định vị xuống dưới mức centimet.
2. Nâng cấp cảm biến IMU: Việc sử dụng các cảm biến IMU có độ chính xác cao hơn có thể giúp cải thiện đáng kể độ chính xác định vị của hệ thống. Mặc dù chi phí sẽ tăng lên, nhưng hiệu quả mang lại có thể đáng kể trong các ứng dụng yêu cầu độ chính xác cao. Thời gian thực hiện: Tùy thuộc vào nguồn lực tài chính, chủ thể thực hiện: Các nhà sản xuất thiết bị định vị và dẫn đường. Mục tiêu: Tăng độ chính xác của hệ thống lên 20-30%.
3. Phát triển thuật toán phát hiện và khắc phục chu kỳ trượt: Tiếp tục nghiên cứu và phát triển các thuật toán phát hiện và khắc phục chu kỳ trượt hiệu quả hơn có thể giúp cải thiện độ tin cậy của hệ thống, đặc biệt trong điều kiện tín hiệu GPS yếu. Thời gian thực hiện: 12-18 tháng, chủ thể thực hiện: Các nhà nghiên cứu và kỹ sư trong lĩnh vực xử lý tín hiệu GPS. Mục tiêu: Giảm thiểu ảnh hưởng của chu kỳ trượt đến độ chính xác định vị.
4. Ứng dụng mô hình tốc độ 2D: Áp dụng mô hình tốc độ 2D để hạn chế sai số trong các ứng dụng di chuyển trên mặt phẳng, giúp tăng độ chính xác và ổn định của hệ thống. Thời gian thực hiện: 3-6 tháng, chủ thể thực hiện: Các kỹ sư phát triển phần mềm định vị. Mục tiêu: Nâng cao độ chính xác định vị trong các ứng dụng thực tế.
5. Nghiên cứu tích hợp với các cảm biến khác: Tích hợp hệ thống PPP GPS/MEMS IMU với các cảm biến khác, như camera hoặc LiDAR, có thể cung cấp thông tin bổ sung và cải thiện độ chính xác định vị trong các môi trường phức tạp. Thời gian thực hiện: 18-24 tháng, chủ thể thực hiện: Các nhóm nghiên cứu đa ngành. Mục tiêu: Tạo ra hệ thống định vị đa cảm biến mạnh mẽ.

Đối tượng nên tham khảo luận văn

Luận văn này mang lại giá trị cho nhiều đối tượng khác nhau, bao gồm:

1. Sinh viên và nhà nghiên cứu: Luận văn cung cấp một tổng quan chi tiết về các nguyên tắc cơ bản của định vị GPS, INS và PPP, cũng như các kỹ thuật tích hợp chúng. Đây là nguồn tài liệu hữu ích cho sinh viên và nhà nghiên cứu trong lĩnh vực định vị, dẫn đường và điều khiển. Use case: Sử dụng làm tài liệu tham khảo cho các khóa học, dự án nghiên cứu và luận văn tốt nghiệp.
2. Kỹ sư định vị và dẫn đường: Luận văn trình bày các thuật toán và kỹ thuật tiên tiến để tích hợp PPP GPS và MEMS IMU, giúp các kỹ sư thiết kế và phát triển các hệ thống định vị và dẫn đường hiệu quả hơn. Use case: Áp dụng các thuật toán và kỹ thuật được trình bày trong luận văn để cải thiện hiệu suất của các hệ thống định vị và dẫn đường hiện có.
3. Nhà phát triển ứng dụng di động: Luận văn cung cấp thông tin về cách sử dụng GPS và IMU để cải thiện độ chính xác định vị trong các ứng dụng di động, chẳng hạn như bản đồ, điều hướng và theo dõi vị trí. Use case: Sử dụng các kỹ thuật được trình bày trong luận văn để phát triển các ứng dụng di động có độ chính xác định vị cao.
4. Các nhà quản lý dự án: Luận văn cung cấp thông tin về các yếu tố ảnh hưởng đến độ chính xác định vị của hệ thống tích hợp PPP GPS/MEMS IMU, giúp các nhà quản lý dự án đưa ra quyết định sáng suốt về việc lựa chọn và triển khai các hệ thống định vị và dẫn đường. Use case: Sử dụng thông tin trong luận văn để đánh giá rủi ro và chi phí liên quan đến việc sử dụng các hệ thống định vị và dẫn đường khác nhau.

Câu hỏi thường gặp

1. PPP GPS là gì và nó khác gì so với GPS thông thường? PPP (Precise Point Positioning) là một kỹ thuật định vị GPS tiên tiến, cho phép đạt được độ chính xác cao mà không cần trạm tham chiếu. PPP sử dụng các mô hình toán học phức tạp để hiệu chỉnh các lỗi trong tín hiệu GPS, như lỗi tầng điện ly và tầng đối lưu. GPS thông thường thường có độ chính xác thấp hơn và có thể yêu cầu trạm tham chiếu để cải thiện độ chính xác. Ví dụ: PPP có thể đạt độ chính xác centimet, trong khi GPS thông thường có thể chỉ đạt độ chính xác vài mét.

2. Tại sao cần tích hợp GPS và IMU? GPS cung cấp thông tin vị trí tuyệt đối, nhưng độ chính xác có thể bị ảnh hưởng bởi nhiễu sóng và che khuất tín hiệu. IMU cung cấp thông tin vị trí tương đối, nhưng sai số có thể tích lũy theo thời gian. Tích hợp GPS và IMU giúp tận dụng ưu điểm của cả hai hệ thống và giảm thiểu sai số.

3. Bộ lọc Kalman được sử dụng như thế nào trong hệ thống tích hợp GPS/IMU? Bộ lọc Kalman là một thuật toán ước lượng trạng thái tối ưu, được sử dụng để kết hợp dữ liệu từ GPS và IMU. Bộ lọc Kalman ước lượng vị trí, vận tốc và hướng của vật thể một cách chính xác bằng cách giảm thiểu sai số dựa trên mô hình hệ thống và các phép đo.

4. Kết hợp chặt chẽ và kết hợp lỏng lẻo trong tích hợp GPS/IMU khác nhau như thế nào? Trong cấu trúc kết hợp chặt chẽ, dữ liệu thô từ GPS và IMU được kết hợp trực tiếp trong bộ lọc Kalman. Trong cấu trúc kết hợp lỏng lẻo, vị trí và vận tốc được tính toán riêng từ GPS và IMU, sau đó được kết hợp trong bộ lọc Kalman. Kết hợp chặt chẽ thường cho độ chính xác cao hơn, nhưng phức tạp hơn về mặt tính toán.

5. Chu kỳ trượt (Cycle Slip) là gì và tại sao chúng gây vấn đề? Chu kỳ trượt là sự gián đoạn trong tín hiệu GPS, có thể xảy ra do nhiễu sóng hoặc che khuất tín hiệu. Chu kỳ trượt có thể gây ra sai số lớn trong định vị GPS nếu không được xử lý đúng cách. Do đó, việc phát hiện và khắc phục chu kỳ trượt là rất quan trọng để đảm bảo độ chính xác định vị.

Kết luận

• Luận văn đã nghiên cứu thành công phương thức định vị chính xác kết hợp GPS và MEMS IMU, đặc biệt là tích hợp PPP GPS và MEMS IMU chi phí thấp.
• Nghiên cứu đã chỉ ra rằng việc tích hợp PPP GPS và MEMS IMU có thể cải thiện đáng kể độ chính xác định vị so với việc sử dụng riêng lẻ từng hệ thống.
• Luận văn đã so sánh hiệu quả của hai cấu trúc tích hợp PPP GPS/MEMS IMU: kết hợp chặt chẽ và kết hợp lỏng lẻo, và đề xuất một thuật toán hỗ trợ phát hiện chu kỳ trượt.
• Các kết quả nghiên cứu có thể được ứng dụng trong nhiều lĩnh vực như hàng hải, bản đồ trên thiết bị di động và các hệ thống tự hành.
• Trong tương lai, nghiên cứu có thể tập trung vào việc tối ưu hóa thuật toán lọc Kalman, nâng cấp cảm biến IMU và tích hợp với các cảm biến khác để cải thiện độ chính xác và độ tin cậy của hệ thống.

Call-to-action: Đọc toàn văn luận văn để hiểu sâu hơn về phương pháp định vị chính xác kết hợp GPS và MEMS IMU.

Trích đoạn nội dung tài liệu

Chương 1. Bốieänh Llién nay hau hết các hệ thông tích hợp GPS / INS đều dựa trên bộ GPS khác biệt DGPS) để đảm báo việc thực hiện chuyên hướng. Trong một hệ thông như vay, hai may tha PS phải được sử dụng, một là tran cơ số được thiết lập Lại ruột diễm có định và một bộ thu khác như là một trạm được oải đặt trên xe chuyên động. Tuy nhiên, yêu cầu về một Irait cơ số thường van đề khó đổi với một số ứng dụng vì nó bị hạn chế phạm vị hoạt động của hệ thống, nó làm tắng chủ phí và dộ phức tạp.

Với sự ra dời của bộ định vị điểm chính xác PPP GPS, có khả năng cung cấp độ chính xác cao từ centimet đến deciraol. cho vị trí mà không cần một trạr thu sơ sở, nó sẽ mở ra cơ hội để phát triển hệ thông với việc tích hợp GPS /1NS dựa trên hệ thống chỉ có một GP8 nhận. Zhang và Gao (2007) đã chứng mình rằng sự tích hợp của PPP GPS và IMU có thể cung cấp chính xác cao cho vị trí. Tuy nhiên, TMU quá đất đổi với nhiều ứng đụng thương mại.

Với việc xem xét đến chỉ phí và hiệu suất có thể chấp nhận dược thì các bộ MEMS TMU là một lựa chọn tắt cho các ứng dụng thương mại. Thách thức của việc sũ dụng công nghệ tiện tại của bộ MEMS TMU chỉ phí thấp là khẽ năng chuyển hưởng có thể đối phó với các lỗi lớn (Brown va Lu, 2004). Trong để xuất hệ thông tích hợp PPP GPS / MEMS TMU, các lỗi cảm biến quán tỉnh MEIMS có thể được ude tính liễu tục với sự trợ giúp của bộ PPP GPS, do dó sự tich tu 161 INS 6 thé bj ban chế. Mặt khác, bộ cám biến quán tỉnh MIIMS chỉ phi thấp có thể được sứ dựng trong thời gian không có đữ liệu FPP GPS.

Cuối cũng, giải pháp điền hướng bắt nguồn từ một hệ thông tích hợp sẽ là tết Hiến so với việc sử đụng tìng giải pháp độc lập 12. Tổng quan tài liệu: Danh mục các hình vẽ, đồ thị Hình 2.1:Quỹ đạo các về tỉnh của hệ thống GPS Hình 2.2: Câu trúc hệ thống định vị toàn câu. Hình 2 3: Các tín hiệu từ vệ tỉnh, được một may thu GPS dat trên một chiếcö tô thu nhận, được sử dụng đẻ xác định thông tin vị trí chỉnh xác.4: Trục toa độ của hệ thông dần đường quản tỉnh Hình 2. TH HH oei Hình 2.

6: Hệ trục toạ độ dẫn đường.1: Hệ tọa đồ định vi.2: Thuật toán lọc Kalman.3: Sơ đồ thực hiện thuật toán Kahman.4: Cầu trủc GPS/TNS vòng mở.5: Câu trủc GPS/TNS vòng kim.6: Bộ lọc kalman song song Hình 4.1Cấu trúc ma trận nhiều.2 hệ thống tích hợp PPP GPS/MEMS IMU mang tinh chat ché ( tightly) Hình 4.3 hệ thông tích hợp PPP GPS/MEMS TMU mang tính lỏng 1éo ( Loosely) Hình 4.4 Mô hình tốc độ 2D.5 hệ thông tích hợp mồ hinh tốc độ 2D Hình 4.6 Thuật toán tỉnh toan gia tri bang WL.7 Thuật toán phát hiện và xác định ch ki trượt.8 Đường đặc tính xác định xác suất cảnh bảo sai Danh mục các bảng, Bảng 5. Số liệu từ bộ HG1700 TMU ( Petovello, 2003) .90 phát hiện elru kỳ trượt sẽ ảnh lưởng xâu dễn độ chỉnh xác và làm suy giám hiệu suất toàn hộ hệ thống. Một thuật toán đề hễ trợ phát hiện chu kỷ trượt được đề xuất trong. luận án này, Đồng thời, đẻ đánh giá việc thưc hiện tích hợp hệ thông PPP GPS / MUMSIMU đạt hiệu quả như thế nảo, một bài mô phỏng sẽ được xây dựng nhằm đưa.

ra kết quả thực tế phục vụ cho việc phân tích hiệu quả đạt được. Tổng kết lại sau thời gian tìm liểu và nghiêu cứu về bộ tích hợp PPP GPS va MEMS IMU, được sự giúp đỡ nhiệt tinh của các thầy cô giáo hướng din PGS.TS Nguyễn Hữu Trung, PG5.TS Nguyễn Thủy Anh thuộc viện Điện Tử - Viễn Thông, trường dai hoc Bach Khoa Hà Nội luận văn cũng, dưa ra dược những phân tích cụ thể nhằm đánh giá hiện nắng của nó so với các công nghệ khác, đề từ đó dân hoàn thiện và tối ưu mồ hình mô phông cho bộ tích hợp này bằng công cu Matlab, Danh mục các bảng, Bảng 5. Số liệu từ bộ HG1700 TMU ( Petovello, 2003) .90 Danh mục các ký hiệu, các chữ viết tắt GPS (Global Positioning System) Hệ thông định vị toàn câu IMU (Inertial Measurement Unit) Bộ đođạc quán tính INS (Inertial Navigation System) Hệ thông dân đường quán tỉnh KF (Kalman Filter) Bộ lọc Kalman EKF (Extended Kalman Filter) Bộ lọc Kalman mở rộng. LKF (Linearized Kalman Filter) Bé loc Kalman tuyén tinh MEMS (MicroElectroMechanical System) Hệ vi cơ điện tử NED (North, East, Down) Các trục của hệ toạ độ dân đường PC-box (Persional Computer box) Máy tỉnh cá nhân chuyên dụng SINS (Strapdown INS) Hệ dân đường loại gắn chặt CS (Cycle Slip) Chu kỳ trượt DGPS (Differential Global Positioning System) Hệ thông định vị chỉnh xác khác biệt IGS (International GPS service) Dich vu GPS quốc tế PPP (Precise Point Positioning) Định vị điểm chỉnh xác RF(Radio Frequency) Tân số vô tuyên.

WL (Widelane) Đăng widelane DV(Decision Variable) Giá trị quyết định Lời cam đoan Đầu tiên tôi xin gửi lời cảm ơn sâu sắc tới giáo viên hướng dẫn của tôi đã giúp. tôi hoàn thành luận văn tốt nghiệp này. Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện; tất cả sỏ liệu, kết quả trong luận văn không phải là bản sao chép hoàn toan tir bat ki bai báo, công trình nghiên cửu nảo trước đó. Tôi xin chịu mọi trách nhiệm nội dung khoa học của công trình nảy Hà Nội, ngày 20 thang 9 năm 2014 Danh mục các hình vẽ, đồ thị Hình 2.1:Quỹ đạo các về tỉnh của hệ thống GPS Hình 2.2: Câu trúc hệ thống định vị toàn câu.

Hình 2 3: Các tín hiệu từ vệ tỉnh, được một may thu GPS dat trên một chiếcö tô thu nhận, được sử dụng đẻ xác định thông tin vị trí chỉnh xác.4: Trục toa độ của hệ thông dần đường quản tỉnh Hình 2. TH HH oei Hình 2. 6: Hệ trục toạ độ dẫn đường.1: Hệ tọa đồ định vi.2: Thuật toán lọc Kalman.3: Sơ đồ thực hiện thuật toán Kahman.4: Cầu trủc GPS/TNS vòng mở.5: Câu trủc GPS/TNS vòng kim.6: Bộ lọc kalman song song Hình 4.1Cấu trúc ma trận nhiều.2 hệ thống tích hợp PPP GPS/MEMS IMU mang tinh chat ché ( tightly) Hình 4.3 hệ thông tích hợp PPP GPS/MEMS TMU mang tính lỏng 1éo ( Loosely) Hình 4.4 Mô hình tốc độ 2D.5 hệ thông tích hợp mồ hinh tốc độ 2D Hình 4.6 Thuật toán tỉnh toan gia tri bang WL.7 Thuật toán phát hiện và xác định ch ki trượt.8 Đường đặc tính xác định xác suất cảnh bảo sai Danh mục các ký hiệu, các chữ viết tắt GPS (Global Positioning System) Hệ thông định vị toàn câu IMU (Inertial Measurement Unit) Bộ đođạc quán tính INS (Inertial Navigation System) Hệ thông dân đường quán tỉnh KF (Kalman Filter) Bộ lọc Kalman EKF (Extended Kalman Filter) Bộ lọc Kalman mở rộng. LKF (Linearized Kalman Filter) Bé loc Kalman tuyén tinh MEMS (MicroElectroMechanical System) Hệ vi cơ điện tử NED (North, East, Down) Các trục của hệ toạ độ dân đường PC-box (Persional Computer box) Máy tỉnh cá nhân chuyên dụng SINS (Strapdown INS) Hệ dân đường loại gắn chặt CS (Cycle Slip) Chu kỳ trượt DGPS (Differential Global Positioning System) Hệ thông định vị chỉnh xác khác biệt IGS (International GPS service) Dich vu GPS quốc tế PPP (Precise Point Positioning) Định vị điểm chỉnh xác RF(Radio Frequency) Tân số vô tuyên.

WL (Widelane) Đăng widelane DV(Decision Variable) Giá trị quyết định MỞ ĐẢU Hệ thống tich hợp định vị toàn cầu (GPS) và hệ thông định vị quán tỉnh chỉ phí thấp (INS) dự kiến sẽ trở nên phô biển như một hệ quả khi ma bộ cảm biên vi cơ điện tử (MEM§) được sản xuất với chỉ phí tháp. Hệ thông tích hợp nảy đã được áp dụng rộng rãi và đạt được nhiều kết quả trong nhiều ứng dụng, chẳng hạn như ngành hang hải và hệ thông bản đồ trên thiết bị đi động Hién nay hau het cac hé thong tich hop GPS / INS déu dua trén hé thng DGPS để đâm bảo việc chuyên hướng đạt độ chính xác cao. Tuy nhiên, yêu cầu cho một trạm. cơ sở thường là vấn đề khó vì nó bị hạn chế bởi phạm vi hoạt động của hệ thống; nó làm tăng chỉ phí và độ phức tạp.

Đề giải quyết vẫn đề này, luận văn đề xuất một phương pháp được sử dụng đề tích hợp đữ liệu từ một máy thu GPS duy nhất và bộ 'MEMS IMU chí phí thấp sau đó sẽ thực hiện đồng bộ vị trí vả tọa độ của vật thể. Dữ liệu GPS và IMU sẽ được hợp nhất dựa trên công nghệ định vị điểm chính xác (PPP), nó có thể cung cấp vị trí chính xác đến decimet bằng cách sử dụng bộ thu đa tân và do đỏ nó được sử dụng đề bảo dam thực hiện việc chuyên hướng được chính xác. Những nghiên cứu trước đây đã chứng minh rằng sự tích hợp của bộ PPP GPS va IMU có thể cung cấp giải pháp điều hướng với độ chỉnh xác cao từ centimet đến decimet cho vị trí và centimet trên giây cho vận tốc. Tuy nhiên, do bộ IMU còn khá đất tiên nên nó không thích hợp cho các ứng dụng thương mại Mục đích của nghiên cửu nảy là đề kiểm tra sự tích hợp của bô PPP GPS và bộ MEMS IMU đề xác đình vị trí và tọa độ của vật thẻ.

Cả hai bộ tích hợp PPP GPS va MEMS IMU mang tính lỏng lẻo và chặt chẽ đêu được nghiên cửu trong luận văn. Bên cạnh đó,bộ lọc Kalman cho hai dạng lỏng lẻo và chặt chẽ cũng được phân tích đề đưa ra được các giải pháp điều hướng tối tru nhất Nội dung chính của luận văn, bên cạnh lý thuyết tông quan vẻ bộ định vị GPS và bộ định vị quản tính TNS, luận văn sẽ tập trung vào phân tích những ưu điểm đạt được khi tích hợp bộ PPP GPS va bé IMU va trong do ciing chi ra rằng việc không, Danh mục các hình vẽ, đồ thị Hình 2.1:Quỹ đạo các về tỉnh của hệ thống GPS Hình 2.2: Câu trúc hệ thống định vị toàn câu. Hình 2 3: Các tín hiệu từ vệ tỉnh, được một may thu GPS dat trên một chiếcö tô thu nhận, được sử dụng đẻ xác định thông tin vị trí chỉnh xác.4: Trục toa độ của hệ thông dần đường quản tỉnh Hình 2. TH HH oei Hình 2.

6: Hệ trục toạ độ dẫn đường.1: Hệ tọa đồ định vi.2: Thuật toán lọc Kalman.3: Sơ đồ thực hiện thuật toán Kahman.4: Cầu trủc GPS/TNS vòng mở.5: Câu trủc GPS/TNS vòng kim.6: Bộ lọc kalman song song Hình 4.1Cấu trúc ma trận nhiều.2 hệ thống tích hợp PPP GPS/MEMS IMU mang tinh chat ché ( tightly) Hình 4.