基于卡尔曼滤波的车辆跟踪系统中GPS定位和车辆迭代运动的建模与仿真

（Modeling and Simulation of GPS Positioning and Iterative Vehicle Motion Using Kalman Filter in Vehicle Tracking System）

本文介绍了基于卡尔曼滤波的高速公路车辆跟踪系统的建模与仿真，通过利用高速公路上的车辆迭代运动和卡尔曼滤波器，有助于信号传输后的车辆定位。这种方法将有助于识别司机、车辆以及适当的跟踪位置。根据卡尔曼算法得到的结果显示，与车辆的实际信号相比，传输后的信号中噪声水平较高。因此，当采用卡尔曼滤波器滤除噪声的时候，高速公路上的车辆位置预测精度将会大大提高，而此时创建的车辆模型的状态将更接近真实状态。即使测量环境非常嘈杂，也能保证误差在有效范围内。随着高斯白噪声的消除，车辆在高速公路上的位置与通过GPS坐标跟踪确定的精确位置的误差幅度将大大减小。

连续时间变化的卡尔曼滤波器应注意以下两点：1）仿真模型产生的信号比噪声测量更平滑，但比实际值滞后，这是模型常见的问题。2）滤波器的误差幅度会越来越小。这是因为仿真模型会慢慢收敛到一个恒定的水平。如果想更精确地模拟出车辆的晃动，则需要使用一个扩展的卡尔曼滤波器，也需要考虑系统的非线性情况。为了解决模型错误带来的误差，可以通过增加估计误差来扩展模型。这也使卡尔曼滤波器更多地依赖于测量值。