Fusion of Positioning Data from Different Sources

Autor: Bühlmann, Isabelle, Enroth, Olivia
Jazyk: švédština
Rok vydání: 2022
Předmět:
Popis: För att höja precisionen för ett positioneringssystem kan positionsdata från flera olika system kombineras. I detta arbete undersöks två metoder för kombination av positionsdata: kombination av väntevärdesriktiga estimeringar över tid och kalmanfiltrering (också benämnd som Standard Kalman Filtering). I arbetet undersöks hur kombinationen påverkar spridningen av den kombinerade datan genom tester utförda på data med varierande standardavvikelser. I arbetet undersöks också vilka avvägningar som behöver göras i valet mellan de båda föreslagna kombinationsmetoderna genom att jämföra minnesåtgång, exekveringstid och den resulterande spridningen för de båda metoderna. Resultatet av testerna visar att båda kombinationsmetoderna kan uppnå positionsdata med högre noggrannhet än vad positioneringssystemen uppnår var för sig. Kalmanfiltreringen presterar generellt sätt bättre och ökar dessutom den resulterande positionsdatans frekvens eftersom varje mätvärde från de olika positioneringssystem som kombineras resulterar i en ny estimerad position. Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet
Databáze: OpenAIRE