基于改进卡尔曼滤波的车辆侧倾角与俯仰角估计方法研究开题报告

1. 研究目的与意义（文献综述包含参考文献）

1.2.1 卡尔曼滤波的发展及国内外现状卡尔曼滤波（kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。

由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

卡尔曼滤波的实质是由量测值重构系统的状态向量。

2. 研究的基本内容、问题解决措施及方案

2.1本课题解决的问题与具体要求该课题要求对卡尔曼滤波理论的研究现状有所了解，要求对基于卡尔曼滤波的车辆俯仰角及倾斜角的估计方法进行改进，并利用matlab及python对算法进行验证，验证算法的可行性及正确性，具体要求如下：1、针对陆地行驶四轮车辆，应用现代控制理论建立符合其行驶特征的系统运动模型；2、对传统的卡尔曼滤波理论进行改进，提出改进的卡尔曼滤波算法，使其能够实现对车辆俯仰角及倾斜角的实时估计与准确测量；3、利用matlab和python等编程软件对改进的卡尔曼滤波算法进行验证，通过实验证明其可行性及正确性。

2.2本课题拟采用的研究工具1、mems陀螺仪、gps 、诺瓦泰(novatel)span-cpt等传感器；2、matlab编程软件；3、python编程软件等。

2.3本课题所需要的技术要求1、建立符合其行驶特征的系统运动模型；2、实现改进的卡尔曼滤波算法对车辆的侧倾角与俯仰角估计；3、利用matlab及python等编程软件对算法的可行性及正确性进行验证；4、开展实验验证算法的有效性。