TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ KỸ THUẬT Nghiên cứu thực thuật toán dẫn đường cho thiết bị bay UAV dựa hệ GNSS DƯƠNG NGỌC ĐẶNG Ngành: Kỹ thuật viễn thông Giảng viên hướng dẫn: PGS TS Nguyễn Thúy Anh Viện: Điện tử - Viễn thông HÀ NỘI, 11/2019 TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ KỸ THUẬT Nghiên cứu thực thuật toán dẫn đường cho thiết bị bay UAV dựa hệ GNSS DƯƠNG NGỌC ĐẶNG Ngành: Kỹ thuật viễn thông Giảng viên hướng dẫn: PGS TS Nguyễn Thúy Anh Chữ ký GVHD Viện: Điện tử - Viễn thông HÀ NỘI, 11/2019 LỜI CAM ĐOAN Tôi xin cam đam: Bản luận văn tốt nghiệp cơng trình nghiên cứu cá nhân tơi, thực với hướng dẫn PGS.TS Nguyễn Thúy Anh Các số liệu, hình ảnh đồ thị, kết luận đưa vào luận văn trung thực, dựa nghiên cứu mơ hình, kết đạt báo giới trải nghiệm thân chưa công bố hình thức trước trình bày bảo vệ trước “Hội đồng đánh giá luận văn thạc sỹ kỹ thuật” Hà Nội ngày 15 tháng 11 năm 2019 Học viên Dương Ngọc Đặng LỜI CẢM ƠN Trong tồn q trình học tập nghiên cứu cao học ngành Kỹ thuật Viễn thơng nói chung q trình làm luận văn nhận bảo tận tâm với nhiều kiến thức mở rộng, nâng cao từ thầy cô giáo Với đề tài luận văn nghiên cứu “Nghiên cứu thực thuật toán dẫn đường cho thiết bị bay UAV dựa hệ GNSS”, để hoàn thành nhận giúp đỡ bảo động viên khuyến khích vơ q báu to lớn cô giáo PGS.TS Nguyễn Thúy Anh Tôi xin bảy tỏ lịng kính trọng biết ơn sâu sắc PGS.TS Nguyễn Thúy Anh hướng dẫn tốt nghiệp cho Tôi xin cảm ơn Lãnh đạo trường Đại học Bách Khoa Hà Nội nói chung Viện Điện tử - Viễn thơng nói riêng mở môi trường học tập nghiên cứu đại tiên tiến để chúng tơi học tập nghiên cứu nâng cao trình độ thân Xin chân thành cảm ơn MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN MỤC LỤC DANH MỤC KÍ HIỆU VÀ CÁC CHỮ VIẾT TẮT DANH MỤC CÁC HÌNH VẼ DANH MỤC CÁC BẢNG BIỂU CHƯƠNG 1: TỔNG QUAN VỀ MÁY BAY UAV, ĐỊNH VỊ ĐIỂM CHÍNH XÁC PPP, GPS VÀ HỆ THỐNG ĐỊNH VỊ QUÁN TÍNH INS 1.1 Giới thiệu thiết bị bay không người lái UAV 1.2 Sơ lược hệ thống máy bay không người lái 1.3 Sơ lược hệ thống định vị điểm xác GPS cảm biến quán tính 1.3.1 Định vị điểm xác PPP GPS 1.3.2 MEMS IMU chi phí thấp 1.4 Sơ lược hệ thống tích hợp PPP GPS/MEMS IMU 1.4.1 Sự kết hợp GPS INS sử dụng lọc Kalman 1.4.2 Mơ hình cảm biến qn tính 1.5 Tổng quan hệ thống định vị toàn cầu GPS 1.5.1 Cấu trúc hệ thống GPS 1.5.2 Cấu trúc tín hiệu GPS 1.5.3 Các phương pháp đo 23 1.6 Tổng quan phương pháp định vị điểm xác 26 1.6.1 Sai số đồng hồ quỹ đạo vệ tinh 26 1.6.2 Trễ tầng đối lưu 27 1.6.3 Tầng điện ly 28 1.7 Tổng quan hệ thống định vị quán tính INS 29 1.7.1 Hệ tọa độ chuyển đổi hệ tọa độ 30 1.7.2 Bộ xử lý INS 32 1.7.3 Sự hiệu chỉnh ban đầu cho INS 37 1.8 Kết luận chương 38 CHƯƠNG SỰ TÍCH HỢP GIỮA INS VÀ GPS, PPP GPS VÀ MEMS IMU CHI PHÍ THẤP 39 2.1 Phương pháp tích hợp GPS/INS 39 2.1.1 Hệ thống tích hợp chặt chẽ 39 2.1.2 Hệ thống tích hợp lỏng GPS/INS 40 2.2 Bộ lọc Kalman 41 2.3 Bộ lọc PPP GPS 46 2.3.1 Trạng thái hệ thống 46 2.3.2 Mơ hình hệ thống 47 2.3.3 Mơ hình đo 49 2.4 Hệ thống PPP GPS/MEMS IMU theo phương pháp tích hợp chặt chẽ 51 2.4.1 Véc tơ trạng thái hệ thống 53 2.4.2 Mơ hình hệ thống 54 2.4.3 Mơ hình đo 56 2.5 Hệ thống tích hợp lỏng PPP GPS/MEMS IMU 58 2.6 Kết luận chương 59 CHƯƠNG 3: PHÁT TRIỂN THUẬT TOÁN DẪN ĐƯỜNG CHO THIẾT BỊ BAY UAV DỰA TRÊN HỆ GNSS 60 3.1 Giữ cân cho máy bay 60 3.1.1 Hoạt động máy bay 60 3.1.2 Giữ cân lượn cho máy bay 61 3.1.3 Giữ cân thay đổi độ cao 62 3.1.4 Giữ cân xoay 63 3.2 Tổng quan lọc tín hiệu sử dụng máy bay 64 3.3 Bộ lọc Kalman 64 3.3.1 Sự cần thiết lọc Kalman tới tính tốn liệu thu từ cảm biến 64 3.3.2 Giải thuật lọc Kalman 65 3.4 Kết luận chương 68 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 69 4.1 Nội dung kịch mô 69 4.2 Sơ đồ khối hệ thống thực nghiệm 70 4.3 Khởi tạo phân tích bối cảnh tốn thực nghiệm 71 4.4 Yêu cầu hệ thống kết thực nghiệm 72 4.4.1 Đánh giá, so sánh sai số vị trí vận tốc đối tượng di chuyển 73 4.4.2 Ước lượng vị trí vận tốc đối tượng di chuyển với lọc Kalman .77 4.4.3 Ước lượng hướng vị trí đối tượng di chuyển mặt đất 79 4.4.4 Định hướng vị trí dẫn đường quán tính cho UAV 80 4.5 Kết luận chương 83 KẾT LUẬN 84 TÀI LIỆU THAM KHẢO 85 DANH MỤC KÍ HIỆU VÀ CÁC CHỮ VIẾT TẮT Tên viết tắt Ý nghĩa Tiếng Anh ACF Hàm tự tương quan Auto Correlation Function DGPS Hệ thống định vị toàn cầu vi sai GCS Trạm điều khiển mặt đất Ground Control Station GPS Hệ thống định vị toàn cầu Global positioning system IGS Dịch vụ địa chất quốc tế IMU Khối kết hợp quay hồi chuyển cảm biến gia tốc Differential Global Positioning System International Geodynamics Service Inertial Measurement Unit IMU Đơn vị đo quán tính Inertial Measurement Unit INS Hệ thống dẫn đường quán tính Inertial Navigation System JPL Phịng thí nghiệm sức đẩy phản lực Propulsion Laboratory Linear Feedback Shift LFSR Thanh ghi dịch tuyến tính MEMS Hệ vi điện tử MIMO Hệ thống đa đầu vào, đa đầu Multi-input multi-output PPP Định vị điểm xác Precise Point Potisioning PRN Mã giả ngẫu nhiên Pseudo Random Noise UAV Máy bay không người lái Unmanned air vehicles UTC Giờ phối hợp Quốc tế Coordinated Universal Time Register Micro-Electro-Mechanical Systems DANH MỤC CÁC HÌNH VẼ Hình 1.1 Chòm vệ tinh Hình 1.2 Vệ tinh NAVSTAR Hình 1.3 Phân hệ điều khiển Hình 1.4 Sơ đồ khối tạo tín hiệu GPS 10 Hình 1.5 Cấu trúc tín hiệu L1 11 Hình 1.6 Điều chế BPSK tín hiệu GPS 12 Hình 1.7 Đồ thị cột ACF cho chuỗi Gold 13 Hình 1.8 Bộ tạo mã C/A 14 Hình 1.9 Đặc tính tương quan mã C/A 18 Hình 1.10 Cấu trúc liệu định vị GPS 21 Hình 1.11 Định dạng hai từ TLM HOW 22 Hình 1.12 Hình vẽ minh họa phương pháp đo giả khoảng cách 24 Hình 1.13 Hệ tọa độ cố định tâm trái đất hệ tọa độ trắc địa 31 Hình 1.14 Hệ tọa độ gắn liền vật thể 31 Hình 1.15 Sơ đồi thuật toán xử lý INS 33 Hình Hệ thống tích hợp chặt chẽ GPS/INS 39 Hình 2 Hệ thơng tích hợp lỏng GPS/INS 40 Hình Quy trình tính tốn lọc Kalman 45 Hình Cấu trúc ma trận nhiễu 48 Hình Sơ đồ hệ thống tích hợp chặt chẽ PPP GPS/MEMS IMU 52 Hình Sơ đồ hệ thống tích hợp lỏng 58 Hình Bốn lực tác dụng lên máy bay 60 Hình Hình minh họa lực tác dụng máy bay bay lên 62 Hình 3 Hình minh họa lực tác động máy bay xoay 63 Hình Bức tranh tồn cảnh lọc Kalman 65 Hình Bức tranh tồn cảnh giải thuật lọc Kalman 68 Hình Sơ đồ khối khái niệm INS 69 Hình Hệ thống tích hợp lỏng GPS/INS 70 Hình Sơ đồ khối mơ tích hợp lỏng GPS/INS 70 Hình 4 Hệ thống tích hợp lỏng vịng kín GPS/INS 71 Hình Sơ đồ khối thuật tốn 71 Hình Dự đốn lỗi vị trí sau lọc Kalman 73 Hình Dự đốn lỗi vận tốc sau lọc Kalman 73 Hình Sai số theo phương X hệ tọa độ cố định tâm trái đất 74 Hình Sai số theo phương Y hệ tọa độ cố định tâm trái đất 74 Hình 10 Sai số theo phương Z hệ tọa độ cố định tâm trái đất 75 Hình 11 Sai số vị trí hệ tọa độ cố định tâm trái đất 75 Hình 12 Đánh giá sai số vận tốc hệ thống INS GPS/INS 76 Hình 13 Ước lượng vị trí vận tốc đồn tàu chuyển động 77 Hình 14 Mơ trạng thái với mơ hình Kalman 78 Hình 15 Dự đốn lỗi vị trí ( phương tiện mặt đất) 79 Hình 16 Hướng vị trí ước lượng sử dụng IMU/GPS 80 Hình 17 Thiết bị bay UAV tứ giác (quadcopters) 80 Hình 18 Dự đốn lỗi vị trí thiết bị UAV 82 Hình 19 Hướng vị trí UAV ước lượng sử dụng IMU/GPS 83 Hình 4 Hệ thống tích hợp lỏng vịng kín GPS/INS Hình Sơ đồ khối thuật tốn 4.3 Khởi tạo phân tích bối cảnh toán thực nghiệm Thiết lập kiện ban đầu bối cảnh thực nghiệm + Vị trí đối tượng khởi tạo x = chuyển động dọc theo trục Ox với vận tốc trung bình xấp xỉ 20m/s + Phương trình chuyển động mơ tả theo theo x1 x2 tương ứng vị trí vận tốc 71 + Thiết lập thơng số ban đầu cho hệ thống cho lọc (sử dụng lọc Kalman)  Các ma trận trạng thái ban đầu giá trị cho đo tuyến tính: A, B, C, D, Q, R, u, x0  Các ma trận trạng thái ban đầu giá trị cho lọc Kalman: A1, B1, C1, D1, Q1, x1, P1 (x1 # x0)  Thời gian chuyển động dt, chu kỳ ts  Thiết lập công thức ước lượng theo vị trí vân tốc phương pháp ước lượng theo khoảng thời gian dt lọc Kalman 4.4 Yêu cầu hệ thống kết thực nghiệm Trong điều kiện thông thường sử dụng phương pháp đo lường để ước lượng hướng, vị trí, vận tốc thực tế Biểu diễn giá trị ước lượng hướng, vị trí, vân tốc đối tượng sử dụng phương pháp ước lượng bình thường lọc Kalman Tính tốn sai số so với thực tế Ví dụ: Ước lượng vị trí đối tượng sau đơn vị thời gian tức thời dt = 0.1 s, ước lượng giá trị trung bình vận tốc Nhưng trình chuyển động đối tượng gặp điều kiện không ổn định đường xấu, thời tiết xấu Do cần sử dụng lọc Kalman để ước lượng cách nhanh chóng xác vận tốc đối tượng Những kết thực nghiệm sau thể cách trực quan 72 4.4.1 Đánh giá, so sánh sai số vị trí vận tốc đối tượng di chuyển Hình Dự đốn lỗi vị trí sau lọc Kalman Hình Dự đoán lỗi vận tốc sau lọc Kalman 73 Hình Sai số theo phương X hệ tọa độ cố định tâm trái đất Hình Sai số theo phương Y hệ tọa độ cố định tâm trái đất 74 Hình 10 Sai số theo phương Z hệ tọa độ cố định tâm trái đất Hình 11 Sai số vị trí hệ tọa độ cố định tâm trái đất 75 Hình 12 Đánh giá sai số vận tốc hệ thống INS GPS/INS Đánh giá kết mô phỏng: Từ hình 4.6 đến hình 4.12 kết cho bối cảnh thực nghiệm đối tượng di chuyển mặt đất (ô tô, tàu hỏa,…) mà khởi tạo phân tích phần 4.3, kết cho thấy sai số vị trí hệ thống INS lớn Sai số tích lũy dần theo thời gian Việc tích hợp hai hệ thống GPS INS lại với sử dụng lọc Kalman cho sai số vị trí thấp nhiều so với sử dụng hệ thống cách độc lập Độ xác hệ thống tích hợp GPS/INS cao độ xác hệ thống GPS hay INS hoạt động độc lập (điều thể trực quan bảng kết 4.1) Rõ ràng việc kết hợp GPS/INS xu hướng tất yếu vấn đề định vị dẫn đường Bảng Kết sai số trung bình thu hệ thống định vị GPS INS GPS/INS Hệ thống định vị GPS INS Trung bình sai số vị trí 76 GPS+INS 4.4.2 Ước lượng vị trí vận tốc đối tượng di chuyển với lọc Kalman Từ điều kiện khởi tạo, phân tích cho tốn phần 4.3, sau thực mô cho kết ước lượng vị trí vận tốc mơ tả hình 4.13 Hình 13 Ước lượng vị trí vận tốc đồn tàu chuyển động Đánh giá kết mô phỏng: Với kết ước lượng vị trí thấy rằng: Qũy đạo đường màu xanh đậm (vị trí thật) màu đỏ (vị trí ước lượng bở lọc Kalman) gần giống với quỹ đạo đường màu xanh dương Với kết ước lượng vận tốc thấy rằng: 77 + Quỹ đạo đường màu đen, xanh đậm gần giống với quỹ đạo đường màu đỏ Trong quỹ đạo màu đỏ (vận tốc ước lượng lọc Kalman) giống với quỹ đạo màu xanh dương (vận tốc thật) + Quá trình ước lượng vận tốc sau hai nhiều khoảng thời gian liên tục cho sai số lớn (đường màu xanh lá) Hình 14 Mơ trạng thái với mơ hình Kalman Đánh giá kết quả: Hình 4.14 kết thực nghiệm với hệ thống trạng thái (2 đầu vào, đẩu ra); dễ dàng thấy hiệu ước lượng lọc Kalman tốt đường tín hiệu màu đỏ bám sát giống với dạng tín hiệu đường xanh 78 4.4.3 Ước lượng hướng vị trí đối tượng di chuyển mặt đất Phần tiến hành thực nghiệm ước lượng vị trí hướng phương tiện mặt đất cách kết hợp liệu từ đo lường quán tính (IMU) máy thu hệ thống định vị toàn cầu (GPS) Trong hệ thống điển hình, gia tốc kế quay hồi chuyển IMU chạy tốc độ mẫu tương đối cao Độ phức tạp xử lý liệu từ cảm biến thuật toán hợp tương đối thấp Ngược lại, GPS chạy tốc độ mẫu tương đối thấp độ phức tạp liên quan đến xử lý cao Trong thuật toán hợp này, mẫu GPS xử lý tốc độ thấp mẫu gia tốc kế quay hồi chuyển xử lý tốc độ cao Để mô trường hợp này, IMU (gia tốc kế quay hồi chuyển) lấy mẫu tần số 100 Hz GPS lấy mẫu tần số 10 Hz Hình 15 Dự đốn lỗi vị trí ( phương tiện mặt đất) 79 Hình 16 Hướng vị trí ước lượng sử dụng IMU/GPS Đánh giá kết mơ phỏng: Từ kết thấy hệ thống định hướng vị trí sử dụng IMU/GPS hiệu Sau tính tốn lỗi RMS (Root Mean Square) vị trí hướng cho q trình mơ có kết quả: Lỗi vị trí: X: 1.16, Y: 0.99, Z: 0.03 [m] Lỗi hướng (khoảng cách bậc bốn-quaternion): 0.51 [độ] 4.4.4 Định hướng vị trí dẫn đường quán tính cho UAV Phần tiến hành thực nghiệm thuật toán dẫn đường quán tính kết hợp IMU GPS cho thiết bị bay UAV tứ giác (quadcopters) sử dụng gia tốc kế, quay hồi chuyển, từ kế GPS để xác định hướng vị trí UAV Hình 17 Thiết bị bay UAV tứ giác (quadcopters) Tiến trình thực nghiệm bước xử lý quan trọng hệ thống: Thiết lập tốc độ lấy mẫu 80 Trong hệ thống điển hình, gia tốc kế quay hồi chuyển chạy tốc độ lấy mẫu tương đối cao Độ phức tạp xử lý liệu từ cảm biến thuật toán kết hợp tương đối thấp Ngược lại, GPS số trường hợp từ kế, chạy tốc độ mẫu tương đối thấp độ phức tạp liên quan đến xử lý chúng cao Trong thuật toán kết hợp này, mẫu từ kế GPS xử lý tốc độ thấp, mẫu gia tốc kế quay hồi chuyển xử lý tốc độ cao Để mô trường hợp này, IMU (gia tốc kế, quay hồi chuyển từ kế) lấy mẫu 160 Hz GPS lấy mẫu tần số Hz Chỉ có số 160 mẫu từ kế đưa cho thuật toán kết hợp, hệ thống thực, từ kế lấy mẫu với tốc độ thấp nhiều Bộ lọc hợp (Fusion Filter) Tạo lọc để hợp phép đo IMU + GPS Bộ lọc hợp sử dụng lọc Kalman mở rộng để theo dõi hướng (dưới dạng bậc bốn), vận tốc, vị trí, độ lệch cảm biến vectơ địa từ Bộ lọc có nhiệm vụ xử lý liệu cảm biến Nó lấy mẫu tín hiệu từ gia tốc kế quay hồi chuyển từ IMU làm liệu đầu vào Dữ liệu lọc vận tốc delta góc delta tương ứng Bộ lọc theo dõi độ lệch từ kế tín hiệu tích hợp Quỹ đạo UAV Phần thực nghiệm sử dụng quỹ đạo lưu ghi lại từ UAV làm thật tảng Quỹ đạo đưa đến số mô cảm biến để tính tốn gia tốc mơ phỏng, quay hồi chuyển, từ kế luồng liệu GPS Cảm biến GPS Thiết lập GPS tốc độ mẫu vị trí tham chiếu định Các tham số khác kiểm sốt chất nhiễu tín hiệu đầu Cảm biến IMU Thông thường, UAV sử dụng cảm biến MARG tích hợp (Từ tính, Tốc độ góc, Trọng lực) để ước tính tư Để mơ hình hóa cảm biến MARG, định nghĩa mơ hình cảm biến IMU chứa gia tốc kế, quay hồi chuyển từ kế Trong ứng dụng thực tế, ba cảm biến thiết kế mạch tích hợp mạch riêng biệt 81 Khởi tạo Vector trạng thái lọc Bộ lọc theo dõi trạng thái vectơ 22 phần tử Khởi tạo phương sai lọc Bộ lọc nhiễu đo lường mô tả mức độ nhiễu làm hỏng việc đọc cảm biến Các giá trị dựa tham số cảm biến IMU GPS Nhiễu trình xác định theo thực nghiệm cách quét tham số để tối ưu hóa ước tính vị trí định hướng từ lọc Khởi tạo phạm vi Hàm HelperScrollingPlotter matlab cho phép vẽ biến theo thời gian Nó sử dụng để theo dõi lỗi tư Hàm HelperPoseViewer cho phép hiển thị 3-D ước tính lọc tư so với mặt đất Vịng lặp mơ Vịng lặp mơ vịng lặp while với vòng lặp lồng Vòng lặp while thực thi với tốc độ mẫu GPS khởi tạo 1Hz Vòng lặp lồng thực thi với tốc độ mẫu IMU Các phạm vi cập nhật theo tỷ lệ mẫu IMU Kết thực nhiệm Hình 18 Dự đốn lỗi vị trí thiết bị UAV 82 Hình 19 Hướng vị trí UAV ước lượng sử dụng IMU/GPS Đánh giá kết quả: Sau tính tốn lỗi RMS (Root Mean Square) vị trí cho tồn q trình mơ có kết quả: Lỗi vị trí: X: 0.57, Y: 0.53, Z: 0.68 [m] Lỗi hướng (khoảng cách bậc bốn-quaternion): 0.32 [độ] Từ kết cho thấy kết hợp IMU vàGPS mang lại tính hiệu xác cao dẫn đường quán tính 4.5 Kết luận chương Chương mô chức lọc Kalman, tích hợp hai hệ thống GPS INS Qua mô cho thấy lọc kết hợp hai hệ thống GPS INS việc sử dụng lọc Kalman cho kết sai số hiệu 83 KẾT LUẬN Kết luận: Tất luận văn tập trung vào lý thuyết tích hợp hai hệ thống GPS INS sử dụng mems IMU hệ thống UAV Trên sở lý thuyết mô hệ thống tích hợp theo mơ hình liên kết lỏng Những kết thu được: Tìm hiểu lý thuyết tổng quan hệ thống GNSS INS Tìm hiểu lý thuyết hệ thống DGPS, so sánh với hệ thống GPS Tìm hiểu nguyên lý, cấu tạo, cách xử lý lọc Kalman Tìm hiểu lý thuyết biện pháp tích hợp hệ thống GPS INS việc sử dụng lọc Kalman Mô độ xác sai số hệ thống GPS, INS, GPS tíchhợp INS Mơ đánh giá chức lọc Kalman Hướng phát triển tiếp theo: Nghiên cứu sâu phương thức định vị GNSS vi sai Thiết kế sơ đồ khối chế tạo phần cứng thu GPS Thiết kế mạch phần cứng IMU tích hợp GPS ứng dụng dẫn đường quán tính cho thiết bị bay UAV 84 TÀI LIỆU THAM KHẢO [1] Zumberge, J F., M B Heflin, D C Jefferson, M.M Watkins, and F.H Webb (1997) Precise Point Positioning for the Efficient and Robust Analysis of GPS Data from Large Networks Journal of Geophysical Research, Vol 102, No B3 Pages 5005-5017 [2] Kouba, J and P Heroux (2000) GPS Precise Point Positioning Using IGS Orbit Products GPS Solutions, Vol 5, No [3] Salychev, O., V V Voronov, M E Cannon, R A Nayak, and G Lachapelle (2000) Low Cost INS/GPS Integration: Concepts and Testing Proceedings of ION NTM, 26-28 January, Anaheim CA, pp 98-105, U S Institute of Navigation, Fairfax VA [4] Hide, C D and T Moore (2005) GPS and Low Cost INS Integration for Positioning in the Urban Environment Proceedings of ION GPS, 13-16 September, Long Beach CA, pp 1007-1015, U S Institute of Navigation, Fairfax VA [5] Godha, S (2006) Performance Evaluation of Low Cost MEMSBased IMU Integrated With GPS for Land Vehicle Navigation Application, MSc Thesis, Department of Geomatics Engineering, The University of Calgary, Canada [6] Shuang Du (2010) Integration of Precise Point Positioning and Low Cost MEMS IMU [7] Gelb (1974) Applied Optimal Estimation, Massachusetts Institute of Technology, London, England 85 ... HÀ NỘI LUẬN VĂN THẠC SĨ KỸ THUẬT Nghiên cứu thực thuật toán dẫn đường cho thiết bị bay UAV dựa hệ GNSS DƯƠNG NGỌC ĐẶNG Ngành: Kỹ thuật viễn thông Giảng viên hướng dẫn: PGS TS Nguyễn Thúy Anh... thức mở rộng, nâng cao từ thầy cô giáo Với đề tài luận văn nghiên cứu ? ?Nghiên cứu thực thuật toán dẫn đường cho thiết bị bay UAV dựa hệ GNSS? ??, để hồn thành tơi nhận giúp đỡ bảo động viên khuyến... thời trình bày lý thuyết lọc Kalman Chương Phát triển thuật toán dẫn đường cho thiết bị bay UAV dựa GPS: Trình bày cách chi tiết cách thiết lập cho điều khiển dùng để phát triển, tính tốn vận tốc