GPS定位中EKF与最小二乘法的MATLAB仿真对比

markdown复制## 1. 项目背景与核心问题

在GPS定位系统中，接收机需要处理卫星信号中的噪声和多径效应，同时补偿时钟偏差带来的误差。传统最小二乘法（LS）虽然计算简单，但面对非线性观测方程时存在明显局限。扩展卡尔曼滤波（EKF）通过线性化处理非线性系统，理论上能提供更优的状态估计。本项目通过MATLAB仿真，对比两种算法在以下维度的表现：

- 位置估计精度（3D RMSE）
- 接收机时钟偏移和漂移的收敛速度
- 估计误差的95%置信区间覆盖度
- 计算效率与实时性权衡

> 关键挑战：GPS观测方程中伪距测量与状态参数间存在强非线性关系，且时钟误差会随时间累积。EKF的雅可比矩阵计算不当易导致滤波发散。

## 2. 系统建模与算法实现

### 2.1 状态空间模型构建

定义8维状态向量：

x = [x, y, z, vx, vy, vz, clock_bias, clock_drift]^T

code复制观测向量为可见卫星的伪距测量值，非线性观测方程：

ρ = ||sat_pos - recv_pos|| + c·clock_bias + ε

code复制其中c为光速，ε包含电离层延迟、对流层延迟等误差项。

### 2.2 EKF实现关键步骤

1. **状态预测**：
   ```matlab
   F = [eye(3), dt*eye(3), zeros(3,2);
        zeros(3), eye(3), zeros(3,2);
        zeros(2,6), [1 dt; 0 1]];
   x_pred = F * x_est;
   Q = diag([0.1*ones(1,3), 0.01*ones(1,3), 1e-4, 1e-6]);
   P_pred = F * P_est * F' + Q;

2. 观测更新：

   matlab复制H = zeros(n_sat,8);
   for i=1:n_sat
       H(i,1:3) = (x_pred(1:3)-sat_pos(i,:))'/norm(x_pred(1:3)-sat_pos(i,:));
       H(i,7) = 1; 
   end
   K = P_pred * H' / (