›
›

Sử dụng bộ lọc kalman tuyến tính tối ưu cho hệ bám thời gian giữ chậm tín hiệu GPS

Download
Kỹ thuật điều khiển & Điện tử  
SỬ DỤNG BỘ LỌC KALMAN TUYẾN TÍNH TỐI ƯU  
CHO HỆ BÁM THỜI GIAN GIỮ CHẬM TÍN HIỆU GPS  
Dương Mạnh Hùng1*, Phạm Đức Thỏa2,  
Nguyễn Đức Anh1, Nguyễn Đình Dũng1,  
Tóm tắt: Bộ phân biệt thời gian giữ chậm có dạng sơ đồ tách sóng thời gian giữ  
chậm, nên về mặt hình thức mô hình toán học của nó chứa các hàm phi tuyến. Cách  
tiếp cận phổ biến trong các nghiên cứu trước đây thường thực hiện tuyến tính hóa  
mô hình toán của đặc trưng phân biệt theo các cách khác nhau nhằm mục đích áp  
dụng được các thuật toán lọc Kalman mở rộng – các bộ lọc phi tuyến cận tối ưu. Do  
vậy, về cơ bản các nghiên cứu trước đều gặp phải vấn đề tuyến tính hóa trên mô  
hình toán của sơ đồ tách sóng, điều này là không mong muốn khi áp dụng các thuật  
toán lọc tuyến tính tối ưu. Bài báo đề xuất cách tiếp cận bộ phân biệt để nhận được  
đặc trưng phân biệt có dạng tuyến tính, làm cơ sở áp dụng bộ lọc Kalman tuyến tính  
tối ưu. Các kết quả mô phỏng khảo sát đánh giá cho thấy tính đúng đắn của phương  
pháp tiếp cận mà bài báo đề xuất.  
Từ khóa: Hệ thống định vị dẫn đường GPS, Bộ lọc Kalman, Hệ bám tham số tín hiệu GPS.  
1. ĐẶT VẤN ĐỀ  
Các nghiên cứu áp dụng bộ lọc Kalman trong hệ bám thời gian giữ chậm tín  
hiệu GPS chủ yếu theo hai cách tiếp cận: Thứ nhất, thực hiện bóc tách sơ đồ tách  
sóng thời gian giữ chậm theo các cách khác nhau nhằm mục đích nhận được mô  
hình quan sát theo dạng chuẩn hóa để áp dụng các thuật toán lọc Kalman như EKF,  
IEKF hoặc UKF [1]; Thứ hai, thực hiện tuyến tính hóa biểu thức toán học của bộ  
phân biệt thời gian giữ chậm theo các cách khác nhau, điển hình theo cách tiếp cận  
này là các nghiên cứu [2].  
Nói chung, các phương pháp xây dựng hệ bám dựa trên các bộ lọc Kalman đều  
gặp phải vấn đề tuyến tính hóa. Bài báo đề cập đến phương pháp thay thế gần đúng  
tương đương để nhận được đặc trưng phân biệt tuyến tính làm cơ sở áp dụng thuật  
toán của bộ lọc Kalman tuyến tính tối ưu. Ưu điểm của cách tiếp cận này là đặc  
trưng phân biệt được lấy trực tiếp từ đầu ra bộ tách sóng mà mô hình ứng dụng để  
áp dụng thuật toán lọc Kalman của nó đã được xấp xỉ gần đúng với mô hình tuyến  
tính thay cho việc phải thực hiện tuyến tính hoá như trong các nghiên cứu [1] và  
[2], giải pháp này sẽ tối ưu hơn ít nhất là khối lượng tính toán phải thực hiện để  
tuyến tính hoá khi áp dụng các bộ lọc Kalman mở rộng (EKF, IEKF và UKF).  
2. NỘI DUNG  
2.1. Mô hình tín hiệu GPS  
Tín hiệu GPS được thu trên nền tạp âm nội bộ của máy thu với tần số sóng  
mang được biến đổi về tần số trung gian tg có dạng [8]:  
t
y t Ac t cos(t 2fdl v dv  t ) n t  
         
(1)  
tg  
0  
0
A - Biên độ; c(t) - Mã cự ly (C A-code); (t) - Mã điều chế BPSK dữ liệu dẫn  
đường; n(t) - Tạp trắng Gauss với kỳ vọng toán học bằng không và mật độ phổ hai  
28  
D. M. Hùng, …, N. Đ. Dũng, “Sử dụng bộ lọc Kalman tuyến tính … tín hiệu GPS.”  
Nghiên cứu khoa học công nghệ  
phía N0 2. Đầu ra bộ biến đổi ADC là tín hiệu số với chu kỳ lấy mẫu Td  
;
y(ti )  
-
, f  
Mẫu quan sát tại thời điểm ti iTd  
;
là các tham số thông tin, có dạng:  
i
(dl)i  
i
(2)  
(3)  
y(t ) Ac(t )cos(t 2  
f(dl ) jTd (ti ) 0 ) n(ti )  
j1  
i
i
i
tg  
i
với ni n(ti ) - tạp trắng Gauss rời rạc với kỳ vọng toán học bằng không và hiệp  
ti  
ti  
phương sai: Nd M[ni2 ](1 Td )  
M[n t n v ]dtdv N 2T  
     
2
t t  
0
d
i1  
i1  
Tín hiệu yi y(ti ) được đưa đến khối xử lý sơ cấp đánh giá sơ bộ làm cơ sở  
cho hệ bám làm việc trong chế độ bám sát. Bài báo quan tâm đến hệ bám thời gian  
giữ chậm, do vậy hệ bám tần số Doppler sẽ coi như đã được thực hiện.  
2.2 Sơ đồ cấu trúc bộ phân biệt thời gian giữ chậm tín hiệu GPS  
Có hai sơ đồ cơ bản được sử dụng để thực hiện hệ bám thời gian giữ chậm: sơ  
đồ kết hợp và sơ đồ không kết hợp [8].  
Hình 1. Sơ đồ cấu trúc bộ phân biệt thời gian trong chế độ không kết hợp.  
Sơ đồ kết hợp cho phép tách ra dòng dữ liệu dẫn đường nhờ dấu của tín hiệu  
được nhận biết qua bộ phân biệt pha, sơ đồ không kết hợp thì không, nhưng cho  
khả năng chống nhiễu cao hơn [9]. Trong một máy thu GPS có thể sử dụng cả hai  
sơ đồ trên, bài báo đề cập đến sơ đồ không kết hợp (hình 1), biểu thức đầu ra của  
sơ đồ tách sóng cầu phương:  
2
2
u ()[X (i 2)X (i 2)]   
(4)  
(5)  
ts  
sin  
2
(cos)  
2
2
trong đó:  
X (i 2) [X (i 2)] [X (i 2)]  
N
(cos)  
ˆ
X
X
(2) 1 N  
yic[ti (i 2)]cos(tgti (dl)i  
)
i1  
i
(6)  
N
(sin)  
ˆ
i
(2) 1 N  
y c t (2) sin(t   
i  
)
i1  
i
i
tg  
i
(dl)i  
i
ˆ
ˆ
2T  
f(dl) j  
, - thường được chọn bằng độ rộng xung mã.  
trong đó:  
d j1  
(dl)i  
2.3. Mô hình toán học của bộ phân biệt thời gian giữ chậm tín hiệu GPS  
29  
Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016  
Kỹ thuật điều khiển & Điện tử  
Trong chế độ không kết hợp, giả thiết tham số thông tin là thời gian giữ chậm  
trong khoảng thời gian quan sát coi như không đổi, biên độ của tín hiệu đã được  
A(t ) A A  
chuẩn hóa và thay đổi không đáng kể:  
, hàm tương quan của mã  
i
i
T
  1 T  
c t c t dt  
  
C/A-code [6]:  
với  
, thay (2) vào (6) và  
   
   
0  
bỏ qua thành phần dao động bậc cao khi tính giá trị trung bình của nó trong toàn bộ  
thời gian quan sát [8], nhận được biểu thức xấp xỉ gần đúng sau:  
  
AT  
  
X (cos) (  
)   
d0(  
T f  
T f  
T f t dt  
(7)  
)cos(0  
0
dt )sin(0  
dt) 0  
t
t
2
2
2
d0  
trong đó,  
là giá trị của bit dữ liệu dẫn đường ở thời điểm đầu chu kỳ quan sát;  
ˆ
( f )t f(dl)t f(dl)t là sai số đánh giá tần số Doppler. Biến đổi tương tự với thành  
phần X (sin) (2) trong (6) nhận được:  
T f  
T f  
T f t dt  
  
AT  
  
X (sin) (  
)   
d0(  
(8)  
)sin(0  
dt )sin(0  
dt) 0  
t
t
2
2
2
Thay (7), (8) vào (5), kết quả nhận được thay vào (4), chú ý (d0 )2 1, coi sai số  
đánh giá tần số Doppler ( f )t thay đổi không đáng kể trong chu kỳ quan sát:  
( f )t f , biểu thức đầu ra của bộ tách sóng cầu phương (hình 1) như sau:  
u (A2T2 4)(sin2 (T) (T)2 ){2 2 2 2 }  
(9)  
ts    
f
f
Hàm tương quan của mã C/A-code là hàm tương quan lý tưởng, do tính chất giả  
tạp ngẫu nhiên của mã C/A-code có thể xấp xỉ gần đúng như sau [4]:  
1  
khi  
Te  
(10)  
    
  
0
khi  
Te  
T
T  
  
trong đó  
là độ rộng xung mã C/A-code,  
e . Trong chế độ bám sát  
là  
e
khá nhỏ, có thể coi  2 , từ (10) nhận được:  
(2) 1(2)  
(11)  
Thay (11) vào (9) nhận được biểu thức giải tích ở đầu ra bộ tách sóng như sau:  
u () (A2T2 2)(sin( T)  T)2 2   
(12)  
ts  
f
f
Từ (12) thấy rằng biểu thức đầu ra của bộ tách sóng bị ảnh hưởng bởi sai số của  
độ dịch tần Doppler trong thừa số: sin(f T) / (f T) , coi nó như là một hệ số suy  
giảm, tuy nhiên, phép xấp xỉ sin(x) x với 0 x 0.3 khi mà sai số của tần số  
không vượt quá 100Hz ([4],[8]), sử dụng xấp xỉ: sin(f T) (f T) 1, nhận được  
biểu thức giải tích xấp xỉ ở đầu ra của bộ tách sóng khi này như sau:  
u (A2T2 2) 2   
(13)  
ts    
Biểu thức giải tích (13) là đặc trưng phân biệt thời gian giữ chậm, đây là kết quả  
quan trọng để thực hiện hệ bám thời gian giữ chậm tín hiệu GPS theo sơ đồ không  
kết hợp (hình 1) dựa trên bộ lọc Kalman tuyến tính tối ưu.  
2.4. Áp dụng thuật toán lọc Kalman rời rạc tuyến tính thực hiện hệ bám thời  
gian giữ chậm tín hiệu GPS  
30  
D. M. Hùng, …, N. Đ. Dũng, “Sử dụng bộ lọc Kalman tuyến tính … tín hiệu GPS.”  
Nghiên cứu khoa học công nghệ  
Mô hình quan sát và động học của hệ thống tuyến tính tương ứng như sau:  
yi Hixi r  
(14)  
(15)  
i
xi Φi,i1xi1 qi1  
nn  
trong đó:  
là ma trận chuyển trạng thái kích thước  
;
Hi là ma trận quan  
Φi,i1  
mn  
n
sát kích thước  
;
qi là véc tơ nhiễu Gauss phần tử có kỳ vọng toán học bằng  
không và ma trận hiệp phương sai có dạng đường chéo [Qi ]nn  
;
r
i
là nhiễu Gauss  
m
gồm  
phần tử có kỳ vọng toán học bằng không và ma trận hiệp phương sai  
T
E[rrjT ]Ri  
q
r
E[rq ]0  
ij ; các chuỗi nhiễu  
và là độc lập . Các phương trình  
i
i
j
i
i
của bộ lọc Kalman rời rạc tuyến tính như sau [3]:  
(1) Trạng thái và hiệp phương sai ngoại suy dựa trên thông tin tiên nghiệm:  
ˆ
xi1  
Φi,i1xi1  
(16)  
(17)  
P
i1  
Φi,i1P ΦTi,i1 Qi1  
i1  
(2) Hệ số khuếch đại điều chỉnh của bộ lọc Kalman:  
T
T
1  
Ki  
P Hi (HiP Hi Ri )  
(18)  
i1  
i1  
(3) Trạng thái đánh giá và hiệp phương sai hậu nghiệm:  
ˆ
xi  
xi1 Ki (yi Hixi1)  
(19)  
(20)  
(I KiHi )P  
i1  
P
i
Hình 2. Cấu trúc hệ bám trong chế độ không kết hợp sử dụng bộ lọc Kalman.  
Khái quát hệ bám thời gian giữ chậm tín hiệu GPS sử dụng thuật toán lọc  
Kalman bởi sơ đồ cấu trúc trên (hình 2), khối “Bộ phân biệt độ giữ chậm” là sơ đồ  
(hình 1) và mô hình toán học ở đầu ra được xấp xỉ gần đúng bởi biểu thức (13)  
. Rõ  
i1  
(y H x )  
tương ứng với biểu thức (19) bộ phân biệt của bộ lọc Kalman  
ràng, với cấu trúc bộ phân biệt thời gian giữ chậm (hình 1) không thể xác định  
Hi  
i
i
được hệ số quan sát  
một cách tường minh, để ý tới (13) và coi nó là bộ phân  
x
biệt của thuật toán lọc Kalman, biểu thức đánh giá (19) khi thay bởi như sau:  
*
*
ˆ
*   
*   
i i1 Ki (yi Hi  
)
i1 Ki (HHi  
)
1
1
(21)  
*
*
i1 KiH*  
i1 Ki H(i  
)
1
Trong đó H*đóng vai trò là bộ phân biệt được thay thể bởi (13):  
H* (A2T 2 2)(2)  
(22)  
31  
Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016  
Kỹ thuật điều khiển & Điện tử  
Chú ý rằng, hệ số quan sát H* ở đây là hệ số quan sát tượng trưng được rút ra  
từ mô hình toán học ở đầu ra của bộ phân biệt. Phương trình ngoại suy động học  
ˆ
ˆ
i1 i1 fdl T f0 q  
của trạng thái ước lượng được thiết lập như sau:  
i1 , trong  
là nhiễu động học, có phân bố Gauss với phương sai: QQaT 4 / 4c2 , với  
q()i  
đó,  
Qa là phương sai thống kê phụ thuộc vào tính chất cơ động của TBĐV với vệ tinh;  
c
là vận tốc lan truyền sóng điện từ. Nhiễu quan sát đối với sơ đồ tách sóng cầu  
phương (hình 1) được tính toán xấp xỉ như sau [7]:  
R (4q T)(12 2q T)  
(23)  
c n  
c n  
Trong đó: qc n là tỷ số tín/tạp. Từ sơ đồ cấu trúc (hình 2) kết hợp với (21), (22)  
và (23) nhận được hệ bám sử dụng bộ lọc Kalman.  
3. MÔ PHỎNG KHẢO SÁT VÀ ĐÁNH GIÁ CHẤT LƯỢNG HỆ BÁM  
THỜI GIAN GIỮ CHẬM BẰNG MATLAB-SIMULINK  
Giả thiết các đánh giá sơ bộ ban đầu có phương sai đã biết, 0.9775s ,  
phương sai của nhiễu quan sát xác định theo các biểu thức (23), bảng mã  
C A code của các vệ tinh được tra cứu trong [5], giả thiết trong tín hiệu thu được  
gồm tín hiệu của 05 vệ tinh có số hiệu từ 1 5 , bám theo tham số tín hiệu của vệ  
tinh số 1. Bỏ qua ảnh hưởng của điều kiện môi trường đến quá trình truyền sóng,  
sai lệch do đồng bộ về thời gian giữa thiết bị định vị với vệ tinh.  
Hình 3. Quá trình quá độ và xác lập với chu kỳ quan sát T 1ms ,  
hệ số hiệu chỉnh Khc 1, vận tốc tiếp cận vtc 0m s  
.
Trên (hình 3) là kết quả mô phỏng hệ bám độ giữ chậm với thời gian mô phỏng  
32  
D. M. Hùng, …, N. Đ. Dũng, “Sử dụng bộ lọc Kalman tuyến tính … tín hiệu GPS.”  
Nghiên cứu khoa học công nghệ  
là 200ms sau khởi tạo, tham số ước lượng hội tụ về giá trị thiết lập với thời gian  
quá độ khoảng 40ms . Trên đồ thị thể hiện giá trị đầu ra bộ phân biệt cho thấy tính  
chất tuyến tính trong từng chu kỳ quan sát. Quá trình xác lập, giá trị đầu ra bộ phân  
biệt độ giữ chậm khi này không còn rõ ràng mà thăng giáng gần với nhiễu tạp, điều  
này là do tác động của nhiễu tạp khi sai số xác lập nhỏ (khoảng 0,0015s ). Thời  
gian quá độ trong (hình 3) là khá lớn (40ms), thêm hệ số hiệu chỉnh ở đầu ra bộ  
phân biệt nhằm tăng độ dốc của đặc trưng phân biệt, phương pháp này vẫn thường  
dùng để điều chỉnh tính tác động nhanh của một hệ bám  
K 3  
Trên (hình 4) là kết quả mô phỏng sau khi đưa vào hệ số hiệu chỉnh  
ở
hc  
đầu ra bộ phân biệt, thời gian quá độ đã giảm xuống khoảng 10ms , sai số xác lập  
khoảng 0,005s tương ứng với sai số khoảng cách 1,5m. Như vậy, việc điều chỉnh  
độ dốc của đặc trưng phân biệt làm tăng tốc độ hội tụ, tuy nhiên, sai số trong quá  
trình xác lập tăng lên, điều này là tất yếu khi tính chất động hệ bám thay đổi.  
Hình 4. Quá trình quá độ và xác lập với chu kỳ quan sát T 1ms ,  
hệ số hiệu chỉnh Khc 3, vận tốc tiếp cận vtc 0m s  
.
4. KẾT LUẬN  
Qua các kết quả phân tích và khảo sát cho thấy, hệ bám thời gian giữ chậm đảm  
bảo tính hội tụ và bám ổn định theo giá trị thiết đặt, khẳng định tính đúng đắn của  
phương pháp tiếp cận xây dựng hệ bám thời gian giữ chậm tín hiệu GPS dựa trên  
bộ lọc Kalman tuyến tính tối ưu. Về mặt toán học, sai số bám trong chế độ xác lập  
nhỏ, giải pháp xấp xỉ mà bài báo đề cập và phương pháp tuyến tính hoá như trong  
[1] và [2] sẽ cho kết quả như nhau. Tuy nhiên, khi sai số bám lớn thì phép tuyến  
tính hoá sẽ cho mô hình tuyến tính chính xác hơn, nhưng thực tế khi sai số bám lớn  
thì độ chính xác tuyến tính hoá cao hơn cũng không hữu ích nhiều, mà điều quan  
33  
Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016  
Kỹ thuật điều khiển & Điện tử  
trọng là sai lệch của mô hình tuyến tính sai lệch không được quá lớn với mô hình  
thực tế để ảnh hưởng tới đặc trưng quá trình quá độ. Qua các kết quả mô phỏng  
khảo sát cho thấy, mô hình hệ bám thời gian giữ chậm tín hiệu GPS mà bài báo  
xây dựng hoàn toàn đúng đắn và có ưu điểm so với cách tiếp cận tuyến tính hoá.  
Tuy nhiên, mô hình toán học (13) của bộ phân biệt thời gian giữ chậm phụ  
thuộc vào biên độ, nên hệ bám t chỉ đảm bảo làm việc trong điều kiện tỷ số tín/tạp  
bình thường và tín hiệu thu khá ổn định. Để đảm bảo hệ bám làm việc trong điều  
kiện phức tạp, cần phải có giải pháp hoàn thiện hơn: cần thêm bộ ước lượng tỷ số  
tín/tạp hoặc phải hiệu chỉnh lại cấu trúc bộ phân biệt để giảm sự phụ thuộc vào  
biên độ nhằm nâng cao khả năng hoạt động của hệ bám trong điều kiện biên độ tín  
hiệu thăng giáng, vấn đề này sẽ được đề cập trong các nghiên cứu sau của tác giả.  
TÀI LIỆU THAM KHẢO  
[1]. Xingli sun, Honglei Qin, Jingyi niu, “Comparison and analysis of GNSS  
signal tracking performance based on Kalman filter and traditional loop”,  
WSEAS TRANSACTIONS on SIGNAL PROCESSING - Issue 3, Vol 9,  
7/2013.  
[2]. Borio. D, Fantino. M, Lo Presti, L, Pini. M, “Robust DLL Discrimination  
Functions Normalization in GNSS Receivers”, IEEE Conference Publications  
- Position, Location and Navigation Symposium, 2008 IEEE/ION, P: 173-180,  
2008.  
[3]. Bruce P. Gibbs, “Advanced kalman filtering, least-squares and modeling: a  
practical handbook”, Published by John Wiley & Sons, 2011.  
[4]. Jose´ A. Del Peral-Rosado, Jos´eA.Lo´pez-Salcedo, Gonzalo Seco-Granados,  
Jos´eM.Lo´pez-Almansa, Joaquı´n Cosmen, “Kalman Filter-Based  
Architecture for Robust and High-Sensitivity Tracking in GNSS Receivers”,  
Satellite Navigation Technologies and European Workshop on GNSS Signals  
and Signal Processing, 2010-5th ESA, 2010.  
[5]. Michael J. Dunn, “Global positioning system directorate systems engineering  
& integration interface specification IS-GPS-200, Navstar GPS Space  
Segment/Navigation  
User  
Segment  
Interfaces”,  
DISTRIBUTION  
STATEMENT A: Approved For Public Release; Distribution Is Unlimited,  
2012.  
[6]. Mohinder S. Grewal, Angus P. Andrews, Chris G. Bartone, “Global  
navigation satellite systems, inertial navigation, and integration - Third  
edition”, Published by John Wiley & Sons, ISBN 978-1-118-44700-0, 2013.  
[7]. Yong Luo, Jun-xiang Lian, Wen-qi Wu, “An Optimization Based GPS Signal  
Tracking Method”, International Conference on Information Engineering, 2012.  
[8]. Р.В. Бакитько, Е.Н. Болденков, Н.Т. Булавский, …, “ГЛОНАСС.  
Принципы построения и функционирования”, Изд. 4-е, перераб. и доп. -  
М: Радиотехника, 2010.  
[9]. Перов А.К, Болденков Е.Н., Григоренко Д.А, “Упрощенная  
аналитическая методика оценки потенциальной помехоустойчивости  
оптимальных следящих систем приемников спутниковой навигации”,  
Радиотехника-Радиосистемы, №7, 2002.  
34  
D. M. Hùng, …, N. Đ. Dũng, “Sử dụng bộ lọc Kalman tuyến tính … tín hiệu GPS.”  
Nghiên cứu khoa học công nghệ  
ABSTRACT  
AN APPROACH TRACKING TIME DELAY SYSTEM OF GPS SIGNAL  
USING KALMAN FILTER  
The application of Kalman filter in tracking time delay system GPS  
signals are interested. To discriminate characteristic, a schematic of the  
detector time delay is usually used. However, the mathematical modeling  
contains the complex nonlinear function, a previously common approach  
usually perform linearized different ways aims to apply the extended Kalman  
filter algorithm - nonlinear filters close to optimal. So, basically are having  
problems on the linearized mathematical model of detection diagrams, this is  
not desirable when applying linear filtering algorithm optimization. Content  
articles proposed approach discriminator to receive discriminate  
characteristic linear form, as a basis for applying Kalman filter optimal  
linear. The simulating results show the correctness of the approach which  
the article proposed.  
Keywords: GPS navigation positioning system, Kalman filter, Tracking time delay system.  
Nhận bài ngày 16 tháng 5 năm 2016  
Hoàn thiện ngày 09 tháng 7 năm 2016  
Chấp nhận đăng ngày 26 tháng 10 năm 2016  
Địa chỉ: 1 Học viện Kỹ thuật quân sự,  
Số 236- Hoàng Quốc Việt – Hà Nội;  
2 Viện Tên lửa – Viện KHCN quân sự,  
Số 17- Hoàng Sâm – Hà Nội.  
* Email: [email protected].  
35  
Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016  
pdf 8 trang Mãnh Khiết 13/01/2024 18020 Free
Download
Bạn đang xem tài liệu "Sử dụng bộ lọc kalman tuyến tính tối ưu cho hệ bám thời gian giữ chậm tín hiệu GPS", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

File đính kèm:

  • pdfsu_dung_bo_loc_kalman_tuyen_tinh_toi_uu_cho_he_bam_thoi_gian.pdf