智能车-第5章gps-dr组合导航

5.1

GPS/DR组合方法简介GPS定位的方法在车辆定位与导航中应用日趋广泛,但是由于GPS容易受到外界环境的干扰,尤其是在高楼林立的城市,或者车辆通过隧道及立交桥时,GPS

信号将很差甚至中断而无法定位。要得到连续可靠的定位信息就需要其他的辅助

。DR是典型的独立 ,在短时间内能够保持较高的精度,且其有效性不受外界影响,但该方法仅能确定相对位置,且误差将随推算过程而累加。因此,GPS和DR存在很强的互补关系。一方面,GPS提供的绝对位置信息可以为DR提供推算定位的初始值并进行误差校

正;另一方面,DR的推算结果可用于补偿部分GPS定位中的随机误差,从而平滑定位轨迹。所以,利用适当的方法将两种系统组合的互补性,就能法时都要高起来,充分利用其够获得比单独使用任何的定位精度和可靠性。实现GPS/DR组合的

问题是数据融合方案的设计,即采用何种方法来融合两种

的信息以获得最优的组合定位结果。在车辆导航定位中有两种常用的组合方案:切换式组合和Kalman滤波。切换式组合方案有两种工作状态:GPS模式和DR模式,系统工作在何种模式取决于GPS信号的有效性:当GPS观测

数较多、 几何分布结构较好时工作于GPS模式,同时利用GPS的定位输出刷新DR系统的初始推算位置;一旦GPS定位数据失效或者GDOP增大到预定门限,则切换到DR模式。该方法的优点是简单易行,系统承担的计算量很小,可以解决在 信号失效时短时间的定位问题。但是该方法并没有将GPS和DR两种系统的信息融合在一起,不能完全发挥两者的优点。另外,DR所需要的初始信息由前一时刻的有效GPS数据提供,这使得GPS数据中的误差被直接

到了DR推算的结果中,造成DR系统的定位精度下降,从而缩短了其能够满足定位精度要求的有效工作时间。另外,该方法只能解决

遮挡问题,而对于其他原因如多径效应等造成的GPS定位误差则

为力。kalman滤波方法用于GPS/DR的组合定位中,就是将GPS和DR的信息同时用于定位解的求解过程中,使DR系统的状态在滤波过程中不断得到修正,组合定位的输出又可以提供较为准确的初始位置和方向信息,从而,即使在GPS失效、单独使用DR推算定位时也能长时间保持较高的定位精度。根据利用GPS信息的不同,基于Kalman滤波的GPS/DR组合方案又分为松组合和紧组合两种:松组合直接利用GPS

输出的定位解与DR进行数据融合;紧组合利用GPS

输出的伪距、伪距率等原始信息与DR所需要的信息(车辆行驶距离和方位角

的变化)进行数据融合。5.2

滤波算法利用kalman滤波实现多个传感器的信息融合有两种途径:一种是标准的集中式

kalman滤波,另一种是分散式kalman滤波。采用集中式kalman滤波,理论上可以获得系统状态的最优估计,但是在实际应用中存在着以下缺陷:（1）采用严格最优估计的方法对系统所有的测量量进行集中处理,系统状态维数高,计算负担重,严重影响了滤波器的动态性能和实时性。（2）传感器数据的集中处理导致滤波器的容错性能较差。当一种传感器的数据出现较大偏差时,该错误将会被

到所有观测量和状态变量的估计中去,导致状态污染,滤波精度和稳定度下降。分散式滤波技术就是为了解决集中式kalman滤波器的上述缺陷而 ,

它将单独的Kalman滤波器用一个主滤波器和一组局部滤波器来代替,相应的数据处理过程也分为两个阶段。在第一阶段中,每个传感器的信息被送入对应的局部滤波器中处理,产生局部最优状态估计;在第二阶段,主滤波器将局部滤波器输出的局部状态估计进行融合处理,并产生最终的全局状态最优估计。在分散滤波过程中,由于不同传感器的数据被单独和并行处理,因而减少了计算量,计算效率也大大提高。与此同时,局部滤波器的存在也使整个多传感器融合系统的容错能力有所

提高。分散滤波理论已经发展了20多年,

，Speyer，Willsky,Bierman,Kerr,

Carlson等人先后对其进行了改进和提高。在所有这些分散滤波方法中,由Carlson 滤波器以其设计的灵活性、计算量小和容错性好