（电力电子与电力传动专业论文）gpsdr车载组合定位系统数据融合算法研究.pdf

a b s t r a c t v e h i c l el o c a t i o ni st h eo n eo ft h e i m p o r t a n tt e c h n o l o g y i ni n t e l l i g e n t t r a n s p o r t a t i o ns y s t e m g l o b a lp o s i t i o ns y s t e mn a m e dg p si so fs u p e r i o rl o n g t e r m e r r o rp e r f o r m a n c e ，b u tp o o rs h o r t - t e r ma c c u r a c y , w h i l ed e a dr e c k o n i n gs y s t e m n a m e dd rh a sg o o dp o s i t i o np r e c i s i o ni ns h o r t - t e r mb u tp o o ri n l o n g - t e r m g p s d ri n t e g r a t i o np r o v i d e sp o s i t i o nd a t a 诵t l lh i g hp r e c i s i o n f r e q u e n c ya n d r e l i a b i l i t y o nt h eb a s eo fa n a l y z i n gt h em u l t i s e n s o rc h a r a c t e r i s t i co fv e h i c l ed r s y s t e m ， t h em e c h a n i c sl a y o u tf o r m u l a ei nl o c a lh o r i z o n t a lr e f e r e n c ef r a m ew e r ed e d u c e d t h ed e c e n t r a l i z e dk a l m a nf i l t e r sw e r ef o u n d e d 、i t hw h i c ht h ea n g l em o v e m e n t d a t ao f f e r e db ye l e c t r o - c o m p a s sa n dr a t eg y r oa n dt h el i n em o v e m e n td a t as u p p l i e d b ya c c e l e r o m e t e r sa n dv e h i c l eo d o m e t e rw e r ef u s e dr e s p e c t i v e l y , a n dt h ee s t i m a t e o p t i m i z a t i o no fv e h i c l el o c a t i o ns t a t e sw e r eo b t a i n e d t h ed a t af u s i o nm e t h o d w e r es i m i l l a t e f o rc a l c u l a t i n gt h er a t i o n a lr a n g eo fa c c e l e r a t i o na n dm a k i n gt h ev e h i c l em o d e l t oa c c o r dw i t ht h ev e h i c l ea c t u a lm o v e m e n t ，b a s i n go nt h ec u r r e n t s t a t i s t i c sm o d e l w h i c hi sr e a s o n a b l et om a n e u v e rt a r g e tr e l a t i v e l ya n dt h ek i n e t i cc h a r a c t e r i s t i co f v e h i c l e ，t h ef u z z yl o g i cw a sb r o u g h tf o r w a r dt of u s et h ed a t ao fv e h i c l es t a t e t h e r e s u l to fq u a l i t a t i v ea n a l y z i n ga n dm a t l a bs i m u l a t i o n ss h o w e dt h a tt h el o c a t i o n p r e c i s i o n a n dt h e t r a c k i n gc a p a b i l i t yw e r ei m p r o v e db yc a l c u l a t i n gt h e a c c e l e r a t i o nr a n g et h r o u g hf u z z yl o g i c f u r t h e r m o r e ，i no r d e rt os o l v et h e d i v e r g e n c ew h i c hi sl i k e l yt oe m e r g e n c ei nk a l m a nf i l t e r ，t h ea d a p t i v ek a l m a n a l g o r i t h mb a s e do nf u z z yl o g i ct oa v o i df i l t e rd i v e r g e n c ew a sd e s i g n e dw h i c hr e l y o nt h ec o n v e r g e n c ec r i t e r i o no fk a l m a nf i l t e r , a n ds i m u l a t i o ne x p e r i m e n t a t i o n w e r ec a r d e dt h r o u g h i no r d e rt oe n h a n c et h et r a c k i n gc a p a b i l i t yo fm a n e u v e rt a r g e t ，t h ea c c e l e r a t i o n i nt a r g e tm o v e m e n tm o d e lm u s tb ec o n s i d e r e d ，t h e r e b y ，t h ea d a p t i v ek a l m a nf i l t e r a l g o r i t h mw e 坨p u tf o r w a r di nw h i c ht h ea c c e l e r a t i o nw e r ee s t i m a t e db ya d a p t i v e n e u r a lf u z z yi n f e r e n t i a ls y s t e mn a m e da n f i s ，a n dt h es t r u c t u r eo fn e u r a ln e t w o r k w a sc o n s t r u c t e d t h es t a t eo ft a r g e tm a n e u v e rw e r ef u s e db ya n f i sa c c o r d i n gt o t h ec h a r a c t e rd a t ad i s t i l l e d t h em a t l a bs i m u l a t i o n sm a n i f e s t e dt h a tt h el o c a t i o n p r e c i s i o na n dt h et r a c k i n gc a p a b i l i t yw e r ei m p r o v e db yt h ea l g o r i t h m t oi m p r o v et h ep r e c i s i o na n dc o n t i n u i t yo fg p s d rm o r e ，t h ep l a n a rs t a t e e q u a t i o n w e r ee s t a b l i s h e d ，i nw h i c ht h e v e l o c i t y s t a t ew a sa d d e dt oa s a o b s e r v a t i o n i no r d e rt oi m p r o v et h el o c a t i o nc o n t i n u i t yw h e nt h eg p s s i g n a ll o s t ， t h ef e d e r a lk a l m a nf i l t e rf u s i o na l g o r i m mf o rg p s d ra n dt h eg p s d rf u s i o n a l g o r i t h mm o d e lb a s e do na r t i f i c i a ln e u r a ln e t w o r kn a m e da n nw e r ep u tf o r w a r d ， a n dt h es i m u l a t i o nw a sp e r f o r m e d o nt h ev i e w p o i mo fe n g i n e e r i n ga p p l i c a t i o n ，t h ef u s i o nf r a m e w o r ka n dt h e a l g o r i t h mu s e df u rv e h i c l eg p s d ri n t e g r a t i o nw e r es t u d i e di ns y s t e m i c ，a n dt h e r e s u l t sr e g a r da st h eb a s eo fv e h i c l ei n t e g r a t i o np r o d u c t k e y w o r d s ：g p s d r , v e h i c l e ，k a l m a nf i l t e r , f u z z y , n e u r a l ，d a t af u s i o n 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取锝的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得叁洼盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： x p 超擂 签字同期：乏弓年5 月2 同 学位论文版权使用授权书 本学位论文作者完全了解鑫鲞蠢鲎有关保留、使用学位论文的规定。 特授权苤注盘鲎可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名 鄞最高 l 导师签名： 纠豸压 签字同期：瞄年5 月同 签字日期：硼易年j ；月工6r 罐+ 章绪论 第一章绪论 1 1 智能交通与车载导航系统 1 1 1 智能交通系统 随着世界城市化的进展和汽车的普及，给人类生活带来了巨大便利的同 时，交通拥挤、交通事故频繁发生，环境污染、能源短缺日益严重，不断恶 化的交通状况正越来越严重地困扰着世界各国的大城市，影晌着人类的可持 续发展。 一般来说，解决交通拥挤的直接办法是建设更多的道路交通基础设施， 提高路网的通行能力，但对于一个城市而言。可供修建道路的空间和资源是 有限的，由于交通系统是一个庞大的复杂系统，因而从车辆或道路单方面考 虑，都很难从根本上解决问题。并且随着新建道路和其它各种交通设施的增 多，单行线、交叉口转向限制等交通管理措施被越来越广泛地采用，对出行 者来说，一方面为他们提供了更大的出行路线选择余地，但同时也增大了出 行的复杂性，由于缺乏良好的导航和路线诱导，实际交通行为中存在大量的 无效出行，这无疑加剧了拥堵和交通事故。 在这种背景下，从系统的观点出发，把车辆和道路综合起来考虑运用 智能交通系统( i t s i n t e l i g e n tt r a n s p o r ts y s t e m ) 提高交通的机动性、安 全性和道路通行能力，在不大量兴建新的道路设施的前提下着重提高运行效 率，以节约大量的建设资金和时间。 i t s 是以提高交通系统的可靠性、安全性、经济性、舒适性及运行效率为 目的，运用先进的信息技术、数据通讯技术、电子控制技术、系统工程技术 等科学成果，对传统的交通工具、交通设施及其规划、运行和管理方法进行 信息化、智能化、社会化改进提高，从而达到人、车、路和环境协调配合、 和谐统一，建立一种全方位发挥作用豹实时、准确、安全、高效、舒适韵整 合型交通系统，实现交通运输的集约式发展。 i t s 概念形成于2 0 世纪8 0 年代前后，进入9 0 年代以来得以飞速发展，国际 i t s 领域发展最先进的是美国、欧洲和日本，其中最具有代表性的是美国的“智 能车辆道路系统”，欧洲的“高效安全欧洲交通计划”，“日本的汽车交通 综合控制系统”。 我国也成立了全国智能交通系统协调指导小组及办公室，来具体负责l r s 项目开发应用的组织协调工作。于1 9 9 8 年5 月完成了智能运输系统发展战略 研究。这是国内第一次对i t s 进行较全面系统的研究。国家自然科学基金委 员会在1 9 9 6 年就对i t s 基础性技术研究给予重点资助。国家科技部于1 9 9 9 年1 1 月批准成立了国家i t s 工程技术研究中心。2 0 0 0 年3 - 1 0 月，由中国国家科技部 牵头、中国i t s 协调领导小组组织的i t s 各相关部门及科研院所、高校( 东南大 学、北京工业大学、吉林大学、同济大学) 等学术单位参与，共同承担了中国 i t s 体系框架研究，完成了框架的服务领域、逻辑框架和物理框架的编制工作 ”1 。国家i t s i 程技术研究中心目前难致力于我国的i t s 标准化工作，同时进 一步开展i t s 的科普宣传和技术培训_ i 作。 一般地i t s 可以分为六大子系统：( 1 ) 通信系统：( 2 ) 交通控制系统：( 3 ) 电 子收费系统：( 4 ) 集成信息服务系统：( 5 ) 安全保障系统：( 6 ) 运输管理系统“1 。 其中，交通控制系统中的动态交通漉分配，集成信息服务系统中的导航功能， 安全保障系统中的事故应急和运输管理系统均离不开车辆定位。即只有在移 动车辆实时准确定位前提下，车辆导航、改善交通、保证车辆行驶安全才有 可能。因此，从某种意义上来说，车辆定位与导航系统是i t s 的核心部分，是 实现道路管理智能化的基础，是i t s 先期建设中需要积极研究开发的子系统之 + ，也是可望形成我国自主知识产权的i t s 重要产业之一。 1 1 2 车载导航系统 车载导航系统是利用车辆定位技术、交逶地理信息系统、计算机和先进 的通信技术等，使车载计算机能够自动显示车辆位置、交通网络图和道路交 通状况，为驾驶员找到从当前位置到目的地的最佳行驶路线，并在出行过程 中提供线路引导。因此，它可以最大限度地骑止交通阻塞的发生，减少车辆 在道路上的逗留对闻，并最终实现交通流量在网络中各路段上的最优分配， 使道路网络得到最合理、最有效地利用。 车载导航系统的主要功能模块包括：地理信息系统与导航电子地图；车 辆定位子系统；地图匹配( 删- - m a pm a t c h i n g ) ；无线通信子系统；路径规划 子系统：路径引导予系统。 1 2 国内外车载导航系统的发展现状 现代车辆导航系统得到普及和推广是伴随着美国g p s 系统的发展而出现 我国也成立了全国智能交通系统协调指导小组及办公室，来具体负责1 1 1 s 项目开发应用的组织协调工作。于1 9 9 8 年5 月完成了智能运输系统发展战略 研究。这是国内第一次对i t s 进行较全面系统的研究。国家自然科学基金委 员会在1 9 9 6 年就对i t s 基础性技术研究给予重点资助。国家科技部于1 9 9 9 年1 1 月批准成立了国家i t s j 2 程技术研究中心。2 0 9 0 年3 - 1 9 月，由中国国家科技部 牵头、中国i t s 协调领导小组组织的i t s 各相关部门及科研院所、高校( 东南人 学、北京工业大学、吉林大学、同济大学1 等学术单位参与，共同承担了中国 i t s 体系框架研究完成了框架的服务领域、逻辑框架和物理框架的编制工作 ”1 。国家i t s 工程技术研究中心目前惟致力于我国的i t s 标准化工作，同时进 一步开展i t s 的科普窟传和技术培训工作。 一般地i t s 可以分为六大子系统：( 1 ) 通信系统：( 2 ) 交通控制系统：( 3 ) 电 子收费系统；( 4 ) 集成信息服务系统：( 5 ) 安全保障系统：( 6 ) 运输管理系统“”。 其中，交通控制系统中的动态交通漉分配，集成信息服务系统中的导航功能， 安全保障系统中的事故应急和运输管理系统均离不开车辆定位。即只有在移 动车辆实时准确定位前提下，车辆导航、改善交通、保证车辆行驶安全才有 可能。因此，从某种意义上来说，车辆定位与导航系统是i t s 的核心部分，是 实现道路管理智能化的基础，是i t s 先期建设中需要积极研究开发的子系统之 一，也是可望形成我国自主知识产权的i t s 重要产业之一。 1 1 2 车载导航系统 车载导航系统是利用车辆定位技术、交通地理信息系统、计算机和先进 的通信技术等。使车载计算机能够自动显示车辆位置、交通网络圈和道路交 通状况。为驾驶员找到从当前位箕到目的地的最佳行驶路线，并在出行过程 中提供线路引导。因此，它可以最大限度地防止交通阻塞的发生，减少车辆 在道路上的逗留时间，并最终实现交通流量在网络中各龉段上的最优分配“1 使道路网络得到最合理、最有效地利用。 车载导航系统的主要功能模块包括：地理信息系统与导航电子地图；车 辆定位子系统；地图匹配( 蛳一m a pm a t c h i n g ) ；无线通信子系统；路径规划 子系统：路径引导子系统。 1 2国内外车载导航系统的发展现状 现代车辆导航系统得到普及和推广是伴随着美国g p s 系统的发展而出现 现代车辆导航系统得到普及和推广是伴随着美国g p s 系统的发展而出现 第- 章绪论 的，就目前的发展情况看，车辆导航技术最发达的地方是荚国、欧洲和只本 等地区其定位导航技术的现状代表了本领域研究和应用的发展方向。 2 0 世纪9 0 年代，随着美国g p s 全球定位系统的建成，美国将导航系统的研 究从传统的惯性导航领域推进到了现代卫星导航领域。g p s 系统由2 4 颗离地面 高度为2 万公里的卫星组成，连同设在美国本士的地面监测中心和采用伪随机 编码测控技术的g p s 接收机，可以提供全球范围从地丽n g o o o 公里高空之间任 何载体的高精度的三维位置、三维速度和系统时i h j 。该系统于1 9 9 3 年全部建 成，随之对民问开放使用。从此促进了美困一批从事导航设备技术研究的公 司的发展，如g a r m i n 、t o p c o n 、j a v a d 、n o v a t e l 公司等。目前这些公司已经 成为世界上最主要的g p s 接收设备和测试仪器的生产商。中国目前中高档的 g p s 测量设备和g p s 接收o e m 板大都来自美国的这些公司。美国v 9 0 年代进行许 多智能交通系统的实验，如在芝加哥进行的a d v a n c e 系统“1 是一种基于实时交 通条件的分布式路径诱导系。在该系统中，车辆定位主要采用差分g p s ，在g p s 处于盲区时用航位推算法进行定位。 欧洲在8 0 年代推出c a r i n 和e v a 车辆自主导航系统，标志着欧洲车辆导航 系统的发展。c a r i n 利用推算定位和地图匹配技术及彩色显示器来显示地图， 采用c d r o m 存储数字地图的导航系统”1 。e v a 除了推算定位、地图匹配和依 次转向路径引导，还可以同且寸用可视显示和声音合成输出信息来给司机提供 导航。8 0 年代中期以来，欧洲的i t s 主要有p r 伽e t h u s 和d r i v e 计划。前一个计 划是由汽车工业界发起的，主要研究车内导航系统和安全装置，后一个计划 是由欧洲共同体发起的，主要研究和改进交通基础设施。这两个计划一直联 手合作并有许多正式和非正式的连接。从9 0 年代中期开始，p r 删e t h u s 已演变 为p r o m o t e 而d r i v e 也变成t t a p 计划，该计划主要是发展电讯技术在交通系统 及环境中的应用n ，。 在8 0 年代，日本的汽车市场推出了一种自主导航系统“1 采用c d - r o m 来 存储数字地图。此后又将g p s 、地图匹配、语音引导等新技术应用到车辆导航 系统中，各式各样的车辆导航产品不断被推向市场。在智能交通方面“”， 闩本从8 0 年代的r a c s 和 耵i c s 发展到当前的a t i s 、v i c s 和u t m s 。v i c s 于1 9 9 6 年4 月开始推向市场，该系统通过红外线指向标、微波指向标或者调频广播的 副载频作为传播媒介来传递实时交通信息用以引导车辆安全地到达各自的目 的地。a t i s 利用车内的蜂窝电话及车辆管理中心的计算机来控制整个系统。 由国家警察厅发起的u t m s 项目具有交通数据采集、交通信息控制和动态导航 第一章绪论 等功能“1 1 。 同本车辆导航产品在市场上的出色表现一方藏是闲为 | 本先进的制造技 术。基础设施配套齐全，更主要的因素是同本导航产品的功能和性能上的设 计真正满足了市场需要“”。日本在车辆导航装置方面的研究开发和生产已经 处于世界领先水平，形成了一批著名的导航器生产厂商。如k e n w o o d ( 建伍) 、 c 1 a r i o n ( 歌乐) 、p a n a s o n i c ( 松下) 、d e n s o c ( 电装) 、a l p i n e ( 阿尔派) 、p i o n e e r ( 先锋) 等。 和国外发达国家相比，国内对i t s 和车辆导航系统的研究起步较晚，目前 主要由一些科研院所、学校及少数公司进行研究，真l f 推向市场的商品化成 粜还未见报道。 但i t s 作为跨世纪经济增长点和交通系统建设的必然选择，其重要性己得 到国家的高度重视，作为i t s 重要组成部分的车辆定位与导航系统的研究也逐 步得到发展。北京航空航天大学1 ”、东南大学”“1 、南京航空航天大学n 订 北京理工大学。“、北京工业大学“等高校都展歼了车辆定位与导航系统的 研究，并且取得显著的成绩。北京航空航天大学研制的用于公交系统的智能 车辆导航仪、无遮挡全位汽车定位导航系统、g p s 运钞车安全报警监控管理系 统、北京市公共交通g p s 调度系统等受到专家和有关部门的好评，并带来一定 的社会和经济效葡。东南大学承担了教育部批准的“基于g p s d r 删s m s 的车 辆导航技术的研究”、公安部交通管理科学研究院所委托开发的项目“基于 g p s d r 肼的车辆电子地图与导航系统”。东南大学研制的t r a c k 一3 型g p s d r 车载组合定位系统于1 9 9 8 年底通过江苏省科委主持的技术鉴定。北京理工大 学研制的军用陆地车辆( 火炮) 定位导航系统，对提高武器装备的作战性能发 挥重要的作用。 由予目前我国实时动态交通信息的采集与发布系统还没有真正建立起 来，导航路径规划功能还处于有限的静态最短路径计算阶段。同时。导航系 统的成本偏高，电子地图标准尚未形成，都不同程度地制约了导航系统在我 国的发展。对g p s 车辆导航理论研究基本上是属于跟踪性的，在应用方面，北 京、上海、广州、深圳、厦门、南京等大中城市在l l o 报警车、银行运钞车以 及出租车上安装了g p s 定位、报警及监控系统。但这些系统均存在如下缺陷： 1 ) 受周围环境的影响。单纯使用g p s 定位误差大，定位轨迹不连续( d g p s 也 存在这种现象) 。2 ) 数传距离有限，不能实现大范围的联网和漫游。3 ) 系 统造价费用过高。近年来，国内有一些高校也在从事组合定位导航系统的理 第一章绪沧 论研究，获得了一些有探索意义的试验结果和理论成果，但没仃形成实用的 系统和进入产业化。 1 3 车辆导航中的定位技术- 车辆定位技术是利用定位传感器实时获取车辆位置信息的技术。目静定 位技术有三大类：自主定位、陆基定位和星基定位“。“1 。其q ，自主定位技术 的代表是推算定位和惯性导航系统( i n s i n e r t i a ln a v i g a t i 0 1 1s y s t e m ) 。陆 基定位技术是利用地面信标发射的电磁波进行定位，比如路边无线电信标系 统。全球定位系统( g p s ) 、全球卫星导航系统( g i o n a s s ) 是星基定位的代表。 欧洲为了满足本地区导航定位和全球性的星基定位市场的需要，针对g p s 和 g l o n a s s 开发了g a l i l e o 卫星定位系统。g a l i l e o 系统将建成全球性的定位和导 航系统，预计2 0 0 8 年g a l i l e o 系统将全部建成并投入实际应用。由于g a l i l e o 系统是一个以民用为主的导航系统，因此，它的应用将打破世界上卫星导航 领域被美、俄垄断的格局。可以预测，今后车载导航定位将充分利用各种定 位手段，组合定位是发展的必然趋势。 ( 1 ) d r 车辆航位推算定位是一种常用的自主式车辆定位技术，为了判断运动体 与其目标的相对位置d r 系统通过测量载体的旋转运动角速率和直线运动信 息( 速度或加速度信息) 。然后送至数字计算机中依赖于数学积分技术进行计 算，得出定位数据。它完全是依靠载体自身设备独立自主地迸行定位，它与 外界不发生任何光、声、磁、电的联系，从而实现了与外界条件隔绝的假想 的“封闭”空间内实现精确定位，所以它具有隐蔽性好，工作不受气象条件 和人为的外界干扰等一系列的优点。d r 定位的缺点是其定位误差会随时间快 速积累，另外它得到的是车辆相对于某一起始点的位簧。 ( 2 ) g p s g p s 在导航与定位技术领域内，以其全球性、全天候、低成本等优点显示 出强大的生命力与竞争力，但也有其致命弱点一动态性能较差托i 。g p s 卫星 发射的信号受阻挡后引起失镇和定位精度满足不了需求。因此，g p s 在某些场 合的应用，如高动态的运载器、行驶在繁华城市与隧道中的车辆导航和不间 断的精确定位，还受到限制。所以，虽然g p s 的新应用层出不穷，接收器产品 推陈出新，但要进一步高效、经济地推广使用g p s ，还有不少研究课题有待解 决。 筇7 、绪沦 ( 3 ) g p s d r 车载组合定位 车辆导航和自动驾驶需要精确的知道车辆的位置和速度信息。g p s 卫星 定位系统通过接收机可以在全球的任何地方提供用户精确的位置信息。然而， g p s 测量中几种误差的存在使其具宵良好的长期误差特性而具有较差的短时 误差特性。对许多导航系统来说，g p s 作为一个独立的导航系统是不够的。由 g p s 和其它导航方式通过数据融合组成的导航系统是一种理想的选择”7 _ ”， 并引起了极大的关注，并开始将他们引入到导弹和军事领域。随着惯性元件新 技术的采用和批量化生产，低成本的g p s d r 组合定位系统出现在车辆导航、 机器人和特定的无人驾驶车辆中，并可应用于环境盗测、农业和矿产勘探等商 业领域和陆地的无入驾驶车辆。 通常来说，航位推算( d r ) 系统具有好的短期精度，差的长期精度。d r 和 g p s 系统通过数据融合，在理想情况下，g p s 和d r 的缺点可以被消除如果g p s 信 号中断，d r 系统可以继续定位直到g p s 信号重新捕获，精确性、有效性和鲁棒 性可以得到满足，可以提供高精度、高频率和高可靠性的定位数据。 目前国内对车载定位技术币掀起新一轮研究热潮，研究开发国产化的车 裁定位产品具有重要意义，但车载组合定位系统的数据融合理论、算法与车 载实现亟需深入研究解决。车辆在行进中的定位属于动态过程，在g p s d r 动 态定位数据中存在着影响定位精度的随机误差，通过性能良好的数据融合算 法，来取得高丰毒度的组合导航定位性能是一个有效的解决途径。国内外有些学 者在将最优估计方法应用于g p s d r 动态方面已做了不少的研究工作，但是有 关如何更合理、更准确地建立车辆的运动模型，提高滤波器的动态性能以适 应车辆的较高机动性及简化整个滤波模型。提高实时性等方面，尚未取得实 质性进展。 根据车辆定位技术的研究现状，同时考虑课题组在定位领域近几年的研 究成果，天津大学启动了车载导航系统的研究工作本着一代器件带动一代 装置和解决方案的原则，应用新的软硬件设计理论和技术在新的起点上进行 研究，目前进行的具体工作有车载组合定位硬件装置设计、数据融合算法研 究、嵌入式软件实现和地图匹配技术研究。 本论文将对g p s d r 车载组合定位系统的数据融合算法进行系统的研究。 铸章绪沦 1 4 多传感器数据融合 1 4 1 多传感器数据融合 近2 0 年来，由于超大规模和超高速集成电路以及先进的制造技术的发 展，传感器性能大大提高，成本同时降低，出现了各种多传感器复杂系统， 使得系统的信息可以来自多个传感器或多个信息源，通过多传感器的信息融 合而获得的对环境或目标状态的最优估计，从丽提高系统的性能”。 多传感器信息融合在解决探测、跟踪和目标识别等信息处理问题上具有 以下特点。 1 ) 提高了信息的可信度。 2 )提高了系统的生存能力和容错能力。 3 )增加了所测目标特征矢量的维数。 4 ) 降低了获得信息的费用。与传统的单个传感器系统相比，可以用 低成本的较低精度的传感器组成多传感器系统，在相同的时间内 能获得更多更完备的信息，通过融合可以达到较高的精度，从而 降低了信息的费用，这一点在测量强机动目标时尤为重要。 5 ) 提高了空间分辨能力。多传感器可以获得比任何单一传感器更高 的分辨率。 然而，与单传感器系统相比，多传感器信息融合系统的复杂性会大大增 加。在多传感器信息系统中，信息表现出形式的多样性，数量的巨大性，信 息关系的复杂性，以及要求信息处理的实时性，需要进行多传感器的信息融 合，充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配 与使用，将多个传感器在空间或时间上冗余或互补的信息依据某种优化准则 进行组合，以获得对被控对象的一致性解释或描述，使得该传感器系统由此 而获得比组成它的各部分子集所构成的系统更优越的性能。融合的目标是基 于对各种传感器信息的分离观测和优化组合导出更多、更有效的信息，它 通过最佳协同作用，利用多个传感器联合操作的优势来提高整个传感器系统 的有效性。 1 4 2 多传惑器数据融合层次和算法 多传感器信息融合所要处理的多个传感器的信息通常是在不同的信息层 次上出现的，这就决定了信息融合本身也要按此来划分一定的层次。信息融 第一尊绪论 含的层次主要是研究在信息处理的哪个阶段( 层次) 上，对多传感器信息进 行综合处理与分析。 信息融合的层次可以划分为低层( 象素级) 、中层( 特征级) 和高层( 决 策级) 三个层次”。象索级融合是对来自传感器的原始信息及预处理各个 阶段上产生的信息分别进行融合处理的过程。在这一级融合中，对来自i 刊等 量级的传感器原始数据或预处理数据真接进行融合，然后对基于融合后的传 感器数据进行特征提取和身份估计。为实现这种象素级的信息融合，所有传 感器必须是同类型的或者是同量级的，其优点在于它尽可能多的保持了物体 的原始信息，能够提供其它两种层次融合所不具有的细微信息。 特征级融合是利用从各个传感器的原始信息中提取的特征信息( 向景) 进 行综合分析和处理的中问层次过程。在特征级融合中，每个或每组传感器舰 测个目标并完成特征提取，以获得来自传感器的特征向量，然后融合这些 特征向量并基于获得的联合特征向重来产生身份估计。在此分析和处理过程 中，必须使用关联处理把特征向薰分成有意义的群组。通常所提取的特征信 息应是象素信息的充分表示量或充分统计量，据此对多传感器信息进行融合、 分类、汇集和综合。特征级融合可以分为目标状态信息融合和目标特征融合。 决策级融合是在信息表示的最高层次上进行融合处理的过程。在该级融合 中，每个或每组传感器都完成变换以便获得独立的身份估计，然后再对来自 这些传感器的属性分类进行融合。不同类型的传感器观测同一目标，每个传 感器完成对自身信息的预处理、特征抽取、识别或判断，以建立对所观测目 标的初步结论。然后通过相关处理、决策级融合判决，最终获得联合推断结 果，从而直接为决策提供依据。因此，决策级融合是直接针对具体决策目标， 充分利用特征级融合所得出的目标各类特征信息，并给出简明而直观的结果。 决策级融合除了实时性好外，还具有个重要优点，即这种融合方法在一个 或几个传感器失效时仍能给出最终决策，因此其有良好的容错性能。 多传感器信息融合通过各种具体的融合算法来对系统所获得的各类信息 进行有效的处理与推理，形成一致的结果。数据融合中常用的各种检测、分 类、识别算法的分类如图l l 所示。 根据研究中所采用的硬件方案，本文将从象素级、特征级和决策级三个 数据融合层次，并运用卡尔曼滤波技术、模糊逻辑和神经元网络理论来研究 g p s d r 车载定位系统的数据融合算法。 第一奇绪论 钧理模型 伤真 估计 lj 球_ 罐救 卜最大似然 l 小矗差 句法 l 嘲像代数 蠡据融台中的植蔫分类与识别算法 肇j ：鞲征 推理技术 肚 参数的方法 卜占煦概率摊刊 卜毗叶斯 卜p - 5 弹论 o r 义证据处理 娃，愤息论的方让 卜参数模板 卜上上拙经挂络 卜亲类算诘 卜表决算法 卜蕾t 剥 卜模式识刺 卜品质因藏 l 相关量潮 图l - i数据融合中的检测、分类与识别算法 1 5g p $ d r 多传感器数据融合算法的现状及问题 眭j 缚知的 夔犁 ，、j 一逻辑横扳 一摧r 知说的争采呆缱 。心糊州论 在g p s d r 组合定位系统中，多传感器的信息融合是根据系统的物理模型 ( 由状态方程和量测方程来描述) 和系统模型( 即传感器噪声的统计假设) ， 将量测数据映射到状态矢量空间。其中，状态矢量包括一组载体定位的变量， 如位簧、速度、加速度、角速度和姿态等，它们可以描述载体的运行状态， 精确测定载体的运动行为。g p s d r 组合定位系统的数据融合就是根据量测数 据给出一个关于状态的最优估计量。通常，多个传感器可以具有不同的物理 模型。 如果系统可以用一个线性模型描述，且系统与传感器的误差均符合平稳 高斯随机过程，则卡尔曼滤波将为融合信息提供唯一统计意义下的最优估计。 滤波器的递推特性使得它特别适合在不具备大量信息存储能力的系统中使 用。在车辆g p s d r 组合定位系统中，卡尔曼滤波是应用最为广泛的数据融合 算法”。 在g p s d r 组合定位的卡尔曼滤波数据融合算法中，要求必须具有载体准 确的物理模型。建立车辆载体的机动模型是进行卡尔曼滤波的基本要素之一， 也是一个关键而又困难的问题。在建立载体的机动模型时，要求所建立的模 型既要符合机动实际，又要便于数学处理。近4 0 年来，不少学者对载体的机 动模型问题进行了研究，所述内容各具特点。 s i n g e r 模型“”假定机动加速度的概率密度函数近似服从均匀分布，机 第一章绪论 动加速度的均值为0 ，此模型对于等速和等加速范围的载体运动最适宜。实际 载体的运动( 如车辆) 往往并不完全属于等速或等加速范围的运动，文献【4 l 】 提出了机动载体的“当前统计”模型，当载体正以某一加速度机动时，f 一 时刻的加速度取值是有限的，且只能在“当前”加速度的临域内。该模型实 质上是非零均值时问相关模型，其机动加速度的“当前”概率密度可用某种 适当函数分布描述，均值为“当前”加速度预测值，随机机动加速度在时间 轴上仍符合一阶时问相关过程。 在机动加速度的“当前统计”模型的加速度方差自适应算法中，机动加 速度方差的取值对载体运动模型的影响较大。对于加速度方差自适应算法中 加速度区汹的选取。在现有的文献中汹“”，都是设定载体所能达到的最大加 速度区间。本论文将根据车辆的运动状况，或与d r 系统获得的车辆状态数据 进行融合，用模糊逻辑设定合理的加速度区间，使模型能更适合车辆运动的 实际。 采用“当前统计”模型的加速度方差自适应滤波算法，通过调整加速度 噪声参数，在一定程度上提高了定位精度和跟踪能力。考虑到测量数据和计 掉负荷很多跟踪模型利用位景和速度两个状态变量，但在实际的应用中， 这些模型并不能反映目标的机动操作，而具有加速度状态变量的模型当机动 发生时可以跟踪目标的机动，但是当目标没有机动时。该模型不够精确并浪 费大量的计算时自j 。 为提高对机动目标的跟踪性能，加速度在载体运动模型中必须予以考虑。 将载体的加速度作为载体模型的驱动输入，该模型结构简单，不需要任何先 验知识，可以直接补偿机动偏差。输入估计算法( i e i n p u te s t i m a t i o n ) “”， 用最t , - - 乘估计方法来估计加速度的输入，并用估计值直接更新卡尔曼滤波 器，它可以跟踪常速目标并能很好的收敛，但在噪声环境下，并不能很好的 估计目标机动。变维滤波器( v d f - - v a r i a b l ed i m e n s i o nf i i t e r ) “1 ，不用 估计机动值来补偿滤波器，当机动发生时，在状态模型中加入另外的状态， 没有机动时，切换会原来的状态，然而由于不能实时检测机动而有一定的延 时，同时由于状态变化的运算的负担状态的切换带来不连续的问题，这些 都将降低跟踪性能，特别在噪声改变缀大的环境下。i e 和v d f 算法的复杂， 难以实时实现，同时又存在模型误差。 近来，又提出了具有信息融合能力的神经元朗络和智能自适应模糊逻辑 的机动目标跟踪算法 4 6 - - m 。c h i n 1 用b p 网络作为前馈环节辅助卡尔曼滤波 第一章绪沦 来减少估计误差。在计算的过程中，用经过训练的神经元网络的输f 束补偿 状态估计。此算法不改变标准卡尔曼滤波器的参数和结构，缺点是、与卡尔曼 跟踪滤波器产生较大的跟踪误差时并不能很好的补偿。j i n g “不是通过检测 机动情况来补偿跟踪滤波器，而是通过神经元网络调整系统的协方差，用一 个b p 网络来融合两个滤波器的状态信息，同时用融合的信息作为样本离线训 练神经元网络，在应用中，b p 网络根据输入的融合数据来调整滤波器的协方 差。本文中把a n f i s 引入到车载g p s d r 组合定位定位系统的数据融合算法r ， 作为卡尔曼滤波器闭环前馈环节，可用来融合禽有噪声的d r 传感器数据，逼 近目标的加速度。 为能更好的对机动目标进行跟踪，必须从三个关键步骤来防止滤波发散： 1 ) 当机动发生时，必须立即检测到；2 ) 机动的幅度必须能尽早精确的估计： 3 ) 根据机动情况，对跟踪滤波器的状态估计采取合适的补偿措施。相关的研 究提出大量自适应卡尔曼滤波算法，通过调整滤波参数或改变滤波结构来自 适应滤波，提高跟踪能力。文献【5 7 】中，模糊逻辑用于在线检测和校一单 状态变量卡尔曼滤波器的发散，模糊逻辑控制器( f l c ) 具有三个输入和两个 输出，有2 4 条规则。文献【5 8 ，5 9 1 也讨论了用模糊逻辑来调整卡尔曼滤波 器。本文应用滤波收敛性判据判断滤波器的发散趋势，采用模糊逻辑自适j 泣 控制器来进行g p s d r 数据融合的自适应发散抑制。 多数陆地车辆导航系统采用的g p s d r “1 定位系统，其d r 传感器均为 速率陀螺和车辆里程表，且其d r 模型观测方程是非线性的“i ”1 。文献 6 7 给出了d r 系统的双滤波器模型及其航位递推算法，即先用航向滤波器进行航 向捕获，再用航位滤波器进行航位捕获，这两个滤波嚣都是线性滤波器。文 献【6 8 】中采用卡尔曼滤波来融合角速率陀螺和磁罗盘的信息以获得车辆的 航向。为进一步提高定位精度，本文研究的g p s d r 车载组合定位系统，其信 息不仅包含g p s 提供的位置等信息，还包括用于航位推算的电子罗盘、车辆 里程表和包括微机械加速计( m m a - - m i c r o m a c h a n i c a la c c e l e r o m e t e r ) 和微 机械陀螺( m m g m i c f o m a c h a n i c a lg y r o ) 的微惯性测量单元( m i m u m i c r o i n e r t i a lm e a s u r e m e n tu n i t ) 等传感器测得的车辆运动信息。加速度计可以 提供车辆的加速度和部分车辆姿态角信息，为定位系统增加观测和提供修币， 电子指南针提供车辆的航向角观测信息，对角速率陀螺的累积误差进行阻尼。 片先建立d r 角运动和线运动卡尔曼数据融合算法，其观测方程为线 的，然 后进行g p s d r