JP2004144566A

JP2004144566A - Position measurement method for mobile station

Info

Publication number: JP2004144566A
Application number: JP2002308611A
Authority: JP
Inventors: Koichi Okamura; 岡村　浩一; Satoshi Sugimoto; 杉本　智; Tomoaki Higuchi; 樋口　智明; Kenji Takahata; 高畑　健二; Kenji Tokuyama; 徳山　憲司
Original assignee: Churyo Engineering Co Ltd
Current assignee: Churyo Engineering Co Ltd
Priority date: 2002-10-23
Filing date: 2002-10-23
Publication date: 2004-05-20
Anticipated expiration: 2022-10-23
Also published as: JP4262964B2

Abstract

<P>PROBLEM TO BE SOLVED: To improve the precision of the position data of a mobile station by utilizing the position data acquired by a different measurement method. <P>SOLUTION: An estimation value is determined from a plurality of position data being measured by an inertial navigation method from a position (A) to a position (B) by a prediction Kalman filter (a). When the estimation value determined in (a) is smoothed by a smoothing Kalman filter, the measurement value of GPS is used as the boundary value of the smoothing Karman filter (b). <P>COPYRIGHT: (C)2004,JPO

Description

【０００１】
【発明の属する技術分野】
本発明は、異なる測定方法で得た移動局の位置データを、精度向上を図るためのデータの融合方法に関する。
【０００２】
【従来の技術】
従来、移動局の位置測定方法として、図１に示すように、人工衛星を使用するＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）が知られている。このＧＰＳシステムは、複数の衛星からそれぞれ疑似雑音コード信号を用いてスペクトラム拡散処理された中心周波数が、Ｌ１帯（１５７５．４２［ＭＨｚ］）及びＬ２帯（１２２７．６［ＭＨｚ］）の２つの測距信号を送信すると共に、移動局側でそのうち４つ以上の衛星の測距信号を受信して復調することにより、４つの衛星の軌道情報及び時計情報を得て、これに基づいて４つの衛星と当該移動局との測距信号の伝搬時間を知ることにより、移動局の位置を算出することができる。
又、移動局に積載して、その走行時における距離と方角を測定する慣性航法を用いるものがあり、この慣性航法は、Ｘ，Ｙ，Ｚ軸の軸方向の車両速度、加速度を測定するものであり、これらの測定値を用いて位置を測定する。
【０００３】
前記したように、移動局の位置を測定する方法には、精度があるＧＰＳと精度が悪い慣性航法があり、精度があるＧＰＳで得られた位置と位置との間を慣性航法で補間して、移動局のより正確な位置を推定する方式として、特開平８−６８６５４号公報がある。この公報によれば、カルマンフィルタを慣性航法に適用して、ＧＰＳからの移動局に方位、位置、速度の差を求めて距離係数を修正する案が提示されている。
一方、前記ＧＰＳと慣性航法で得たデータを「オフライン」で解析し、移動局の移動位置を推定することも行われている。
【０００４】
【特許文献１】
特開平８−６８６５４号公報
【０００５】
【発明が解決しようとする課題】
しかし、精度があるＧＰＳと精度が悪い慣性航法で得られたデータから精度ある移動局の位置を推定する案としてカルマンフィルタが用いられないかと種々検討した結果、良好な方式を見いだしたのでここに提供するものである。
【０００６】
【課題を解決するための手段】
請求項１の移動局の位置測定方法は、先ず、（ａ）位置（Ａ）から位置（Ｂ）の慣性航法で測定された複数位置データに対し、予測カルマンフィルタで推定値を求める。そして、（ｂ）前記（ａ）で求めた推定値に対し平滑化カルマンフィルタを用いて平滑するに際し、平滑化カルマンフィルタの境界値としてＧＰＳ（キネマティックＤＧＰＳ等を含む広義のＧＰＳ）での測定値を用いて行うものである。
【０００７】
具体的には、図２に示す位置（Ａ）と位置（Ｂ）において、δｔ毎のサンプリング値に対して予測カルマンフィルタで推定値を求める。
そして、この求めた推定値に対し、データの平滑化を行うに際して、位置（Ａ）と位置（Ｂ）に於ける境界値として、ＧＰＳでの測定値を用いて行うことによって、精度の向上を図ることができる。
【０００８】
【発明の実施の形態】
図１は本発明の概念図であり、４個の人工衛星、基地局及び移動局の関係を示すと共に基地局の機器構成図と移動局の機器構成図を示し、図２はＧＰＳと慣性航法で測定される観測データの関係を示す。
移動局の位置を測定するため、単独ＧＰＳより精度の向上を図るために、ここでは基地局とでキネマティックＤＧＰＳ（Ｄｉｆｆｅｒｅｎｔｉａｌ　Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）を採用する。
【０００９】
基地局は、地球座標系における位置（Ｘｋ、Ｙｋ、Ｚｋ）が既知であり、人工衛星からのＬ１帯（１５７５．４２［ＭＨｚ］）或いはＬ２帯（１２２７．６［ＭＨｚ］）の搬送波コード信号をＧＰＳ受信アンテナを介して、ＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）受信機で受信する。そして、受信信号をＣＰＵ等を搭載のノートパソコンで予め設定の処理プログラムによって解読する。
【００１０】
移動局にはＧＰＳ受信機を備え、ＧＰＳ衛星からの信号をＣＰＵ等を搭載のデータ処理器で記憶すると共に、このデータ処理器からの信号はデータリンク受信機を介して、前記基地局に備えてあるデータリンク受信機に送受信し、移動局の位置補正処理を行う。
又、移動局を基準のＸ，Ｙ，Ｚ軸方向の車両角速度ω（ｐ、ｑ、ｒ）等を得る慣性航法によるセンサからのデータは、ＣＰＵ等を搭載のデータ処理器で記憶する。
【００１１】
前記キネマティックＤＧＰＳは、よく知られているように、位置が正確に判っている基地局に備えたＧＰＳ受信機と、移動局に備えたＧＰＳ受信機によって、４個の人工衛星からの搬送波コード信号（Ｃ／Ａ、Ｐコード等）によって、測位点の座標ｘ、ｙ、ｘと時計の誤差Δｔの変数を求める。
そして、正確な位置（Ｘｋ、Ｙｋ、Ｚｋ）が既知である基準局の前記測定結果を比較し、その差が補正データとして移動局に送信し、移動局は、その補正データを、前記移動局におけるＧＰＳ受信機によって得られた測定値に対して補正するものである。
従って、このＤＧＰＳによって、移動局における位置（Ｘｅｉ、Ｙｅｉ、Ｚｅｉ）は、時間間隔（本実施例ではΔｔ（＝２００ｍｓ））で、精度よく得られる。
【００１２】
しかし、前記における時間間隔で得られるデータでは、高速移動する移動局においては不充分である。
そこで、本発明では慣性センサを用いて、前記得られる時間間隔Δｔ（＝２００ｍｓ）の間における位置を、δｔ（２０ｍｓ）毎に、図２に示す補間値を得る。この補間値は、少なくとも２０ｍｓ以内で逐次出力する慣性センサの車両角速度ω（ｐ、ｑ、ｒ）等から得ることができ、これらのデータをデータ処理器で記憶する。
【００１３】
次に、前記データ処理器に記憶されたデータを走行後に取出し、走行軌跡を精度のよい解析をするために、位置（Ａ）と位置（Ｂ）の間（Δｔ（＝２００ｍｓ））に得られた慣性センサによる測定値に対し、カルマンフィルタを用いて推定値を算出し、その推定値を用いて平滑化処理を実施し、より精度がよい移動局の位置を求める。
【００１４】
カルマンフィルタは、よく知られた式であると共に、図３に示すブロック図に基づいている。尚、この制御ブロックにおいて、Ｙ（ｔ）は入力であり、Δｔ（＝２００ｍｓ）の間のサンプリング値δｔ（２０ｍｓ）に対し、ｔ＝０，１，２，……とする。
（式１）
Ｘ（ｔ＋１｜ｔ）＝Ｆ（ｔ）＊Ｘ（ｔ｜ｔ）　ｔ＝０、１、２…
（式２）
Ｘ（ｔ｜ｔ）＝Ｘ（ｔ｜ｔ−１）＋Ｋ（ｔ）（Ｙ（ｔ）ーＨ（ｔ））Ｘ（ｔ｜ｔ−１）
カルマンゲイン（式３）
Ｋ（ｔ）＝Ｐ（ｔ｜ｔ−１）Ｈ（ｔ）^Ｔ［Ｈ（ｔ）Ｐ（ｔ｜ｔ−１）Ｈ（ｔ）^Ｔ＋Ｒ（ｔ）］
（式４）
Ｐ（ｔ｜ｔ）＝Ｐ（ｔ｜ｔ−１）−Ｋ（ｔ）Ｈ（ｔ）Ｐ（ｔ｜ｔ−１）
（式５）
Ｙ（ｔ）＝Ｃ＊Ｘ（ｔ｜ｔ）
【００１５】
次に、前記状態値Ｘ［Ｘｇ，Ｗ，Ｖｇ，ω，ｄ（ＶＧ）／ｄｔ，ｄω／ｄｔ］^Ｔとする。
尚、Ｘｇ（ｘｅ，ｙｅ，ｚｅ）は地面固定座標系における車両重心位置（走行軌跡）、Ｗ（φ，θ，ψ）は地面固定座標系における車両姿勢角（車両固定座標と地面固定座標のなすオイラー角）、Ｖｇ（ｕ，ｖ，ｗ）は車両重心位置の縦、横、上下方向の速度、ω（ｐ，ｑ，ｒ）は車両角速度、ｄ（Ｖｇ（ｄｕ／ｄｔ，ｄｖ／ｄｔ，ｄｗ／ｄｔ））／ｄｔは車両重心位置の並進加速度（Ｖｇ（ｕ，ｖ，ｗ）の微分）、ｄ（ω（ｄｐ／ｄｔ，ｄｑ／ｄｔ，ｄｒ／ｄｔ））／ｄｔは車両角加速度（ωの微分）である。
【００１６】
又、前記Ｆ（ｔ）は、６ベクトル（Ｘｇ，Ｗ，Ｖｇ，ω，ｄ（ＶＧ）／ｄｔ，ｄω／ｄｔ）に対し３次元であるので、１８×１８の行列である。
【数１】

【００１７】
ここで、Ｅ^−１は変換行列であり、下記式で表される。
【数２】

【００１８】
又、α、β、［Ｉ］は下記の表による値を示し、α、βは発散を防止する時定数に役割を果たす。又、［Ｉ］は単位行列である。
【表１】

ここで、
ＤＲ（Ｄｅａｄ　Ｒｅｃｋｏｎｉｎｇ）：慣性データによる推測航法
τ１＝Ｄｉａｇ（τ１，τ２，τ３）：並進加速度ダイナミックス同定時定数
τ２＝Ｄｉａｇ（τ４，τ５，τ６）：角速度ダイナミックス同定時定数
【００１９】
次に、前記カルマンフィルタはＹ（ｔ）を入力、Ｘ（ｔ＋１｜ｔ）（或いはＸ（ｔ｜ｔ））を出力とする線形確率システムである。
そこで、ｔ＝−１（図２の位置（Ａ））におけるＸ（０｜−１）＝Ｘ０、Ｐ（０｜−１）＝Σ０の初期条件の基で、カルマンゲインＫ０を式３で解く。次に、ｔ＝０において、Ｙ（０）を観測し、式２、式４によりＸ（０｜−０）、Ｐ（０｜０）が求まる。ついで、順次、ｔ＝１，２，…に対し、前記式１、２、３、４に基づいて、状態変数Ｘ（ｔ＋１｜ｔ）（或いはＸ（ｔ｜ｔ））の推定値を得ることができる。即ち、位置（Ａ）から位置（Ｂ）に到る移動局の位置推定値（ＸＥｉ、ＹＥｉ、ＺＥｉ）を得ることができる。
【００２０】
次に、前記カルマンフィルタで求めた移動局の位置（Ａ）と位置（Ｂ）におけるδｔ（２０ｍｓ）毎の状態変数Ｘ（ｔ＋１｜ｔ）（或いはＸ（ｔ｜ｔ））の推定値に対し、円滑化について説明する。
平滑推定値（（式６））
Ｘ（ｔ｜Ｎ）＝Ｘ（ｔ｜ｔ）＋Ｃ（ｔ）（Ｘ（ｔ＋１｜Ｎ）−Ｘ（ｔ＋１｜ｔ）
ｔ＝Ｎ−１、Ｎ−２、…０
平滑ゲイン（式７））
Ｃ（ｔ）＝Ｐ（ｔ｜ｔ）Ｆ（ｔ）^Ｔ（Ｐ（ｔ＋１｜ｔ）^−１
平滑推定誤差分散行列（式８））
Ｐ（ｔ｜Ｎ）＝Ｐ（ｔ｜ｔ）＋Ｃ（ｔ）＊［Ｐ（ｔ＋１｜Ｎ）−Ｐ（ｔ＋１｜ｔ）］Ｃ（ｔ）^Ｔ
ｔ＝Ｎ−１、Ｎ−２、…０
【００２１】
次に、前記（式６〜８）に基づいく平滑化は、区間終点の境界値及び平滑化の終点の値を「ＤＧＰＳ」によって求められた移動局における位置（Ｘｅｉ、Ｙｅｉ、Ｚｅｉ）（ｔ＝０、ｔ＝Ｎ）に置き替えて算出する。
この平滑化の結果について説明すると、図４（Ａ）は、区間終点の境界値及び平滑化の終点の値を慣性センサで得られた値を用いたもので、区間始点（位置（Ａ））と区間の終点（位置（Ｂ））では平滑推定誤差共分散値が発散傾向にあり、平滑化した値が好ましくない。
【００２２】
しかし、図４（Ｂ）に示す終点の境界値を「ＤＧＰＳ」によって求められた移動局における位置（Ｘｅｉ、Ｙｅｉ、Ｚｅｉ）（ｔ＝Ｎ）に置き替えて算出したり、図４（Ｃ）に示すように区間始点（位置（Ａ））と区間の終点（位置（Ｂ））を「キネマティックＤＧＰＳ」によって求められた移動局における位置（Ｘｅｉ、Ｙｅｉ、Ｚｅｉ）を用いて平滑化をすると、平滑推定誤差共分散値が減少して精度の良い推定値を得ることができる。
【００２３】
以上のように、ＧＰＳで測定可能な位置（Ａ）（Ｂ）の間にカルマンフィルタを適用することによって、精度がある走行軌跡の解析ができ、同様に、次の位置（Ｂ）（Ｃ）の位置に適用することによって全行程の精度ある解析ができる。
尚、前記カルマンフィルタの予測と平滑化を用いてデータ解析するのは、前記走行軌跡を求めることに限定されず、同様なデータ解析に適用可能であることはいうまでもない。
【００２４】
【発明の効果】
本願発明は、異なる測定方法で得た移動局の位置データをカルマンフィルタを用いて解析することによって、精度向上を図ることができる。
【図面の簡単な説明】
【図１】基地局の機器構成図と移動局の機器構成図を示す。
【図２】ＧＰＳと慣性航法で測定される観測データの関係を示す図である。
【図３】カルマンフィルタ（予測）のブロック図である。
【図４】カルマンフィルタ（平滑化）のブロック図である。
【図５】（Ａ）〜（Ｃ）は平滑化を実施した結果（平滑推定誤差共分散値）を示す図である。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a data merging method for improving accuracy of position data of mobile stations obtained by different measurement methods.
[0002]
[Prior art]
Conventionally, as shown in FIG. 1, a GPS (Global Positioning System) using an artificial satellite is known as a method for measuring the position of a mobile station. In this GPS system, the center frequencies subjected to spread spectrum processing using a pseudo noise code signal from each of a plurality of satellites are divided into two frequencies, an L1 band (1575.42 [MHz]) and an L2 band (1227.6 [MHz]). In addition to transmitting ranging signals and receiving and demodulating ranging signals of four or more satellites on the mobile station side, orbit information and clock information of the four satellites are obtained, By knowing the propagation time of the ranging signal between the satellite and the mobile station, the position of the mobile station can be calculated.
In addition, there is an inertial navigation that loads on a mobile station and measures the distance and direction when traveling, and this inertial navigation measures the vehicle speed and acceleration in the X, Y, and Z axis directions. The position is measured using these measured values.
[0003]
As described above, the method of measuring the position of the mobile station includes the GPS with accuracy and the inertial navigation with poor accuracy, and interpolates between the position obtained by the accurate GPS with the inertial navigation. JP-A-8-68654 discloses a method for estimating a more accurate position of a mobile station. According to this publication, there is proposed a method in which a Kalman filter is applied to inertial navigation to obtain a difference in azimuth, position, and speed from a GPS mobile station to correct a distance coefficient.
On the other hand, data obtained by the GPS and inertial navigation is analyzed “offline” to estimate the moving position of the mobile station.
[0004]
[Patent Document 1]
JP-A-8-68654 gazette
[Problems to be solved by the invention]
However, as a result of various examinations as to whether a Kalman filter can be used as a plan for estimating the position of a mobile station with high accuracy from data obtained with accurate GPS and inertial navigation with low accuracy, a good method was found and provided here. To do.
[0006]
[Means for Solving the Problems]
In the mobile station position measuring method according to the first aspect, first, an estimated value is obtained by a predictive Kalman filter for a plurality of position data measured by (a) inertial navigation from position (A) to position (B). (B) When smoothing the estimated value obtained in (a) using a smoothed Kalman filter, GPS (measured value in a broad sense including Kinematic DGPS) is used as a boundary value of the smoothed Kalman filter. Is what you do.
[0007]
Specifically, at the positions (A) and (B) shown in FIG. 2, estimated values are obtained by the predictive Kalman filter for the sampling values for each δt.
Then, when smoothing the data with respect to the obtained estimated value, the accuracy is improved by using the measured value at the GPS as the boundary value at the position (A) and the position (B). Can be planned.
[0008]
DETAILED DESCRIPTION OF THE INVENTION
FIG. 1 is a conceptual diagram of the present invention, showing the relationship between four artificial satellites, a base station and a mobile station, and showing a device configuration diagram of the base station and a device configuration diagram of the mobile station. FIG. 2 is a diagram showing GPS and inertial navigation. The relationship of the observation data measured by is shown.
In order to measure the position of the mobile station, a kinematic DGPS (Differential Global Positioning System) is employed here with the base station in order to improve accuracy over the single GPS.
[0009]
The base station has a known position (Xk, Yk, Zk) in the earth coordinate system, and a carrier code signal of L1 band (1575.42 [MHz]) or L2 band (1227.6 [MHz]) from an artificial satellite. Is received by a GPS (Global Positioning System) receiver via a GPS receiving antenna. The received signal is decoded by a preset processing program on a notebook computer equipped with a CPU or the like.
[0010]
The mobile station is equipped with a GPS receiver, and a signal from a GPS satellite is stored in a data processor equipped with a CPU or the like, and the signal from this data processor is provided in the base station via a data link receiver. The data is transmitted to and received from a data link receiver, and the position correction processing of the mobile station is performed.
Further, data from the sensor by inertial navigation which obtains the vehicle angular velocity ω (p, q, r) in the X, Y, and Z axis directions based on the mobile station is stored in a data processor equipped with a CPU or the like.
[0011]
As is well known, the kinematic DGPS uses a GPS receiver provided in a base station whose position is accurately known and a GPS receiver provided in a mobile station to generate carrier codes from four artificial satellites. By using signals (C / A, P code, etc.), variables of coordinates x, y, x of the positioning point and clock error Δt are obtained.
Then, the measurement result of the reference station whose accurate position (Xk, Yk, Zk) is known is compared, and the difference is transmitted as correction data to the mobile station. The mobile station transmits the correction data to the mobile station. It corrects the measured value obtained by the GPS receiver.
Therefore, the position (Xei, Yei, Zei) in the mobile station can be obtained with high accuracy at time intervals (Δt (= 200 ms) in this embodiment) by this DGPS.
[0012]
However, the data obtained at the time intervals described above is insufficient for a mobile station moving at high speed.
Therefore, in the present invention, an inertial sensor is used to obtain an interpolated value shown in FIG. 2 for each position during the obtained time interval Δt (= 200 ms) every δt (20 ms). This interpolation value can be obtained from the vehicle angular velocity ω (p, q, r) of the inertial sensor that outputs sequentially within at least 20 ms, and these data are stored in the data processor.
[0013]
Next, the data stored in the data processor is taken out after traveling and is obtained between position (A) and position (B) (Δt (= 200 ms)) in order to analyze the traveling locus with high accuracy. An estimated value is calculated using a Kalman filter for the measured value obtained by the inertial sensor, and smoothing processing is performed using the estimated value to obtain a more accurate position of the mobile station.
[0014]
The Kalman filter is a well-known equation and is based on the block diagram shown in FIG. In this control block, Y (t) is an input, and t = 0, 1, 2,... With respect to the sampling value δt (20 ms) during Δt (= 200 ms).
(Formula 1)
X (t + 1 | t) = F (t) * X (t | t) t = 0, 1, 2,...
(Formula 2)
X (t | t) = X (t | t−1) + K (t) (Y (t) −H (t)) X (t | t−1)
Kalman gain (Formula 3)
K (t) = P (t | t−1) H (t) ^T [H (t) P (t | t−1) H (t) ^T + R (t)]
(Formula 4)
P (t | t) = P (t | t−1) −K (t) H (t) P (t | t−1)
(Formula 5)
Y (t) = C * X (t | t)
[0015]
Next, the state value X [Xg, W, Vg, ω, d (VG) / dt, dω / dt] is set to ^T.
Xg (xe, ye, ze) is the position of the center of gravity of the vehicle (running trajectory) in the ground fixed coordinate system, and W (φ, θ, ψ) is the vehicle attitude angle (of the vehicle fixed coordinates and the ground fixed coordinates) in the ground fixed coordinate system. Euler angle), Vg (u, v, w) is the vertical, horizontal and vertical speeds of the vehicle center of gravity, ω (p, q, r) is the vehicle angular speed, and d (Vg (du / dt, dv / dt). , Dw / dt)) / dt is the translational acceleration (Vg (u, v, w) derivative) of the vehicle center of gravity, and d (ω (dp / dt, dq / dt, dr / dt)) / dt is the vehicle angle. It is acceleration (differentiation of ω).
[0016]
The F (t) is an 18 × 18 matrix because it is three-dimensional with respect to the six vectors (Xg, W, Vg, ω, d (VG) / dt, dω / dt).
[Expression 1]

[0017]
Here, E ⁻¹ is a transformation matrix and is represented by the following equation.
[Expression 2]

[0018]
Further, α, β, and [I] represent values according to the following table, and α and β play a role in time constants for preventing divergence. [I] is a unit matrix.
[Table 1]

here,
DR (Dead Reckoning): Dead reckoning navigation using inertial data τ1 = Diag (τ1, τ2, τ3): Translational acceleration dynamics identification time constant τ2 = Diag (τ4, τ5, τ6): Angular velocity dynamics identification time constant
Next, the Kalman filter is a linear probability system having Y (t) as an input and X (t + 1 | t) (or X (t | t)) as an output.
Therefore, Kalman gain K0 is solved by Equation 3 based on the initial conditions of X (0 | -1) = X0 and P (0 | -1) = Σ0 at t = -1 (position (A) in FIG. 2). . Next, at t = 0, Y (0) is observed, and X (0 | −0) and P (0 | 0) are obtained by

Expressions

2 and 4. Then, for t = 1, 2,..., An estimated value of the state variable X (t + 1 | t) (or X (t | t)) is obtained based on the

equations

1, 2, 3, and 4. Can do. That is, it is possible to obtain the estimated position values (XEi, YEi, ZEi) of the mobile station from the position (A) to the position (B).
[0020]
Next, with respect to the estimated value of the state variable X (t + 1 | t) (or X (t | t)) for each δt (20 ms) at the position (A) and the position (B) of the mobile station obtained by the Kalman filter, The smoothing will be described.
Smooth estimated value ((Expression 6))
X (t | N) = X (t | t) + C (t) (X (t + 1 | N) −X (t + 1 | t)
t = N−1, N−2,... 0
Smooth gain (Equation 7))
C (t) = P (t | t) F (t) ^T (P (t + 1 | t) ⁻¹
Smooth estimation error variance matrix (Equation 8))
P (t | N) = P (t | t) + C (t) * [P (t + 1 | N) −P (t + 1 | t)] C (t) ^T
t = N−1, N−2,... 0
[0021]
Next, the smoothing based on the above (Formulas 6 to 8) is performed by calculating the boundary value of the section end point and the smoothing end point value by the position (Xei, Yei, Zei) (t = 0, t = N).
The smoothing result will be described. FIG. 4A shows the boundary start value of the section and the smoothing end point using values obtained by the inertial sensor, and the section start point (position (A)). At the end point of the section (position (B)), the smooth estimation error covariance value tends to diverge, and the smoothed value is not preferable.
[0022]
However, the boundary value of the end point shown in FIG. 4B is calculated by replacing the position (Xei, Yei, Zei) (t = N) in the mobile station obtained by “DGPS”, or FIG. If the section start point (position (A)) and the end point (position (B)) of the section are smoothed using the position (Xei, Yei, Zei) in the mobile station obtained by “kinematic DGPS”, as shown in FIG. As a result, the smooth estimation error covariance value is reduced, and an accurate estimated value can be obtained.
[0023]
As described above, by applying the Kalman filter between the positions (A) and (B) that can be measured by the GPS, it is possible to analyze the traveling locus with high accuracy. Similarly, the next positions (B) and (C) By applying it to the position, an accurate analysis of the whole process can be performed.
It goes without saying that the data analysis using the prediction and smoothing of the Kalman filter is not limited to obtaining the travel locus, and can be applied to the same data analysis.
[0024]
【The invention's effect】
The present invention can improve accuracy by analyzing the position data of the mobile station obtained by different measurement methods using a Kalman filter.
[Brief description of the drawings]
FIG. 1 shows a device configuration diagram of a base station and a device configuration diagram of a mobile station.
FIG. 2 is a diagram showing a relationship between GPS and observation data measured by inertial navigation.
FIG. 3 is a block diagram of a Kalman filter (prediction).
FIG. 4 is a block diagram of a Kalman filter (smoothing).
FIGS. 5A to 5C are diagrams illustrating smoothing results (smooth estimation error covariance values).

Claims

The position (A) and the position (B) where the mobile station moves are measured by GPS, and a plurality of positions are measured by inertial navigation between the position (A) and the position (B).
(A) For a plurality of position data measured by inertial navigation from the position (A) to the position (B), an estimated value is obtained by a predictive Kalman filter,
(B) A method for measuring a position of a mobile station, which is performed using a measured value in GPS as a boundary value of the smoothed Kalman filter when the estimated value is smoothed using a smoothed Kalman filter.