CN104076382A - 一种基于多源信息融合的车辆无缝定位方法 - Google Patents

Abstract

本发明属于无线通信技术领域，涉及的是一种基于多源信息融合的车辆无缝定位方法。主要步骤是主滤波器中采用Kalman滤波器对基于UWB(Ultra Wide Band，超宽带)的短距离高精度无线定位信息、BDS+GPS(Bei Dou Navigation Satellite System+Global Positioning System)的双模GNSS(Global Navigation Satellite System，全球卫星定位系统)定位信息、SINS+CAN(Strapdown Intertial Navigation System+Controller Area Network，捷联惯性导航系统+控制器局域网)融合航位推算信息，三类不同信号源定位数据不断融合、逐步求精，并对定位结果进行反馈、校正，实现车辆的高精度、无缝定位。本发明可以适应各种公路特殊环境，实现车辆无缝、精确的定位，为智能交通系统提供技术支撑，为避免车辆连环碰撞提供高精度的位置信息。

Description

一种基于多源信息融合的车辆无缝定位方法

技术领域

本发明属于无线通信技术领域，涉及的是一种基于多源信息融合的车辆无缝定位方法。

背景技术

智能交通系统是未来交通系统的发展方向，它是将先进的导航定位技术、数据通信技术、电子传感技术等有效地集成，而建立的实时、准确、高效的综合交通运输管理系统。智能交通是《国家中长期科学和技术发展规划纲要(2006-2020)》交通运输业的六大重点领域及其优先发展主题之一，同时也是《交通运输“十二五”发展规划》中的五大重大科技研发专项、六大科技成果推广应用重点领域之一。

目前的车辆防碰撞系统仅仅是采用后车根据雷达信号测量与前车距离的简单单车防碰撞系统，只有获得了远距离多辆车的精确位置信息，并根据相对车速、加速度、距离等进行联合判断才有可能实现多车辆的连环碰撞预警，从而降低车祸发生率，尤其是连环追尾碰撞事故的发生率。

目前车辆定位技术主要有三种：①GNSS定位(Global Navigation Satellite System，全球卫星定位系统)：理想情况下虽然可以实现10米左右定位精度的广域定位，但是由于信号容易受到遮挡和多径衰减等影响，所以在城市密集城区和室内封闭空间无法保证可靠的定位精度和可用性。②短距离无线定位技术：已有的基于UWB(Ultra Wide Band，超宽带)、Wi-Fi、WLAN(Wireless Local Area Networks，无线局域网)、红外线、超声波等无线电定位技术虽然可以达到厘米、米级的高定位精度，但是只能局限于小范围区域，不适合车辆的定位。③SINS(Strapdown Intertial Navigation System，捷联惯性导航系统)：虽然可以在无GNSS信号的情况下依靠惯性测量单元(IMU，Inertial Measurement Unit)测得车辆定位参数，利用运动学定律进行自主定位，但是由于误差具有时间累积性，因而无法实现长时间较高精度的定位。

UWB无线通信技术是一种不用载波，采用小于纳秒时长的不连续脉冲进行通信的一种无线通信技术。由于UWB使用小于纳秒时长的超短脉冲进行通信，其信号功率被扩散在从0到数十GHz的超宽频带范围内，这种独特的通信机制使其与目前频域通信技术相比具有对信道衰落不敏感、发射功率低、与其它无线系统可以共存、多径分辨能力强、抗干扰能力强、系统复杂度低、穿透能力强等优点，因而在全球范围内受到广泛关注，特别是在精确测距和定位、短距离高速通信(100Mbps–1Gbps)、雷达探测、防侦听抗干扰保密通信等多个军用和民用领域均有广泛的应用前景。

所以，任何单一的定位系统均具有各自的局限性，均不能满足高精度、在复杂场景下的无缝定位的要求。因此寻求一种“高精度”、“无缝”的定位技术一直是车辆定位领域研究的主要目标。本发明提出了基于UWB、GNSS等多源信息融合的方法对车辆进行定位，以满足在不同应用场景的使用要求，实现车辆的多信息融合的无缝定位。

发明内容

鉴于任何单一的定位系统均具有各自的局限性，均不能满足高精度、在复杂场景下的车辆无缝定位的要求，本发明提出了一种基于多源信息融合的车辆无缝定位方法，从而可以为避免高速公路上车辆连环碰撞提供无缝的高精度的位置信息。

本发明的技术方案如下：

一种基于多源信息融合的车辆无缝定位方法，包括以下步骤：

1.在主滤波器中采用Kalman滤波器对基于UWB的短距离高精度无线定位信息、BDS+GPS(Bei Dou Navigation Satellite System+Global Positioning System)双模GNSS定位信息、SINS+CAN(Strapdown Intertial Navigation System+Controller Area Network，控制器局域网)融合航位推算信息，三类不同信号源定位数据进行融合处理，并对定位结果进行反馈、校正，实现车辆高精度无缝定位，三类信号源的定位方法如下：

1)基于UWB的短距离高精度无线定位

采用常用的TOA(Time of Arrival，到达时间)、TDOA(Time Difference Of Arrival，到达时间差)、AOA(Angle Of Arrival，到达角度)等各类短距离无线定位方法，利用路边定位基站发射的UWB信号进行短距离无线定位，得到车辆的速度V₁和位置信息L₁；

2)BDS+GPS双模GNSS定位

利用中国的BDS以及美国的GPS卫星通过离子滤波器进行融合定位，离子滤波时要去除权值小的粒子，保留并复制权值较大的粒子即采用重采样的方法，得到车辆的速度V₂和位置信息L₂；

3)SINS+CAN融合航位推算

(1)将SINS系统中陀螺仪的角增量与CAN总线提取的车速、方向盘转角、里程增量等组成航位推算(Dead Reckoning，DR)系统；

(2)将DR系统与SINS系统的位置与姿态误差通过Sage-husa自适应滤波得到系统误差校正值；

(3)根据得到的误差校正值去补偿SINS系统、消除时间累计误差得到姿态P₃、位置L₃和速度V₃；

2.进一步，Kalman滤波实现多源信息融合车辆定位方法为：

利用Kalman滤波对位置信息和速度(L₁、V₁)、(L₂、V₂)、(L₃、V₃)三个定位信息进行融合定位，如公式(1)所示，

$\left\{\begin{array}{c}{Q}^{-1}=Q_1^{-1}+Q_2^{-1}+Q_3^{-1}\\ Q_1^{-1}={\mathrm{\λ}}_1{Q}^{-1},Q_2^{-1}={\mathrm{\λ}}_2{Q}^{-1},Q_3^{-1}={\mathrm{\λ}}_3{Q}^{-1}\\ P^{-1}=P_1^{-1}+P_2^{-1}+P_3^{-1}\\ P_1^{-1}={\mathrm{\λ}}_1{P}^{-1},P_2^{-1}={\mathrm{\λ}}_2{P}^{-1},P_3^{-1}={\mathrm{\λ}}_3{P}^{-1}\\ P^{-1}X=P_1^{-1}{X}_1+P_2^{-1}{X}_2+P_3^{-1}{X}_3\end{array}\right.---\left(1\right)$

其中，X_i表示第i个子滤波器的状态估计矢量，Q_i表示第i个子滤波器的系统协方差阵，P_i表示第i个子滤波器的状态矢量协方差阵，λ₁表示各子滤波器的定位结果的可信度或者权值，i＝1,2,3，而且λ₁+λ₂+λ₃＝1；X表示主滤波器的状态估计量，Q表示主滤波器的系统协方差阵，P表示主滤波器的状态矢量协方差阵。

附图说明

图1为基于多源信息融合的车辆无缝定位场景示意图；

图2为基于多源信息融合的车辆无缝定位工作流程图。

具体实施方式

以下结合图例，对本发明进行详细说明。

如图1所示，该发明中需要用到路边定位基站和天空中的BDS卫星和GPS卫星作为参考基站分别进行短距离无线定位和双模GNSS定位，路边定位基站可以发送和接收UWB信号用于跟车辆的通信和定位。

如图2所示，本发明的主要步骤如下：

1)基于UWB的短距离高精度无线定位

采用常用的TOA、TDOA、AOA等各类短距离无线定位方法，利用路边定位基站发射的UWB信号进行短距离无线定位，从而实现基于UWB的短距离高精度的车辆定位。该定位方法主要提供高精度的、在对卫星不可视的环境下的定位，例如：车库、林荫道、城市峡谷等。

2)BDS+GPS双模GNSS定位

利用中国的BDS以及美国的GPS卫星通过离子滤波器融合定位。理论上，能够接收到的天空中的卫星数量越多，定位精度越准，因此同时利用BDS和GPS进行定位，其定位精度应该越高而且覆盖范围应该越大。

在BDS与GPS融合方面将采用粒子滤波器融合BDS和GPS以提高定位精度，在传统的粒子滤波算法中，系统直接从期望的概率密度中采样，每个粒子的权重值是相等的。然而这通常会造成严重的粒子退化现象，影响粒子滤波器在实际中的应用，因此本发明采用重采样(SIR，Sampling Importance Resampling)方法，其主要思想是去除权值小的粒子，保留并复制权值较大的粒子。

3)SINS+CAN融合航位推算

CAN是由研发和生产汽车电子产品著称的德国BOSCH公司开发的，并最终成为国际标准(ISO11898)，是国际上应用最广泛的现场总线之一。本发明从CAN总线中提取车速、方向盘转角等信息，以便与SINS进行融合，克服SINS固有的长时间的累计误差，从而提高定位精度。SINS是一个基于加速度二次积分的航位推算系统，在给定初始状态和进行初始对准之后，就能够完全自主地进行导航定位。车辆运动中，会受到外界环境因素的影响，因而SINS与CAN/OBD量测噪声统计特性波动比较大，标准卡尔曼滤波不再适用。因为会导致滤波发散，所以，本发明采用Sage-Husa自适应滤波，它对噪声变化的鲁棒性比较强。

将SINS系统中陀螺仪与CAN总线提取的车速、方向盘转角等组成航位推算(DR)系统，然后用DR系统与SINS系统的位置与姿态误差通过Sage-husa自适应滤波去补偿SINS系统，从而消除时间累计误差，提高SINS系统的定位精度。

4)Kalman滤波实现基于多源信息融合的车辆定位

主滤波器中采用kalman滤波器对UWB精确定位信息、SINS+CAN航位推算位置信息、GPS+BDS GNSS定位信息三类不同信号源定位数据进行融合处理，同时采用反馈校正的方式，对上一级的子滤波器进行误差校正，达到车辆行驶过程中的完整、精确、连续定位。在融合处理时，基于先分散后集中后处理的思想，将三个子系统的滤波结果进行时空基准的统一配准后，再经主滤波器融合得到全局最优估计，以较低的复杂度提高定位精度，如图2所示。而且这种融合方式可以在三个系统都正常工作的时候选择最优定位方式，在某个子系统有问题或者不能工作的时候，通过可信度分配调节还可以通过剩下的系统进行定位，从而实现无缝定位。

如果分别用X_i表示第i个子滤波器的状态估计矢量，Q_i表示第i个子滤波器的系统协方差阵，P_i表示第i个子滤波器的状态矢量协方差阵，其中i＝1,2,3；X表示主滤波器的状态估计量，Q表示主滤波器的系统协方差阵，P表示主滤波器的状态矢量协方差阵。对子滤波器的信息按照公式(1)规则进行融合与分配，其中λ₁+λ₂+λ₃＝1，可以根据各子滤波器的定位结果的可信度的大小来实现信息的融合和定位方式的选择。例如，当BDS/GPS信号比较好(PDOP较低)时，可以选取比较小的λ₂和λ₃的值，以GNSS定位方式为主。所以，这种方法具有比较好的容错能力及比较高的定位精度，实现无缝、高精度定位。

Claims (2)

1.一种基于多源信息融合的车辆无缝定位方法，其特征在于，在主滤波器中采用Kalman滤波器对基于UWB(Ultra Wide Band，超宽带)的短距离高精度无线定位信息、BDS+GPS(Bei Dou Navigation Satellite System+Global Positioning System)双模GNSS(Global Navigation Satellite System，全球卫星定位系统)定位信息、SINS+CAN(Strapdown Intertial Navigation System+Controller Area Network，捷联惯性导航系统+控制器局域网)融合航位推算信息，三类不同信号源定位数据进行融合处理，实现车辆高精度无缝定位，三类信号源采用的定位方法分别如下： 

1)基于UWB的短距离高精度无线定位 

采用常用的TOA(Time of Arrival，到达时间)、TDOA(Time Difference Of Arrival，到达时间差)、AOA(Angle Of Arrival，到达角度)等短距离无线定位方法，利用路边定位基站发射的UWB信号进行短距离无线定位，得到车辆的速度V₁和位置信息L₁； 

2)BDS+GPS双模GNSS定位 

接收BDS和GPS卫星的信号，通过离子滤波器进行融合定位，离子滤波时要去除权值小的粒子，保留并复制权值较大的粒子，即采用重采样的方法，得到车辆的速度V₂和位置信息L₂； 

3)SINS+CAN融合航位推算 

(1)将SINS系统中陀螺仪的角增量与CAN总线提取的车速、方向盘转角、里程增量等输入到航位推算(Dead Reckoning，DR)系统进行计算； 

(2)将DR系统与SINS系统得到的位置与姿态误差通过Sage-husa自适应滤波计算得到系统误差校正值； 

(3)根据得到的误差校正值去补偿SINS系统、消除时间累计误差，得到姿态P₃、位置L₃和速度V₃。 

2.根据权利要求1所述，其特征在于上述Kalman滤波实现多源信息融合的计算方法为： 

利用Kalman滤波对位置信息和速度(L₁、V₁)、(L₂、V₂)、(L₃、V₃)三个定位信息进行融合定位，如公式(1)所示， 

其中，X_i表示第i个子滤波器的状态估计矢量，Q_i表示第i个子滤波器的系统协方差阵，P_i表示第i个子滤波器的状态矢量协方差阵，λ₁表示各子滤波器的定位结果的可信度或者权 值，i＝1,2,3，而且λ₁+λ₂+λ₃＝1；X表示主滤波器的状态估计量，Q表示主滤波器的系统协方差阵，P表示主滤波器的状态矢量协方差阵。