CN104835353A - Vanet中基于ins和gnss伪距双差的协作相对定位方法 - Google Patents

Abstract

本发明公开了VANET中基于INS和GNSS伪距双差的协作相对定位方法，该方法定位精度高，适用性好的车辆间协作相对定位方法。本发明涉及车辆在GNSS信号非盲区的定位问题，主要解决GNSS定位精度不高和适用性受限情况下的车辆相对定位问题。首先，通过车辆之间的V2V通信，共享被高精度里程仪修正后的INS提供的加速度信息以及车辆GNSS位置信息等，实现车辆之间的相应信息共享；其次，通过扩展卡尔曼滤波技术对经过V2V通信接收到的邻近车辆的信息和本车信息进行信息融合处理，得到了高精度的车辆间相对定位结果。

Description

VANET中基于INS和GNSS伪距双差的协作相对定位方法

技术领域

本发明涉及INS和GNSS伪距双差的车辆间协作相对定位技术，特别涉及一种VANET中基于INS和GNSS伪距双差的协作相对定位方法。

背景技术

随着人们的生活水平不断提高，对车辆的需求也开始不断增加，汽车保有量的增加在为人们的日常生活提供便利的同时，也为社会带来了诸多问题，如交通事故、交通拥堵以及环境污染等问题。近年来，平均每年因道路交通事故造成的人员死亡数高达130多万，受伤人数超过5000万，根据现有数据，若不采取有效措施，预计到2030年，交通事故将成为人类死亡的第五大因素。每年因交通拥堵带来的经济损失同样不容忽视，2009年美国因交通拥堵带来的经济损失达到1150亿美元。智能交通系统作为一种全新的技术，采用先进的科学技术，将涉及的道路，交通，人与环境等系统的综合考虑，实现智能化的交通管理，为解决道路交通问题带来可能和希望。

近年来，物联网(IOT，Internet of Things)概念的产生和发展，推动了汽车行业类似的概念-车联网(IOV，Internet of Vehicle)的出现，并在汽车市场得到了快速的发展。现如今，车联网已被作为未来汽车的发展趋势和未来智慧城市发展的又一个标志。传统意义上的车联网，主要指安装在车辆上的电子标签，通过无线电射频识别(RFID，Radio FrequencyIdentification)等信息识别技术，实现在信息网络平台上对所有车辆的属性信息、静态信息、动态信息等进行提取和有效利用，同时又能满足在不同功能需求下，对全部车辆的行驶状态进行有效的监督和管理，并为车辆提供综合服务。随着车联网技术的发展，传统意义上的车联网，已经不能全面的涵盖车联网的内容。如今，车联网也称为车载自组网(VANET，VehicularAd-hoc network)，是专门为车辆间的相互通信而组建的自组织网络，具有节点性、数据流特性以及移动的特性，所提供的服务大多是基于位置的服务(LBS，Location Based Service)，因此，对于车联网而言定位技术成为了其关键技术。车联网并非是在物联网下衍生出现，而是智能交通系统ITS快速发展所带来的技术产物。位置信息在ITS的诸多应用中，担当着重要的角色，如：导航，基于位置的服务，调度管理等等都需要位置信息作为服务基础。ITS作为近年来最热的研究课题之一，在全面治理、解决交通问题的潜力中，最突出的应用贡献就是可以提高车辆行驶的安全性。目前的车辆定位技术有很多，其中全球卫星导航系统(GNSS，Global Navigation Satellite Systems)，是使用最多的定位系统，也被认为是为ITS应用提供位置信息服务的关键技术，许多应用系统都采用GNSS技术来提供高精度的位置信息。导航以及基于位置的信息服务，特别是车辆安全和紧急避险等都需要精确的位置信息作为前提，在很大程度上依赖车辆位置信息。

车辆间精确的相对定位足以应对现代智能交通系统中的防碰撞和道路安全等的应用要求，特别是车辆安全应用，需要车道级的定位精度。例如，前向碰撞告警应用，在车辆即将与前面行驶的汽车发生追尾碰撞时告警；车道变换预警应用，当车辆试图变换车道，有同向行驶的另一辆汽车正处于盲点时发出预警，都需要获得精确的车辆位置信息及车辆之间的相对位置信息。常用的GNSS定位技术，可以提供10米左右的定位精度，但是受其自身定位精度和可行性的限制，不能满足如防碰撞以及道路安全在内的定位精度要求。车辆安全应用除了对定位精度有较高的要求外，还要求车辆位置信息及车辆之间的相对位置信息的获取是连续可靠的。但是，当车辆行驶在城市密集区，GNSS卫星信号容易被遮挡，信号较弱或者无信号时，GNSS定位性能大大降低。

考虑上述情况，为满足车辆安全行驶以及道路定位等应用对定位精度的高要求，迫切需要更高水平更高精度的车辆定位技术的研究和使用。

与本发明相关的现有技术包括：

一、现有技术一的技术方案

伴随GNSS技术产生的传统的协作定位技术，也称为基于通信的定位增强，可以用来改善GNSS系统的性能。常用的有差分GNSS(DGNSS,Differential GNSS)，实时动态(RTK,Real-Time Kinematic)定位，星基增强系统(SBAS,Satellite Based Augmentation System)，陆基增强系统(GBAS,Ground Based Augmentation System)和辅助GNSS(AGNSS,AssistedGNSS)。但是，传统的协作定位技术都需要已知位置信息的参考节点与目标用户之间共享位置信息，从而提高GNSS定位精度。鉴于这种情况，共享数据时的定位误差与性能，以及通信时的环境，都会影响协作定位技术的定位精度。车辆在高速移动状态下，运动环境变化较快，再加上所在环境恶劣时，很难发挥协作定位技术的优势，传统的协作定位技术都有自身的局限，如对于GBAS技术来说，需要建立多个GNSS参考基站，计算校对值，然后再把校对值发送给用户，但是多个基站的建设势必耗费大量的资金，这也使得传统的协作定位技术不能满足VANET的应用要求。

二、现有技术二的技术方案

惯性导航INS定位技术，通过在车载上安装惯性测量单元(IMU，Inertial MeasurementUnit)，如陀螺仪与加速度计等敏感系统的导航参数解算系统，提供车辆运动情况下的加速度和方位角信息，再通过航位推算得到目标车辆的位置与速度信息。INS虽然具备不依赖外界信号，同时不受外界信号的干扰，稳定性较高，重量轻、体积小易于维护，短时间内定位精度高的优点。GNSS技术进行组合定位，可以实现彼此的优势互补，有效地解决GNSS盲区的定位问题，从而实现较好的车辆定位及导航等应用。

但是，INS虽然具备不依赖外界信号，同时不受外界信号的干扰，稳定性较高，重量轻、体积小易于维护，短时间内定位精度高的优点，但是INS单独定位时存在误差随时间积累的特点，较长时间的定位中，由于误差积累造成定位精度的严重下降，因此不适合长时间的单独的车辆定位。INS与GNSS的组合定位成为了导航定位的研究热点。无论是GNSS技术、INS技术的单独定位，或两者结合的组合定位，都属于单节点的独立定位，定位精度难以满足车辆安全在内的现代ITS应用的可行性要求。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提供了一种VANET中基于INS和GNSS伪距双差的协作相对定位方法，该方法解决了GNSS定位精度不高和适用性受限情况下的车辆相对定位问题。该方法包括：首先，通过车辆之间的V2V通信，共享被高精度里程仪修正后的INS提供的加速度信息以及车辆GNSS位置信息等，实现车辆之间的相应信息共享；其次，通过扩展卡尔曼滤波技术对经过V2V通信接收到的邻近车辆的信息和本车信息进行信息融合处理，得到高精度的车辆间相对定位结果。

本发明解决其技术问题所采取的技术方案是：VANET中基于INS和GNSS伪距双差的协作相对定位方法，该方法包括如下步骤：

步骤1，利用高精度里程仪中的数据对惯性导航系统INS中存在的长期累积误差进行修正，得到修正后的高精度的INS测量信息，由卫星的时钟误差和高空中的电离层、对流层等误差对处于同一区域的车辆来说是近似相同的，因此可以通过对来自同一观测卫星的不同的GNSS接收机进行差分消除这些公共误差，；

步骤2，利用车辆自身携带的GNSS接收机，获取位置、速度以及时间信息，采用伪距双差方法，在有4颗以上的可见卫星时，可以通过最小二乘法获得车辆间相对位置(即：导航系下的相对位置信息)的结果，车辆的位置结合卫星星历进行计算得到，速度可以通过多普勒频移解算得到；

步骤3，借助车辆之间的V2V通信技术，实现INS测量信息和GNSS测量信息之间的信息共享；

步骤4：借助扩展卡尔曼滤波算法，将接收到的信息和车辆自身测量信息进行数据融合，得到高精度的车辆间协作相对定位结果，卡尔曼滤波器是协作定位技术，进行数据融合处理的关键，在本发明中，使用卡尔曼滤波器将本地数据与接收到的数据进行融合处理时的状态模型为：

其中，χ为状态向量，F是滤波器的传输函数模型，G是噪声处理模型，是沿着各轴的高斯相对加速度噪声，假设为零均值，方差为τ是抽样间隔。

有益效果：

1、本发明充分利用车辆间的相互通信，发挥了共享多源数据的优势，提高了定位精度。

2、本发明的INS惯性导航测量器件能够在短时间内提供良好的位置和速度信息，弥补GNSS信号中断时的数据，并且里程仪和INS都具有不依赖外部设备的优势，能够很好地改善GNSS的定位性能。

3、本发明的高精度的里程仪能够为车辆提供高精度的速度和行驶距离信息，能够校正测量误差。

附图说明

图1为本发明的系统架构图。

图2为本发明中GNSS伪距单差示意图。

图3为本发明中GNSS伪距双差示意图。

图4为本发明的方法流程图。

具体实施方式

下面结合说明书附图对本发明创造作进一步的详细说明。

与本发明相关的缩略语和关键术语定义：

本发明精确的车辆位置信息，可以为ITS的许多应用提供服务，包括车辆导航和道路安全，而车辆间精确的相对定位足以应对VANET中的防碰撞和道路安全等安全应用要求。而且，采用相对定位技术可以消除一些公共误差的影响，获得比绝对定位更好的位置信息。在GNSS信号覆盖良好的区域可以通过伪距双差实现车辆间的相对定位，如使用GNSS伪距进行定位时，伪距测量值会受到时钟误差，星历误差以及接收机噪声等误差因素的影响，这些误差在空间和时间上具有高度相关性，处于同一时间和同一高度时，地面接收机的测量值可以认为受近似相同的误差影响。在GNSS中传统的协作定位技术差分DGNSS定位技术就是利用了GNSS误差源在时间和空间上的相关性来提高GNSS系统的定位性能。但是，差分定位技术所需的基站较多并且基站的建设成本高，采用该定位技术需要投建大量的设备才能解决误差相关性问题。在基站链路建设完备的情况下，DGNSS系统不能保证用户能够接收到实时的数据信息，这也使得DGNSS定位技术难以确保自身的定位性能。基于GNSS伪距双差的相对定位，可以消除公共误差，提高相对定位的精度，但是GNSS卫星存在短时间的中断，影响了相对定位的定位性能。VANET下基于车与车(V2V，Vehicle to Vehicle)、车与基础设施(V2I，Vehicleto Infrastructure)之间相互通信的现代协作定位技术，可以很好的改善GNSS定位性能。惯性导航INS技术能够实现自主导航，不受外界的干扰，很好地辅助GNSS，在其信号短时间中断时及时的补充车辆的位置信息。INS定位误差随时间积累，高精度的里程仪可以提供高精度的速度信息，修正INS的速度和定位误差。综合里程仪、INS与GNSS伪距双差以及协作定位的相对定位技术，是本发明的研究重点。

本发明首先假设研究的车辆都已安装GNSS接收机、INS设备以及高精度的里程仪，同时目标车辆所在区域的GNSS信号覆盖良好，接收机可以观测到4颗以上的可见卫星，并且车辆之间能够进行V2V通信，实现车辆间数据信息的共享：

1、车辆间基于GNSS伪距双差的相对距离的测量，包括：

在时间t时刻，节点k处的GNSS接收机，与卫星i之间伪距观测值为：

${\mathrm{\ρ}}_k^i\left(t\right)=R_k^i\left(t\right)+c{\mathrm{\δ}}_k\left(t\right)+c{\mathrm{\δ}}^i\left(t\right)+{\mathrm{\ϵ}}^{i,\mathrm{ion}}+{\mathrm{\ϵ}}^{i,\mathrm{trop}}+{\mathrm{\ϵ}}^{i,\mathrm{sate}}+{\mathrm{\ζ}}_k^i\left(t\right)---\left(1\right)$

其中，为节点k处的接收机与卫星i之间的几何距离，c为光速，δ_k为接收机的时钟误差，δⁱ为卫星i的时钟误差，ε^i,ion为电离层误差，ε^i,trop为对流层误差，ε^i,sate为卫星i的轨迹误差，为接收机k处的热噪声以及来自卫星i的信号的多径误差。

由于卫星的时钟误差和高空中的电离层、对流层等误差对处于同一区域的车辆来说是近似相同的，因此可以通过对来自同一观测卫星的不同的GNSS接收机进行差分消除这些公共误差。假设同一卫星i的不同车辆k、l，其单次差分为：

$\begin{array}{c}{\mathrm{SD}}_{\mathrm{kl}}^i={\mathrm{\ρ}}_k^i\left(t\right)-{\mathrm{\ρ}}_l^i\left(t\right)\\ =(R_k^i\left(t\right)+c{\mathrm{\δ}}_k\left(t\right)+c{\mathrm{\δ}}^i\left(t\right)+{\mathrm{\ϵ}}^{i,\mathrm{ion}}+{\mathrm{\ϵ}}^{i,\mathrm{trop}}+{\mathrm{\ζ}}_k^i\left(t\right))\\ -(R_k^i\left(t\right)+c{\mathrm{\δ}}_l\left(t\right)+c{\mathrm{\δ}}^i\left(t\right)+{\mathrm{\ϵ}}^{i,\mathrm{ion}}+{\mathrm{\ϵ}}^{i,\mathrm{trop}}+{\mathrm{\ζ}}_l^i\left(t\right))\\ =(R_k^i\left(t\right)-R_l^i\left(t\right))+c({\mathrm{\δ}}_k\left(t\right)-{\mathrm{\δ}}_l\left(t\right))+({\mathrm{\ζ}}_k^i\left(t\right)-{\mathrm{\ζ}}_l^i\left(t\right))\\ =\mathrm{\Δ}{R}_{\mathrm{kl}}^i+c({\mathrm{\δ}}_k\left(t\right)-{\mathrm{\δ}}_l\left(t\right))+{\mathrm{\ζ}}_k^i\left(t\right)-{\mathrm{\ζ}}_l^i\left(t\right)\end{array}---\left(2\right)$

其中，为伪距单差，为车辆k和车辆l到卫星i的几何距离差。由于卫星与车辆之间的距离远远大于车辆之间的距离，因此可以将车辆到卫星的方向向量看作平行。可以近似表示为：

$\mathrm{\Δ}{R}_{\mathrm{kl}}^i=e^i\·r_{\mathrm{kl}}---\left(3\right)$

其中，为车辆k指向卫星i的单位方向向量，r_kl＝r_l-rk，表示为两车辆之间的相对位置向量，rⁱ、r_k、r_l分别是卫星i、车辆k、l的位置矢量。

对车辆间的伪距单差进一步求差分，可得伪距双差双差的作用是消除接收机时钟误差的影响。

$\begin{array}{c}{\mathrm{DD}}_{\mathrm{kl}}^{\mathrm{ij}}\left(t\right)={\mathrm{SD}}_{\mathrm{kl}}^i\left(t\right)-{\mathrm{SD}}_{\mathrm{kl}}^j\left(t\right)\\ =\mathrm{\Δ}{R}_{\mathrm{kl}}^i-\mathrm{\Δ}{R}_{\mathrm{kl}}^j+{\mathrm{\ζ}}_k^i\left(t\right)-{\mathrm{\ζ}}_l^i\left(t\right)-{\mathrm{\ζ}}_k^j\left(t\right)+{\mathrm{\ζ}}_l^j\left(t\right)\\ =(e^i-e^j)\·r_{\mathrm{kl}}\left(t\right)+{\mathrm{\ζ}}_{\mathrm{kl}}^{\mathrm{ij}}\end{array}---\left(4\right)$

其中，车辆之间的距离为：

$\mathrm{\Δ}{R}_{\mathrm{kl}}^{\mathrm{ij}}=(e^i-e^j)\·r_{\mathrm{kl}}\left(t\right)---\left(5\right)$

可以由车辆自身的伪距，以及V2V通信从邻近的车辆中获取数据计算得到。是不能通过伪距双差进行消除的非公共误差，假设是均值为0，方差相等，在后面的性能分析中，将其作为观测噪声处理。采用伪距双差方法，在有4颗以上的可见卫星时，可以通过最小二乘法获得车辆间相对位置r_kl(导航系下的相对位置信息)的估测结果。

2、车辆间基于载波频移双差的相对速度的测量，包括：

在时间t时刻，车辆k的GNSS接收机，与卫星i之间GNSS的载波相位伪距可以参考上节中的GNSS伪距双差的表示方法可以表示为：

$\begin{array}{c}\mathrm{\λ}{\mathrm{\Φ}}_k^i\left(t\right)={\mathrm{\ρ}}_k^i\left(t\right)\\ =R_k^i\left(t\right)+c{\mathrm{\δ}}_k\left(t\right)+c{\mathrm{\δ}}^i\left(t\right)+{\mathrm{\ϵ}}^{i,\mathrm{ion}}+{\mathrm{\ϵ}}^{i,\mathrm{trop}}+{\mathrm{\ϵ}}^{i,\mathrm{sate}}+{\mathrm{\ζ}}_k^i\left(t\right)\end{array}---\left(6\right)$

相位伪距对时间求导，可得接收机k从卫星i处接收到的信号的载波频率偏移，并能从中提取多普勒频移：

$f_k^i\left(t\right)=\frac{1}{\mathrm{\λ}}\frac{d{R}_k^i\left(t\right)}{\mathrm{dt}}+f\frac{d{\mathrm{\δ}}_k\left(t\right)}{\mathrm{dt}}+f\frac{d{\mathrm{\δ}}^i\left(t\right)}{\mathrm{dt}}+{\mathrm{\γ}}_k^i\left(t\right)---\left(7\right)$

其中，f是GNSS信号的载波频率，GNSS信号使用L1＝1575.42MHZ，λ是GNSS L1信号的波长，是观测噪声。

车辆k与车辆l来自卫星i的载波频移单差为：

$f_k^i\left(t\right)=\frac{1}{\mathrm{\λ}}\frac{d{R}_k^i\left(t\right)}{\mathrm{dt}}+f\frac{d{\mathrm{\δ}}_k\left(t\right)}{\mathrm{dt}}+f\frac{d{\mathrm{\δ}}^i\left(t\right)}{\mathrm{dt}}+{\mathrm{\γ}}_k^i\left(t\right)---\left(8\right)$

其中，仍为车辆k和车辆l到卫星i的几何距离差，δ_kl(t)为接收机k与l的时钟差，为两个接收机的观测噪声差。

卫星i、j和车辆k、l之间，进行再次载波频移差分可以得到：

$f_{\mathrm{kl}}^{\mathrm{ij}}\left(t\right)=\frac{1}{\mathrm{\λ}}\frac{\mathrm{d\Δ}{R}_{\mathrm{kl}}^{\mathrm{ij}}\left(t\right)}{\mathrm{dt}}+{\mathrm{\γ}}_{\mathrm{kl}}^{\mathrm{ij}}\left(t\right)---\left(9\right)$

结合公式(4)，公式(9)可以改写为：

$f_{\mathrm{kl}}^{\mathrm{ij}}\left(t\right)=\frac{1}{\mathrm{\λ}}(e^i-e^j)v_{\mathrm{kl}}+{\mathrm{\γ}}_{\mathrm{kl}}^{\mathrm{ij}}\left(t\right)---\left(10\right)$

其中，v_kl＝v_k-v_l是指车辆k、l之间的相对速度，由于卫星移动(卫星移动速度约3km/s)引起的(4)和(10)中单位向量的变化较小，并且这种变化与车辆到卫星距离(20000km)相比，可以忽略不计。因此，eⁱ和e^j可以直接采用任何一辆车辆的接收机所在的最终位置，然后结合卫星星历进行计算得到。v_kl可以通过多普勒频移解算得到。

3、车辆间基于INS的相对加速度的测量，包括：

车辆k、l之间的相对加速度矢量a_kl＝a_k-a_l，其中a_k、a_l分别是车辆k、l的加速度矢量。两车之间的相对加速度a_kl、相对速度v_kl、相对位移r_kl以及GNSS卫星的定位信息都定义在导航坐标系下。

INS在本发明中主要为车辆提供加速度以及方位角信息。欧拉角用来构建姿态矩阵然后将INS提供的载体坐标系下的车辆加速度信息，根据从载体坐标系转换到导航坐标系中。

再通过接收到的GNSS信号的多普勒频移来估测欧拉角，假设是车辆k接收到的卫星i的多普勒频移，根据(9)可得：

$\mathrm{\Δ}{f}_k^i=-{\mathrm{\λ}}^{-1}\frac{d{R}_k^i\left(t\right)}{\mathrm{dt}}=-{\mathrm{\λ}}^{-1}\frac{d\left[\sqrt{{(r^i-r_k)}^T(r^i-r_k)}\right]}{\mathrm{dt}}---\left(11\right)$

求导后可以进一步转化为：

$e^i{v}_k=\mathrm{\λ\Δ}{f}_k^i+e^i{v}^i---\left(12\right)$

其中，νⁱ是卫星i的速度矢量，在4颗以上可见卫星时，车辆在导航系下的速度v_k可以根据上式多普勒频移关系式计算得到。

假设目标车辆在道路行驶时不发生路边滑动或者偏离地面，也即是在载体坐标系下，沿Y轴、Z轴的速度分量为0，车辆仅沿X轴方向行驶，车辆k在载体坐标系下的速度大小为可以有INS中的IMU提供的加速度通过一次对时间的积分得到，载体加速度与导航加速度满足如下关系式：

其中，g是重力加速度，ω_z、ω_y是INS测量器件提供的车辆在载体系下沿各轴旋转的角速度，通过公式 $v_k=C_b^n{\left[\begin{array}{ccc}{v}_k^b& 0& 0\end{array}\right]}^T,$ 可以求得偏航角ψ，进而得到姿态矩阵最终实现加速度由载体系到导航系的变换。

考虑惯性导航技术存在误差随时间积累的问题，本发明提出使用高精度里程仪与惯性导航组合的方式，修正INS提供的加速度测量误差，提高INS信息的精确度。修正过程分为两步实现：

Step1：INS校正高精度的里程仪。高精度的里程仪可以精确测量车辆的行驶速度，测量的精度取决于对数字里程仪的动态测量误差补偿的准确度，充分的利用INS系统在初始对准结束后，刚转入导航工作状态的短时间内导航精度高的优点，通过INS的速度结算值与里程仪的速度测量值组合，利用卡尔曼滤波器估计里程仪的动态测量误差。只要车辆有运动，卡尔曼滤波器即可估计出里程仪的动态测量误差，并对其进行反馈补偿，里程仪自动地采用补偿后的测量信息秋如车辆行驶速度和路程，这样可以有效的减小数字里程仪的动态测量误差，从而提高里程仪的测量精度。

Step2：里程仪校正INS。由于INS测量时存在随时间积累的定位误差，无法满足车辆导航的要求，因此可以利用短时间内的INS修正里程仪的动态测量误差之后，再使用里程仪修正INS的测量误差。将里程仪的速度测量值分解到导航坐标系中，与INS的速度测量值进行比较，构成卡尔曼滤波器的观测量，利用闭环卡尔曼滤波技术进行误差的估计和修正，从而减小INS的误差积累。

4、融合各种数据信息的相对定位方法，包括：

卡尔曼滤波器是协作定位技术，进行数据融合处理的关键，在本发明中，使用卡尔曼滤波器将本地数据与接收到的数据进行融合处理时的状态模型为：

其中，χ为状态向量，F是滤波器的传输函数模型，G是噪声处理模型，是沿着各轴的高斯相对加速度噪声，假设为零均值，方差为τ是抽样间隔。对于车辆k、l，有状态向量和滤波器传输模型以及噪声处理模型为：

$\begin{array}{ccc}\mathrm{\χ}=\left[\begin{array}{c}{r}_{\mathrm{kl}}\\ v_{\mathrm{kl}}\\ a_{\mathrm{kl}}\end{array}\right]& F=\left[\begin{array}{ccc}{I}_3& \mathrm{\τ}{I}_3& 0.5{\mathrm{\τ}}^2{I}_3\\ 0_3& I_3& \mathrm{\τ}{I}_3\\ 0_3& 0_3& I_3\end{array}\right]& G=\left[\begin{array}{c}0.5{\mathrm{\τ}}^2{I}_3\\ \mathrm{\τ}{I}_3\\ I_3\end{array}\right]\end{array}$

其中，0_n是n×n的零矩阵，I_n是n维单位矩阵，是处理噪声协方差。假设对于车辆k、l来说，可见卫星为m颗，则观测模型为：

Z(t)＝H(t)χ(t)+ξ(t)    (15)

H是观测模型，ξ是观测噪声，考虑伪距双差和GNSS信号的多普勒频移以及INS提供的加速度时，可得如下的观测模型：

$Z={\left[\begin{array}{ccccccc}{\mathrm{DD}}_{\mathrm{kl}}^{12}& ...& {\mathrm{DD}}_{\mathrm{kl}}^{1m}& f_{\mathrm{kl}}^{12}& ...& f_{\mathrm{kl}}^{1m}& {\mathrm{\α}}_{\mathrm{kl}}^T\end{array}\right]}^T---\left(16\right)$

其中，是INS观测的相对加速度向量转变成的导航系下的数值，ε_kl为噪声。常将具有最高仰角的卫星定为1，称之为参考卫星，由(16)、(5)和(10)可得：

$H=\left[\begin{array}{ccc}U& O^{\′}& O^{\′}\\ O^{\′}& -U{\mathrm{\λ}}^{-1}& O^{\′}\\ 0_3& 0_3& I_3\end{array}\right]U\left(t\right)=\left[\begin{array}{c}{e}^1-e^2\\ e^1-e^3\\ \·\·\·\\ e^1-e^m\end{array}\right]---\left(18\right)$

其中，O′为m-1×3的零矩阵，假设各观测量之间相互独立，则观测噪声的协方差可以表示为：

$\mathrm{\Σ}=\left[\begin{array}{ccc}{\mathrm{\Σ}}_{\mathrm{\ρ}}& O_{m-1}& O^{\′}\\ O_{m-1}& {\mathrm{\Σ}}_{\mathrm{\θ}}& O^{\′}\\ O^{\′T}& O^{\′T}& {\mathrm{\Σ}}_{\mathrm{\α}}\end{array}\right]---\left(19\right)$

假设是INS加速度噪声的协方差，三个坐标轴之间相互独立，观测到的加速度的协方差为因相互正交，则导航系下的加速度协方差也为相对加速度的协方差为和分别是GNSS伪距和多普勒频移的观测误差，其中 ${\mathrm{\Σ}}_{\mathrm{\θ}}={\mathrm{\σ}}_{\mathrm{\θ}}^3{\mathrm{AA}}^T,$ 其中

A＝[1_(m-1)×1 -I_m-1 -1_(m-1)×1 I_m-1]   (20)

A中的1表示一个全为1的m-1×1矩阵，已知H、F、Q、G时，就可以使用卡尔曼滤波器实现相对定位。

Claims (4)

1.VANET中基于INS和GNSS伪距双差的协作相对定位方法，其特征在于，所述方法包括如下步骤：

步骤1，利用高精度里程仪中的数据对惯性导航系统INS中存在的长期累积误差进行修正，得到修正后的高精度的INS测量信息，由卫星的时钟误差和高空中的电离层、对流层等误差对处于同一区域的车辆来说是近似相同的，通过对来自同一观测卫星的不同的GNSS接收机进行差分消除这些公共误差；

步骤2，利用车辆自身携带的GNSS接收机，获取位置、速度以及时间信息，采用伪距双差方法，在有4颗以上的可见卫星时，通过最小二乘法获得车辆间相对位置，(即：导航系下的相对位置信息)的结果，车辆的位置结合卫星星历进行计算得到，速度通过多普勒频移解算得到；

步骤3，借助车辆之间的V2V通信技术，实现INS测量信息和GNSS测量信息之间的信息共享；

步骤4：借助扩展卡尔曼滤波算法，将接收到的信息和车辆自身测量信息进行数据融合，得到高精度的车辆间协作相对定位结果；使用卡尔曼滤波器将本地数据与接收到的数据进行融合处理时的状态模型为：

其中，χ为状态向量，F是滤波器的传输函数模型，G是噪声处理模型，是沿着各轴的高斯相对加速度噪声，假设为零均值，方差为τ是抽样间隔。

2.根据权利要求1所述的一种VANET中基于INS和GNSS伪距双差的协作相对定位方法，其特征在于：所述方法步骤1的伪距双差消除了接收机时钟误差的影响。

3.根据权利要求1所述的VANET中基于INS和GNSS伪距双差的协作相对定位方法，其特征在于，所述方法包括：首先，通过车辆之间的V2V通信，共享被高精度里程仪修正后的INS提供的加速度信息以及车辆GNSS位置信息等，实现车辆之间的相应信息共享；其次，通过扩展卡尔曼滤波技术对经过V2V通信接收到的邻近车辆的信息和本车信息进行信息融合处理，得到高精度的车辆间相对定位结果。

4.根据权利要求1所述的VANET中基于INS和GNSS伪距双差的协作相对定位方法，其特征在于：所述方法融合了GNSS伪距双差信息，GNSS信号的多普勒频移，同时融合了被高精度里程仪修正后的INS加速度信息。