CN107656301B - 一种基于多源信息融合的车载定位方法 - Google Patents

Abstract

本发明公开了一种基于多源信息融合的车载定位方法，该车载定位方法包括如下步骤：步骤1，从各系统中分别获取导航信息；步骤2，对来自不同系统的导航信息进行时空配准；步骤3，进行局部滤波；步骤4，进行信息融合；步骤5，信息融合后，输出定位信息，利用信息分配原则对主滤波器和子滤波器进行重置，然后返回步骤1。本发明创新地提供了一种基于多源信息融合的车载定位方法，将不同定位系统提供的位置信息进行数据融合，增加了系统余度，使得不同定位系统之间优势互补，增强系统动态适应能力，使总系统获得优于局部系统的精度，提高车载定位能力，进而使陆用武器发射系统具备长时、大范围机动能力。

Description

一种基于多源信息融合的车载定位方法

技术领域

本发明涉及车载捷联惯导定位定向技术领域，更为具体地，本发明为一种基于多源信息融合的车载定位方法。

背景技术

目前，为提高车载定位系统长时间精度保持能力和复杂环境适应能力，本领域技术人员一直都在寻找一种高精度、高可靠性的定位方法。但是，现有的单一导航定位系统存在固有缺陷，无法提供持续、稳定的导航信息，其更无法满足武器发射系统对长时、大范围机动能力的要求。比如，卫星导航系统的卫星信号易受干扰和欺骗，里程计系统常存在参数漂移、误差累积、受环境影响较稳严重等问题，高程计系统精度较差，地图匹配系统精度受数字地图精度影响且只能修正垂直方向的位置误差，地磁匹配系统易受干扰且匹配可靠性弱，景象匹配系统信息采集难度大，惯性导航系统需要不断更新校正、且高精度惯导费用过高。

因此，如何使车载定位系统提供持续、稳定的导航信息，已经成为了本领域技术人员亟待解决的技术问题和始终研究的重点。

发明内容

为解决现有单一导航系统无法提供持续、稳定的导航信息的问题，本发明创新地提出了一种基于多源信息融合的车载定位方法，通过数据融合的方式增加系统余度，从而使不同定位系统之间形成优势互补，从而有效提高了定位信息的稳定性、持续性及可靠性。

为实现上述的技术目的，本发明公开了一种基于多源信息融合的车载定位方法，所述车载定位方法包括如下步骤：

步骤1，在各自的量测时空内，从各系统中分别获取导航信息；所述各系统包括捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统，将捷联惯导系统作为公共参考系统；

步骤2，对来自不同系统的导航信息进行时空配准，令所有导航信息具有一致的时空属性；所述时空配准包括时间配准和空间配准；

步骤3，将来自捷联惯导系统的导航信息分别送入至各子滤波器，且将经过时空配准的导航信息分别送入各自对应的子滤波器、进行局部滤波；

步骤4，将各子滤波器输出的信息和捷联惯导系统的导航信息均送入主滤波器中、进行信息融合；

步骤5，信息融合后，输出定位信息，利用信息分配原则对主滤波器和子滤波器进行重置，然后返回步骤1。

本发明创新地提供了一种基于多源信息融合的车载定位方法，将不同定位系统提供的位置信息进行数据融合，增加了系统余度，使得不同定位系统之间优势互补，增强系统动态适应能力，从而使总系统获得优于局部系统的精度，提高车载定位能力，进而使陆用武器发射系统具备长时、大范围机动能力。

进一步地，由于来自各导航数据源的信息往往具有不同的时空属性，而具有不同的时空属性的信息无法直接进行融合，因此，本发明步骤2中，时间配准过程中，采用硬件中断计时与数据拟合外推结合的方式进行时间统一；空间配准过程中，采用统一基准坐标系与补偿杆臂误差结合的方式进行空间统一。

进一步地，步骤4中，令各子滤波器输出两类信息至主滤波器，两类信息分别为状态估计值和误差协方差阵，主滤波器和各子滤波器形成联邦卡尔曼滤波器。

进一步地，步骤4中，所述信息融合过程使用具有24维状态变量的误差模型，所述误差模型中的误差状态量为：

其中，ψ＝[δα δβ δγ]'表示东向、北向、天向姿态误差角，

表示东向、北向、天向速度误差，δp＝[δL δλ δh]'表示纬度、经度、高度位置误差，ε＝[ε_x ε_yε_z]'表示载体坐标系中x、y、z轴上陀螺常值零偏，

表示载体坐标系中x、y、z轴上加速度计常值零偏，k表示里程计刻度系数，δa和δb分别表示里程计的航向安装误差角和俯仰安装误差角，δl＝[δl_x δl_y δl_z]'表示载体坐标系中x、y、z轴上里程计杆臂误差，δlw＝[δlw_x δlw_y δlw_z]'表示载体坐标系中x、y、z轴上卫星接收机杆臂误差。

进一步地，所述误差模型中建立有姿态误差方程、速度误差方程、位置误差方程、陀螺漂移误差方程、加速度计偏置误差方程、里程计航向安装误差方程、里程计俯仰安装误差方程、里程计刻度系数误差方程、里程计杆臂误差方程、卫星接收机杆臂误差方程；

所述姿态误差方程为：

其中，

表示捷联惯导姿态转换矩阵，n系表示真实导航坐标系，

表示计算导航坐标系，b系表示捷联惯导坐标系，

表示n系相对惯性系角速度在n系下的投影，

表示陀螺角速度在b系下的投影；

所述速度误差方程为：

其中，f^b表示载体轴系的比力，

表示地球自转角速度在n系上的投影，

)表示n系相对地球转动角速度在n系上的投影，

表示捷联惯导的速度；

所述位置误差方程为：

其中，R_M表示地球子午圈曲率半径，

表示北向速度，

表示东向速度，

表示天向速度；

所述陀螺漂移误差方程为：

所述加速度计偏置误差方程为：

所述里程计航向安装误差方程为：

所述里程计俯仰安装误差方程为：

所述里程计刻度系数误差方程为：

所述里程计杆臂误差方程为：

所述卫星接收机杆臂误差方程为：

进一步地，利用所述误差模型中的所有误差方程构建捷联惯导系统误差方程，则捷联惯导系统误差方程为：

其中，

表示系统状态矢量的微分，X表示系统状态矢量，F(t)表示系统状态转移矩阵，w表示系统噪声。

进一步地，步骤3中，所述子滤波器包括惯性导航系统/里程计系统子滤波器、惯性导航系统/卫星导航系统子滤波器、惯性导航系统/地图匹配系统子滤波器；

所述惯性导航系统/里程计系统子滤波器使用如下观测量：

记做Z₁＝H₁X+v₁；

其中，v^I表示捷联惯导解算速度，v^od表示里程计在导航坐标系中的速度，

表示里程计外杆臂产生的速度；

所述惯性导航系统/卫星导航系统子滤波器使用位置量测差值和速度量测差值作为观测量：

记做

其中，p^I表示捷联惯导的位置，p^wx表示卫星在导航坐标系中的位置，

表示卫星接收机外杆臂产生的位置偏差，v^I表示捷联惯导的真实速度，v^wx表示卫星接收机在导航坐标系中的真实速度，

表示卫星接收机外杆臂产生的速度；

所述惯性导航系统/地图匹配系统子滤波器使用如下观测量：

记做Z₃＝H₃X+v₃；

其中，(E_INS,N_INS)表示捷联惯组的位置测量值，(E_beacon,N_beacon)表示用地图匹配方法检测到的道路交叉处的位置信息，R表示地球半径。

进一步地，步骤5中，联邦卡尔曼滤波器使用如下离散化系统误差模型进行数据处理，所述离散化系统误差模型通过系统误差方程和观测量得到；

其中，X_k表示系统状态向量；

表示量测向量：上标i＝1表示为惯性导航系统/里程计系统子滤波器的量测，上标i＝2表示为惯性导航系统/卫星导航系统子滤波器的量测，上标i＝3表示为惯性导航系统/地图匹配系统子滤波器的量测；

表示量测矩阵，W_k-1表示系统噪声向量，

表示量测噪声向量。

进一步地，步骤5中，各子滤波器独立进行时间更新和量测更新，分别得到状态估计值

和误差协方差阵P⁽¹⁾、P⁽²⁾、P⁽³⁾，主滤波器使用如下方式进行全局滤波：

(P^(G))^-1＝(P⁽¹⁾)^-1+(P⁽²⁾)^-1+(P⁽³⁾)^-1+(P^(m))^-1；

其中，

表示全局的状态估计，P^(G)表示全局的协方差，

分别表示三个子滤波器的状态估计值，P⁽¹⁾、P⁽²⁾、P⁽³⁾分别表示三个子滤波器的误差协方差阵。

进一步地，步骤5中，在完成一次信息融合后，按信息分配因子对每个子滤波器进行重置，重置过程如下：

其中，i＝1,2,3,m，β表示分配因子，β₁+β₂+β₃+β_m＝1。

本发明的有益效果为：本发明创新地将多种定位系统提供的信息进行数据融合，从而达到对各定位系统取长补短的目的，提高车载定位系统的长时间精度保持能力和环境适应性。

本发明有效增加了系统余度，使用本发明的车载定位系统具有更强的容错能力和复杂环境的适应能力。

本发明将捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统之间优势互补，增强了整个定位系统的动态适应能力，并使整个系统获得优于局部系统的精度，提升定位系统长时间精度保持能力。

本发明有效提高了空间和时间的覆盖能力，以实现真正意义上的连续导航，比如，当GPS信号失效时，惯性导航系统可以弥补导航空白，且能保持定位精度。

综上，一个完备的车载定位系统要求全面稳定的导航性能，可在复杂环境(含电磁环境)下自主完成定位任务。本发明基于多系统组合导航的优势，将多种导航技术有效地组合在一起，利用多种信息源，优势互补，构成一种多冗余度和导航准确度更高的多源信息融合车载定位系统，从而为陆基武器系统无依托发射并准确攻击目标提供保障。

附图说明

图1为基于多源信息融合的车载定位方法的流程示意图。

图2为实施多源信息融合的车载定位方法的简略框图。

图3为实施多源信息融合的车载定位方法的详细框图。

图4为捷联惯导系统与卫星导航系统数据同步示意图。

具体实施方式

下面结合说明书附图对本发明的基于多源信息融合的车载定位方法进行详细的解释和说明。

如图1-4所示，本发明公开了一种基于多源信息融合的车载定位方法，将捷联惯导系统、里程计系统、卫星导航系统(GPS)、地图匹配系统结合成多源信息融合系统，且子系统即插即用，当然，在本发明的技术启示下，也可以将其他类型的定位系统融入到本发明中；在初始准备时间不大于15分钟条件下，本发明有效提高复杂环境下的定位精度。具体来说，本发明车载定位方法包括如下步骤。

步骤1，在各自的量测时空内，从各系统中分别获取导航信息；在本实施例中，各系统包括捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统，将捷联惯导系统作为公共参考系统。

步骤2，由于本发明采用了多个导航信息源(或称多类导航传感器)，各种相同或不同类型的传感器系统分别从各自的量测时空获取信息，所得到的导航信息的时空属性不一致。因此本发明对来自不同系统的导航信息进行时空配准，令所有导航信息具有一致的时空属性，比如使来自不同系统的导航信息具有相同的形式、相同的参照、相同的描述等，使得后续的融合中心能够处理这些不同来源的信息；时空配准包括时间配准和空间配准；本实施例中，时间配准过程中采用硬件中断计时与数据拟合外推结合的方式进行时间统一，利用GPS与UTC(世界标准时间)准确对准的1PPS(秒脉冲)作为数据同步时标，根据硬件中断得到的精确计时计算出INS导航数据更新时刻与同步时标的时间差，进行融合时刻的数据同步处理，如图4所示，长竖线表示1PPS脉冲，即GPS数据更新点，短竖线为INS数据更新时刻，设INS与GPS的同步时间差为Δτ，在同步时间点的时标差为Δt，得到每个1PPS脉冲之前的INS输出同步时间差Δτ，经过外推即可算出INS在每个1PPS点上的值。为获得Δτ与Δt的值，本发明采用硬件中断计时方法，在硬件上引出INS的数据更新时标的方波信号(对应图中的短线)，GPS引出1PPS脉冲(对应长线)，对这两路脉冲信号进行隔离放大并引至中断控制器，利用组合导航计算机上集成的计数器对中断时间间隔进行精确计时；空间配准过程中，可采用统一基准坐标系与补偿杆臂误差结合的方式进行空间统一，在本发明的技术启示下，具体的统一基准坐标系方法和补偿杆臂误差方法可从现有方案中合理地选取。

步骤3，本实施例采用了联邦卡尔曼滤波方法，这种滤波方法使用主滤波器和多个子滤波器，进行两阶段的数据处理。本发明创新将来自捷联惯导系统的导航信息分别送入至各子滤波器，且将经过时空配准的导航信息分别送入各自对应的子滤波器、进行局部滤波，如图2、3所示，将捷联惯导系统的传感器作为参考传感器，捷联惯导系统输出X_k一方面给主滤波器，另一方面输出给各子滤波器作为量测值；各子系统(1,2.....N)输出只给相应的子滤波器(或称局部滤波器)，本实施例中，N为3。本发明中的各子滤波器输出两类信息至主滤波器，两类信息分别为状态估计值和误差协方差阵；各子滤波器的局部估计值X_i和协方差矩阵P_i送入主滤波器、且与主滤波器的估计值一起进行融合，达到全局的最优估计。

本实施例中，子滤波器包括惯性导航系统/里程计系统子滤波器、惯性导航系统/卫星导航系统子滤波器、惯性导航系统/地图匹配系统子滤波器；

惯性导航系统/里程计系统子滤波器使用如下观测量：

记做Z₁＝H₁X+v₁；

其中，v^I表示捷联惯导解算速度，v^od表示里程计在导航坐标系中的速度，

表示里程计外杆臂产生的速度；

惯性导航系统/卫星导航系统子滤波器使用位置量测差值和速度量测差值作为观测量：

记做

其中，p^I表示捷联惯导的位置，p^wx表示卫星在导航坐标系中的位置，

表示卫星接收机外杆臂产生的位置偏差，v^I表示捷联惯导的真实速度，v^wx表示卫星接收机在导航坐标系中的真实速度，

表示卫星接收机外杆臂产生的速度；

本实施例将检测到的道路交叉口的位置信息作为虚拟路标的观测，与惯性导航系统(INS)做差，构成在道路交叉口时INS与地图匹配系统的观测量，惯性导航系统/地图匹配系统子滤波器使用如下观测量：

记做Z₃＝H₃X+v₃；

其中，(E_INS,N_INS)表示捷联惯组的位置测量值，(E_beacon,N_beacon)表示用地图匹配方法检测到的道路交叉处的位置信息，R表示地球半径。

步骤4，如图2、3所示，本发明将各子滤波器输出的信息和捷联惯导系统的导航信息均送入主滤波器中、进行信息融合，具体说明如下。

本实施例中，信息融合过程使用具有24维状态变量的误差模型，并分析该误差模型的线性度和噪声特性，该误差模型中的误差状态量为：

其中，ψ＝[δα δβ δγ]'表示东向、北向、天向姿态误差角，

表示东向、北向、天向速度误差，δp＝[δL δλ δh]'表示纬度、经度、高度位置误差，ε＝[ε_x ε_yε_z]'表示载体坐标系中x、y、z轴上陀螺常值零偏，

表示载体坐标系中x、y、z轴上加速度计常值零偏，k表示里程计刻度系数，δa和δb分别表示里程计的航向安装误差角和俯仰安装误差角，δl＝[δl_x δl_y δl_z]'表示载体坐标系中x、y、z轴上里程计杆臂误差，δlw＝[δlw_x δlw_y δlw_z]'表示载体坐标系中x、y、z轴上卫星接收机杆臂误差，共24维状态变量，且误差模型中建立有姿态误差方程、速度误差方程、位置误差方程、陀螺漂移误差方程、加速度计偏置误差方程、里程计航向安装误差方程、里程计俯仰安装误差方程、里程计刻度系数误差方程、里程计杆臂误差方程以及卫星接收机杆臂误差方程；下面详述各状态变量对应的各误差方程的建立。

姿态误差方程为：

其中，

表示捷联惯导姿态转换矩阵，n系表示真实导航坐标系，

表示计算导航坐标系，b系表示捷联惯导坐标系，

表示n系相对惯性系角速度在n系下的投影，

表示陀螺角速度在b系下的投影；应当理解，本发明涉及的δ表示相应参数的误差，比如

表示陀螺角速度在b系下的投影误差。

速度误差方程为：

其中，f^b表示载体轴系的比力，

表示地球自转角速度在n系上的投影，

表示n系相对地球转动角速度在n系上的投影，

表示捷联惯导的速度；

位置误差方程为：

其中，R_M表示地球子午圈曲率半径，

表示北向速度，

表示东向速度，

表示天向速度；

陀螺漂移误差方程为：

该方程为微分误差方程；本发明将陀螺漂移误差视为随机常值，即ε＝ε₀+w_ε，其中，ε₀为常值，w_ε为协方差矩阵已知的高斯白噪声。

加速度计偏置误差方程为：

该方程为微分误差方程；本发明将加速度计偏置误差视为随机常值，即

其中，

为常值，

为协方差矩阵已知的高斯白噪声。

里程计航向安装误差方程为：

里程计俯仰安装误差方程为：

里程计刻度系数误差方程为：

里程计杆臂误差方程为：

卫星接收机杆臂误差方程为：

联合上述的方程，利用误差模型中的所有误差方程构建捷联惯导系统误差方程，本发明通过这种融合的方式达到充分利用各个信息源的长处的目的，有效地增加了系统冗余度，增强了定位系统的动态适应能力，使得整个系统显著地优于局部系统，提升定位系统长时间的精度保持能力，可在复杂情况下自主完成定位任务。

联立上述各误差方程：

其中，

则得到的捷联惯导系统误差方程可整理为：

其中，

表示系统状态矢量的微分，X表示系统状态矢量，F(t)表示系统状态转移矩阵，w表示系统噪声，

为地球卯酉圈曲率半径。

步骤5，如图2、3所示，信息融合后，输出定位信息，利用信息分配原则对主滤波器和子滤波器进行重置，然后返回步骤1。

本发明中，联邦卡尔曼滤波器使用如下离散化系统误差模型进行数据处理，离散化系统误差模型通过系统误差方程和观测量得到；

其中，X_k表示系统状态向量；

表示量测向量：上标i＝1表示为惯性导航系统/里程计系统子滤波器的量测，上标i＝2表示为惯性导航系统/卫星导航系统子滤波器的量测，上标i＝3表示为惯性导航系统/地图匹配系统子滤波器的量测；

表示量测矩阵，W_k-1表示系统噪声向量，

表示量测噪声向量，且W_k-1和

是互不相关的高斯白噪声序列，W_k的协方差阵为Q，

的协方差阵为R⁽ⁱ⁾。

本发明中，各子滤波器独立进行时间更新和量测更新，分别得到状态估计值

和误差协方差阵P⁽¹⁾、P⁽²⁾、P⁽³⁾，主滤波器使用如下方式进行全局滤波：

(P^(G))^-1＝(P⁽¹⁾)^-1+(P⁽²⁾)^-1+(P⁽³⁾)^-1+(P^(m))^-1；

其中，

表示全局的状态估计，P^(G)表示全局的协方差，

分别表示三个子滤波器的状态估计值，P⁽¹⁾、P⁽²⁾、P⁽³⁾分别表示三个子滤波器的误差协方差阵。

本发明中，在完成一次信息融合后，按信息分配因子对每个子滤波器进行重置，重置过程如下：

其中，i＝1,2,3,m，β表示分配因子，β₁+β₂+β₃+β_m＝1。在系统工作中，若子系统全部工作正常，则

若卫星导航系统失效，则β₁置为0，

若里程计失效，则β₂置为0，以此类推。若子系统都不可使用，则β_m＝1，即系统完全依赖于INS误差模型。

在本说明书的描述中，参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于多源信息融合的车载定位方法，其特征在于：所述车载定位方法包括如下步骤：

步骤1，在各自的量测时空内，从各系统中分别获取导航信息；所述各系统包括捷联惯导系统、里程计系统、卫星导航系统、地图匹配系统及高程计系统，将捷联惯导系统作为公共参考系统；

步骤2，对来自不同系统的导航信息进行时空配准，令所有导航信息具有一致的时空属性；所述时空配准包括时间配准和空间配准；

步骤3，将来自捷联惯导系统的导航信息分别送入至各子滤波器，且将经过时空配准的导航信息分别送入各自对应的子滤波器、进行局部滤波；

步骤4，将各子滤波器输出的信息和捷联惯导系统的导航信息均送入主滤波器中、进行信息融合；

步骤5，信息融合后，输出定位信息，利用信息分配原则对主滤波器和子滤波器进行重置，然后返回步骤1；

所述步骤2中，时间配准过程中，采用硬件中断计时与数据拟合外推结合的方式进行时间统一；空间配准过程中，采用统一基准坐标系与补偿杆臂误差结合的方式进行空间统一；

所述步骤4中，令各子滤波器输出两类信息至主滤波器，两类信息分别为状态估计值和误差协方差阵，主滤波器和各子滤波器形成联邦卡尔曼滤波器；

所述步骤4中，所述信息融合过程使用具有24维状态变量的误差模型，所述误差模型中的误差状态量为：

其中，ψ＝[δα δβ δγ]'表示东向、北向、天向姿态误差角，

表示东向、北向、天向速度误差，δp＝[δLδλδh]'表示纬度、经度、高度位置误差，ε＝[ε_x ε_y ε_z]'表示载体坐标系中x、y、z轴上陀螺常值零偏，

表示载体坐标系中x、y、z轴上加速度计常值零偏，k表示里程计刻度系数，δa和δb分别表示里程计的航向安装误差角和俯仰安装误差角，δl＝[δl_x δl_y δl_z]'表示载体坐标系中x、y、z轴上里程计杆臂误差，δlw＝[δlw_x δlw_y δlw_z]'表示载体坐标系中x、y、z轴上卫星接收机杆臂误差。

2.根据权利要求1所述的基于多源信息融合的车载定位方法，其特征在于：所述误差模型中建立有姿态误差方程、速度误差方程、位置误差方程、陀螺漂移误差方程、加速度计偏置误差方程、里程计航向安装误差方程、里程计俯仰安装误差方程、里程计刻度系数误差方程、里程计杆臂误差方程、卫星接收机杆臂误差方程；

所述姿态误差方程为：

其中，

表示捷联惯导姿态转换矩阵，n系表示真实导航坐标系，

表示计算导航坐标系，b系表示捷联惯导坐标系，

表示n系相对惯性系角速度在n系下的投影，

表示陀螺角速度在b系下的投影；

所述速度误差方程为：

其中，f^b表示载体轴系的比力，

表示地球自转角速度在n系上的投影，

表示n系相对地球转动角速度在n系上的投影，

表示捷联惯导的速度；

所述位置误差方程为：

其中，R_M表示地球子午圈曲率半径，

表示北向速度，

表示东向速度，

表示天向速度；

所述陀螺漂移误差方程为：

所述加速度计偏置误差方程为：

所述里程计航向安装误差方程为：

所述里程计俯仰安装误差方程为：

所述里程计刻度系数误差方程为：

所述里程计杆臂误差方程为：

所述卫星接收机杆臂误差方程为：

3.根据权利要求1所述的基于多源信息融合的车载定位方法，其特征在于：利用所述误差模型中的所有误差方程构建捷联惯导系统误差方程，则捷联惯导系统误差方程为：

其中，

表示系统状态矢量的微分，X表示系统状态矢量，F(t)表示系统状态转移矩阵，w表示系统噪声。

4.根据权利要求3所述的基于多源信息融合的车载定位方法，其特征在于：

步骤3中，所述子滤波器包括惯性导航系统/里程计系统子滤波器、惯性导航系统/卫星导航系统子滤波器、惯性导航系统/地图匹配系统子滤波器；

所述惯性导航系统/里程计系统子滤波器使用如下观测量：

记做Z₁＝H₁X+v₁；

其中，v^I表示捷联惯导解算速度，v^od表示里程计在导航坐标系中的速度，

表示里程计外杆臂产生的速度；

所述惯性导航系统/卫星导航系统子滤波器使用位置量测差值和速度量测差值作为观测量：

记做

其中，p^I表示捷联惯导的位置，p^wx表示卫星在导航坐标系中的位置，

表示卫星接收机外杆臂产生的位置偏差，v^I表示捷联惯导的真实速度，v^wx表示卫星接收机在导航坐标系中的真实速度，

表示卫星接收机外杆臂产生的速度；

所述惯性导航系统/地图匹配系统子滤波器使用如下观测量：

记做Z₃＝H₃X+v₃；

其中，(E_INS,N_INS)表示捷联惯组的位置测量值，(E_beacon,N_beacon)表示用地图匹配方法检测到的道路交叉处的位置信息，R表示地球半径。

5.根据权利要求4所述的基于多源信息融合的车载定位方法，其特征在于：

步骤5中，联邦卡尔曼滤波器使用如下离散化系统误差模型进行数据处理，所述离散化系统误差模型通过系统误差方程和观测量得到；

其中，X_k表示系统状态向量；

表示量测向量：上标i＝1表示为惯性导航系统/里程计系统子滤波器的量测，上标i＝2表示为惯性导航系统/卫星导航系统子滤波器的量测，上标i＝3表示为惯性导航系统/地图匹配系统子滤波器的量测；

表示量测矩阵，W_k-1表示系统噪声向量，

表示量测噪声向量。

6.根据权利要求5所述的基于多源信息融合的车载定位方法，其特征在于：

步骤5中，各子滤波器独立进行时间更新和量测更新，分别得到状态估计值

和误差协方差阵P⁽¹⁾、P⁽²⁾、P⁽³⁾，主滤波器使用如下方式进行全局滤波：

(P^(G))^-1＝(P⁽¹⁾)^-1+(P⁽²⁾)^-1+(P⁽³⁾)^-1+(P^(m))^-1；

其中，

表示全局的状态估计，P^(G)表示全局的协方差，

分别表示三个子滤波器的状态估计值，P⁽¹⁾、P⁽²⁾、P⁽³⁾分别表示三个子滤波器的误差协方差阵。

7.根据权利要求6所述的基于多源信息融合的车载定位方法，其特征在于：

步骤5中，在完成一次信息融合后，按信息分配因子对每个子滤波器进行重置，重置过程如下：

其中，i＝1,2,3,m，β表示分配因子，β₁+β₂+β₃+β_m＝1。

Images