JP2001201553A - 汎用位置決めシステム、およびハイブリッド位置決め機能をもった多重モデルナビゲーションフィルタ - Google Patents

汎用位置決めシステム、およびハイブリッド位置決め機能をもった多重モデルナビゲーションフィルタ

Info

Publication number
JP2001201553A
JP2001201553A JP2000352602A JP2000352602A JP2001201553A JP 2001201553 A JP2001201553 A JP 2001201553A JP 2000352602 A JP2000352602 A JP 2000352602A JP 2000352602 A JP2000352602 A JP 2000352602A JP 2001201553 A JP2001201553 A JP 2001201553A
Authority
JP
Japan
Prior art keywords
state
filter
model
positioning system
motion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2000352602A
Other languages
English (en)
Inventor
Jari Syrjaerinne
シルエリネ ヤリ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Oyj
Original Assignee
Nokia Mobile Phones Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nokia Mobile Phones Ltd filed Critical Nokia Mobile Phones Ltd
Publication of JP2001201553A publication Critical patent/JP2001201553A/ja
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0248—Filters characterised by a particular frequency response or filtering method
    • H03H17/0255—Filters based on statistics
    • H03H17/0257—KALMAN filters

Landscapes

  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Testing Of Engines (AREA)

Abstract

(57)【要約】 【課題】 カルマンフィルタベースの位置決めシステム
の不整合問題を解決する方法、すなわち、１つの特定の
サブ集合をなす場合に対してこのような位置決めシステ
ムを同調させなければならないという問題を避けること
ができる汎用位置決めシステム、およびハイブリッド位
置決め機能をもった多重モデルナビゲーションフィルタ
を提供する。 【解決手段】 物体の運動のセグメントに対する状態を
を推定する際に用いる少なくとも１つの運動モデルを選
択するモデルセレクタおよびモデルバンクと、前記一連
の状態測定値に反応して、さらにモデル混合パラメータ
および前記選択された運動モデルに反応して、前記状態
の一連の多重モデル推定値を決定するフィルタとを備え
る汎用位置決めシステム

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は衛星とセルラーネッ
トワークからの信号を用いるナビゲーション位置決めシ
ステムの分野に関する。より特定的には、本発明はこの
ようなナビゲーションシステムの一部であるフィルタに
関する。
【０００２】
【従来の技術】全地球位置決めシステム（ＧＰＳ）にお
いては、使用者の位置、速度および時間（ＰＶＴ）は衛
星から使用者への距離から得られる。（使用者の時間
は、使用者の時間に対して、衛星から使用者への距離の
情報の送信時間が距離信号から得られることを示すため
に得られるといわれている。）３個より多い衛星を基準
として測定することによって、使用者の３次元位置が、
使用者の（３次元の）速度と共に推定できる。この位置
測定値は、スタンドアロン受信器またはネットワーク支
援ＧＰＳ受信器の本質的な部品であるナビゲーションフ
ィルタ中で処理される。ネットワーク支援ＧＰＳ受信器
は、１部のフィルタリング計算のために、使用者から分
離した計算施設を用い、また、セルラー（遠隔通信）ネ
ットワーク（ＮＷ）などのネットワークを介して使用者
のＧＰＳ受信器と通信するＧＰＳ受信器である。
【０００３】衛星から使用者への距離を用いるほかに、
位置決めシステムはまた、セルラーネットワークの基地
局によって提供された距離、すなわち基地局から使用者
への距離の情報を用いることができる。セルラー距離は
ＧＰＳシステム中での距離情報とは別途に得られ、ま
た、セルラー距離を用いて使用者ＰＶの推定値を発生す
るのにたった３つの距離測定値しか必要としない。現時
点では、位置決めシステムはセルラー距離情報を用いる
ようには設計されていないが、その理由は、セル認識報
告はセルラー基地局からの信号の中にはまだ含まれてい
ないからである。しかしながら、現在開発中のＷ−ＣＤ
ＭＡシステムはすでに、セル認識を提供し、これによっ
てセルラー位置決めを可能とする機能を有している。
【０００４】距離測定値から使用者のＰＶＴを計算する
方法は多くあるが、ＧＰＳとセルラー位置決め機能が合
成された（ハイブリッドの位置決め機能）の場合、拡張
カルマンフィルタ(ＥＫＦ)を選ぶのが適切である。ＥＫ
Ｆまたはカルマンフィルタは一般に、ＰＶＴ測定値の履
歴を利用して使用者のＰＶＴの推定値を発生する帰納的
なアルゴリズムを用いている。カルマンフィルタは測定
値のシーケンスを平滑化し、事前定義された状態とモデ
ル、また測定雑音に基づいて測定値をフィルタリングす
ることによって使用者ＰＶＴ推定値を提供する。
【０００５】カルマンフィルタから得られた使用者ＰＶ
Ｔ推定値の精度は、そのフィルタの用途に対して選択さ
れた状態と雑音レベルによって左右される。純粋なカル
マンフィルタのソリューション（応答解）の欠点は、状
態の選び方が良くないと、カルマンフィルタ（ＫＦ）の
効果が不満足なものとなることである。このような場
合、そのフィルタは不整合であるといわれる。これらの
状態は、大きすぎる自由度を提供する（状態とそれに対
応する導関数の数が多すぎる）ように、または少なすぎ
る自由度を提供する（用いられる状態があまりに少な
い）ように選択することができる。
【０００６】多くの場合（アプリケーション）において
満足すべき推定値を提供するような適切な集合をなす状
態と、この選択された状態の集合中の適切な数の状態
と、を発見するのは困難である。通常は、ＫＦベースの
（カルマンフィルタに基づいた）ナビゲーションフィル
タは考えられるあらゆる場合の中のあるサブ集合に対し
て同調され、その結果、希望する場合のサブ集合から外
れた別の場合に対する最適な解決策となる。たとえば、
車両用に設計され同調されたＫＦベースのナビゲーショ
ンフィルタは、歩行者用または航空機位置決めにはあま
り適切ではない。それは限られた場合の集合に対してし
か整合しない。
【０００７】必要なのは、ＫＦベースの位置決めシステ
ムの不整合問題を解決する方法、すなわち、１つの特定
のサブ集合をなす場合に対してこのような位置決めシス
テムを同調させなければならないという問題を避ける方
法である。理想的には、必要なのは、ＫＦベースの位置
決めシステムを同調する対象となる相手側の場合のサブ
集合を適応させて、追跡中である物体の運動の特徴がか
なり変化する場合でさえも整合性を維持する方法であ
る。すなわち理想的に必要とされるのは、ロバストであ
る（多様な運動に適応できる）同調済みＫＦベースの位
置決めシステムを作成する方法である。
【０００８】
【課題を解決するための手段】したがって、本発明は、
物体の運動の状態を推定する汎用位置決めシステムと、
それに対応するフィルタと、それに対応する方法であ
り、この汎用位置決めシステムは、距離情報の供給源に
よって提供された距離情報に反応して、各々が別々の時
刻に対応する一連の状態測定値を提供するために状態の
測定値を決定する測定エンジンと、前記物体の運動のセ
グメントに対する状態を推定する際に用いられる少なく
とも１つの運動モデルを選択するモデルセレクタおよび
モデルバンクと、前記一連の状態測定値に反応し、さら
にモデル混合パラメータと選択された運動モデルに反応
して、前記状態の一連の多重モデル推定値を決定するフ
ィルタとを含んでいる。
【０００９】このフィルタは統計的なフィルタであるの
が望ましく、また、多重モデル状態測定値は、いわゆる
協調動作多重モデルによって提供されるのが望ましい。
【００１０】本発明の別の態様では、汎用位置決めシス
テムはまた、状態測定値に反応して、重み付けされた一
連の最小二乗状態推定値を直接的に決定する重み付けさ
れた最小二乗フィルタと、前記重み付けされた最小二乗
状態推定値と多重モデル推定値に反応して、ある時刻に
おける重み付けされた最小二乗状態推定値またはその時
刻における多重モデル状態推定値のいずれかを、前記多
重モデル状態推定値および先行する多重モデル状態推定
値に基づいて選択する整合性チェッカとを含んでいる。
【００１１】本発明のさらなる態様では、距離情報の供
給源はセルラー基地局であり、また、本発明のさらに別
の態様では、距離情報の供給源は衛星である。
【００１２】本発明の方法によれば、物体の運動の状態
を推定するに際して、つぎのステップが実行される、一
連の状態測定値の中にあるつぎの状態測定値を獲得する
ステップと、前記物体の運動のセグメントに対する状態
を推定する際に用いられる（少なくとも）２つの運動モ
デルをモデルバンクから選択するステップと、この２つ
の選択された運動モデルの各々にしたがってつぎの状態
推定値を合成するモデル混合パラメータを決定するステ
ップと、選択された各運動モデルをフィルタリングし
て、前記つぎの状態測定値に基づいてこの２つの選択済
み運動モデルの各々にしたがってつぎの状態推定値を提
供し、前記２つのつぎの状態推定値をモデル混合パラメ
ータにしたがって合成して、つぎの多重モデル状態推定
値を提供するステップ。
【００１３】本発明のさらに別の態様では、つぎの追加
のステップが実行される、選択された各運動モデルのフ
ィルタリングと並行して前記状態測定値の重み付け最小
二乗フィルタリングを実行して、前記つぎの状態測定値
からつぎの重み付けされた最小二乗状態推定値を直接的
に決定するステップと、前記つぎの重み付け最小二乗状
態推定値と前記つぎの多重モデル状態推定値に反応する
ように整合性チェックを実行して、前記多重モデル状態
推定値と先行する多重モデル状態推定値に基づいて、つ
ぎの重み付けされた最小二乗状態推定値またはつぎの多
重モデル状態推定値のいずれかを選択するステップ。
【００１４】
【発明の実施の形態】本発明の前記の、そして他の目
的、特徴および利点は添付図面と関連して提示される以
下の詳細な説明を考慮すれば明らかであろう。
【００１５】好ましい実施形態では、本発明は統計的フ
ィルタを使用する。最良の形態においては、そのような
フィルタは、たとえば拡張カルマンフィルタ（ＥＫＦ）
または他の非線形フィルタを含むカルマンフィルタであ
る。そのようなフィルタは、位置または速度またはその
両方の測定値等の、現在および先行する状態の測定値を
含む統計的測定値に基づいてその状態の測定値をフィル
タリングすることを表すため、ここでは「統計的」と呼
ばれる。
【００１６】しかしながら、本発明はそのようなシステ
ム内のカルマンフィルタだけを用いることに限定され
ず、位置測定システム内の、または速度等の物体の運動
の別のアスペクトを測定するシステム、したがって（必
ずしも位置を測定する訳ではないので）ここでは汎用位
置決めシステムと呼ばれるシステム内の全ての統計的フ
ィルタを用いることが可能である、すなわち、本発明に
よるナビゲーションフィルタを用いた物体について与え
られる状態情報は、いくつかの応用分野では位置を含ま
ず、代りに物体運動の他のある形態だけを含むことが可
能である、と理解されたい。システムは他の運動の形態
に対する値を推定することができるが、位置を推定する
場合には「位置決めシステム」と呼ばれることが多い。
しかし他の場合には最も重要な運動アスペクトは位置以
外の他のものである。それはたとえば角速度、または線
加速度または角加速度、または単に線速度であるかもし
れない。したがって一般に本発明は、単に汎用位置決め
システムの一部として説明され、いくつかの応用におい
ては位置の推定を、しかし他の応用においては必ずしも
位置を含まずに他の運動の形態の推定を行なうシステム
の一部として用いられるものであると理解されたい。
【００１７】さらに、カルマンフィルタおよび他の種類
の統計的フィルタは周知であるために、カルマンフィル
タおよび他の種類の統計的フィルタの製造はここでは開
示されていない。たとえば、１９９９年５月１１日出願
の「車両を追跡する装置および方法」と題する米国特許
第５，９０２，３５１号明細書を見られたい。
【００１８】ここで図１を参照すると、本発明の最良の
形態では位置決めシステム１０は、衛星から使用者への
距離情報とセルラー基地局から使用者への距離情報の両
方を受信するための異種の測定エンジンを含み、それら
の情報から位置決めシステムの使用者の運動の現在の状
態の測定値が決定される。測定値はロバスト（適応性の
ある）なフィルタ１１の２つのモジュールに与えられる
が、その一方は協調動作する（interacting）複数のモ
デル（ＩＭＭ）のモジュール１２を含み、他方は重み付
け最小二乗（ＷＬＳ）モジュール１４である。それらの
各々は、測定値に基づいて（普通異なる）状態の推定値
（すなわち、位置およびおそらく速度等の他の運動の側
面の推定値）を計算する。両方の状態推定値は整合性チ
ェッカ１５へ与えられる。ＩＭＭモジュールによって与
えられる推定値から不整合性を示すものが無ければ、整
合性チェッカはＩＭＭの状態推定値を選択する。そのよ
うな場合は、整合性チェッカはＷＬＳの状態推定値を選
択する。それから選択された状態推定値、または単に位
置および速度等の推定値の１部は、出力ディスプレイ２
２へ与えられる。
【００１９】（ＩＭＭに基づくナビゲーションフィル
タ） ＩＭＭの概要 さらに図１を参照するとＩＭＭモジュールは、モデルバ
ンクと呼ばれる運動モデルのデータベース、ＥＫＦ状態
推定器、および１つまたは別の運動モデルを選択して全
体のモデルの組み合せ、すなわち異なるモデルに従う追
跡の予測の組み合わせの方法を制御する基礎的なマルコ
フ連鎖を含む。モデルバンクを形成するモデルは互いに
大きく異なる、すなわち、あるモデルはたとえば追跡の
分割（track split）過程のモデルであり、他のモデル
は時間依存非線形操作または単に均一な線形運動のモデ
ルであるかも知れない。マルコフ連鎖は決まった所定の
確率遷移マトリックスＭによって定義される。図１には
ただ１つのＥＫＦ状態推定器だけが示されているが、物
体の運動の１つのセグメントに複数の追跡を組合わせる
場合には、以下に説明するように異なるＥＫＦ推定器が
各モデルに対してしばしば用いられる。
【００２０】ここで図２を参照すると、ＩＭＭの流れ図
が表されており、位置決めシステム１０はどのような所
与の運動セグメントに対しても１つ以上の選択モデルの
組み合せを用いることができることが示されている。原
理的にはいくつのモデルでも混合することが可能である
が、図には混合パラメータμ（ｋ）に基づく２つのモデ
ルだけの混合が示されている。たとえば図２のような２
つのモデルの場合は、２つの異なるＥＫＦフィルタを用
いてそのそれぞれが、異なる一方のモデルに基づいて状
態推定値を与える。しかしながら１つのＥＫＦフィルタ
を用いて各モデルに対して順々に状態推定値を与えるこ
とも時にはある。
【００２１】本発明によって解決された問題の中にＩＭ
Ｍの長所のいくつかの特徴が存在する。ＩＭＭは良好な
フィルタ整合性を与えそうな個々のモデルの組み合せを
常に用いて、並列する運動モデル間で適切に切り替わ
る。ＩＭＭは無決定的である、すなわち１つのモデルか
ら別のモデルへの切り換えを統御するのに特別な論理を
必要としない。さらにＩＭＭ応用例における運動モデル
の数は任意であり、それらのモデルは非常に異なった雑
音レベル、構造または確定的入力をもつ。
【００２２】（運動のモデル（モデルバンク））全ての
追跡アルゴリズムの本質的部分は、ＰＶＴが決定されて
いる物体の予測される運動を記述するモデルである。Ｉ
ＭＭをもたないカルマンフィルタに基づくナビゲーショ
ンフィルタでは、運動の１つのタイプだけがあらかじめ
選択される。運動はフィルタの状態によってモデル化さ
れる。しかしながらＩＭＭを用いれば、多くの異なる運
動をモデル化でき、それらを並行して用いることができ
る。
【００２３】車輪式であれ非車輪式であれ位置決めシス
テムを用いる物体はしばしば予想外の動作をするが、別
の場合にはある一定の速度で移動すると仮定するのが自
然である。また物体のＰＶＴの連続的で信頼できる測定
値を得るために動作は補償されなければならないことも
明らかである。所定の運動モデルが物体の動作により良
く順応していればいるほど、距離情報を受け取る位置決
めシステムのセンサーが故障したり障害物によって妨害
されているあいだでも、位置決めシステムによって用い
られるアルゴリズム（ナビゲーションフィルタ）の結果
はより正確なものになる。選択されたモデルの適応が不
完全であればナビゲーションフィルタのＰＶＴ推定値も
不完全になるのは明らかである。
【００２４】静的な（移動していない）場合をも含む広
範囲におよぶ運動モードを扱うために、また最良の選択
を見つけ出すために、つぎの運動モデルの構造が選択さ
れる。これらは、非常にありそうにない動作を扱えるよ
うにパラメータを設定することができる。
【００２５】（静的モデル）プロセスの雑音σv 2が低レ
ベルの場合は、いわゆる静的なモデルが良い選択であ
る。すなわちＰＶＴが決定されつつある物体の運動の少
なくとも１つのセグメントに対しては良い選択である。
静的モデルでは、物体は静止している（止まっている、
置かれているまたは固定している）とみなされる。モデ
ルは５つの状態だけからなる、すなわち
【００２６】
【数１】
【００２７】他の全ての状態、たとえば速度および加速
度の各要素は、常にゼロであると見なされる。
【００２８】（定速度モデル）定速度のセグメントに対
しては、８つの状態からなるモデルが用いられる、すな
わち、
【００２９】
【数２】
【００３０】フィルタを速度の変化に関してよりロバス
ト（適応的）にするために、つぎのプロセス雑音共分散
マトリックスが用いられる。
【００３１】
【数３】
【００３２】定速度のモデルでは、プロセス雑音の分散
σv 2は静的モデルにおける値よりも大きな値に設定され
る。
【００３３】（回転モデル）回転モデルでは、回転（方
向の変化）の平均速度が推定される。（回転は、所定の
点に関しての目標の回転運動とみなされる。）回転速度
ωが状態ベクトルｘに加えられ、プロセス雑音共分散マ
トリックスが１行１列分だけ拡張されるという点を除け
ば、回転モデルは定速度モデルに類似している。
【００３４】
【数４】
【００３５】ここでσω 2は回転速度に対するプロセス
雑音共分散である。そのようなモデルの１つが、時計周
り方向の回転および反時計周り方向の回転の双方に対し
て用いられる。運動がたとえばハイウェイのランプ上の
自動車のようにかなり一定した回転に関わる場合には、
回転モデルが物体の運動のモデル化セグメントに良く適
応する。
【００３６】（着色雑音モデル）ＰＶＴが決定されつつ
ある物体の運動は白色雑音プロセスというよりも相関雑
音プロセス（すなわち、ランダムウォーク）である。そ
のようなモデルでは、物体の加速度は指数関数の自己相
関関数をもつゼロ平均ランダムプロセスとしてモデル化
される。状態ベクトルｘはその次数が１１であるとみな
され、とくに
【００３７】
【数５】
【００３８】である。ｘ、ｙおよびｚの次元に対する離
散状態遷移マトリックスはつぎのようになる。
【００３９】
【数６】
【００４０】ここでαは運動の自己相関の相反持続時間
を定める時定数である。αの異なるパラメータ化によっ
て、異なる種類の運動がモデル化できる。αＴ≪１の場
合における対応するプロセスの雑音共分散マトリックス
はつぎのようになる、
【００４１】
【数７】
【００４２】ここでσα 2は目標の加速度の分散であ
り、Ｔはサンプル時間すなわち位置が推定されている時
間である。
【００４３】（ロバストフィルタ：ＩＭＭおよびＷＬＳ
をもつナビゲーションフィルタ） ロバストフィルタの概要 ＩＭＭを用いるものを含めて全ての帰納的ナビゲーショ
ンフィルタは極端な場合には整合性が無くなる危険性が
あり、その結果非常に不完全なソリューション（応答
解）をもたらすので、整合性に疑わしさがある状況では
直接的方法を用いるのが好都合である。直接的方法は、
測定値の履歴に基づかないという点で帰納的方法とは異
なる、直接的方法は測定値の最も直前の集合だけに基づ
いて使用者のＰＶＴを計算する。フィルタの不整合性が
増したときに直接的方法を用いることによって、たとえ
ばある時間間隔のあいだだけ持続し、かつその間にフィ
ルタによって用いられる測定値に影響を及ぼす現象のた
めに真のソリューションからフィルタが偏ってしまう
（履歴データが歪められる）危険を回避することができ
る。
【００４４】最も普通の信頼できる直接的方法の中に
は、たとえば後述する重み付き（荷重）最小二乗（ＷＬ
Ｓ）法のような任意の最小二乗ベースの方法である。整
合性が疑わしい場合にＩＭＭの替わりにフィードバック
推定器としてＷＬＳを用いるナビゲーションフィルタに
おいて、ＩＭＭから切換えてＷＬＳを代りに用いるとい
う判断は、後述するようにＩＭＭ（フィルタ）によって
行なわれる自己診断に基づく。最新の測定値とその予測
値との偏差からみてＩＭＭの不整合性が過度に大きいと
認められれば、現在の使用者のＰＶＴは破棄されて、Ｉ
ＭＭ（フィルタ）は即時的なＷＬＳソリューションに基
づいて再初期化される。潜在的な不整合性の場合にＷＬ
Ｓへ切り替えることによって、容認できない偏向（履歴
データの歪み）をまたは追跡の喪失をも回避することが
可能になる。
【００４５】重み付き最小二乗ソリューション ＷＬＳソリューションでは、各測定値は重みを付けられ
て、他の測定値に対してその重要性を変化させる。その
ような重み付けによって、測定値の発生源やその測定値
の品質（信号対雑音比またはビット誤り率など）の指標
を考慮することが可能となる。ＷＬＳソリューションは
次式によって与えられる。
【００４６】
【数８】
【００４７】は、対角線要素として測定値の重みをも
ち、Δρと同じ次元数をもつ（対角線）加重マトリック
スである。ＷＬＳソリューションに用いられる重みは、
キャリヤ対雑音比、または重み付けされるべき測定値の
他の品質の指標に基づいて選択される。ＷＬＳの方法は
また、ＧＰＳの三角測量法による距離の測定値から使用
者の速度を推定するために用いることができる。
【００４８】（自己診断法）前記のように、ＩＭＭ（フ
ィルタ）が非常に多様性のあるモデルバンクとともに用
いられたとしても、ひどく整合性を欠く場合があり得
る。不完全な整合性が追跡の喪失を引き起こすかまたは
ナビゲーションフィルタの出力（状態推定値）をひどく
偏向させる前に、不完全な整合性は識別されて補正され
るべきである。本発明は、ＩＭＭによって実行される自
己診断法を用いてそのような識別を行なう。
【００４９】ＩＭＭは統計的検査を用いてフィルタの不
完全な整合性を検出する。その検査はいわゆる測定値予
測偏差値または測定値残差を用いるが、それらは本質的
に、（カルマンフィルタのような統計的フィルタにおい
て）測定値と、位置決めシステムのフィルタによる先行
推定値に基づく測定値の予測値との間の差として定義さ
れる。検査の背景となる基本的な考え方は、測定値予測
偏差が基本的にゼロ平均をもち、かつフィルタによる出
力に基づいて計算された予測偏差共分散と釣り合った大
きさをもつ限りにおいてだけ整合性を有するということ
である。これらの判断基準は正規化予測偏差二乗（ＮＩ
Ｓ：normalized innovation squared）値から検査する
ことができて、つぎの時間平均されたＮＩＳ統計量を生
成する、
【００５０】
【数９】
【００５１】ここで合計は最後のＫ（ｋ）番目のサンプ
ルにまでわたり（したがってＫ（ｋ）は最後のＫ（ｋ）
個のサンプルだけを取り囲むスライディングウィンドウ
内のサンプル数と見なすことができる）、Ｓ（ｋ）は測
定値共分散である。予測偏差値が白色（ゼロ平均）であ
る場合は、
【外１】
【００５２】は、Ｋ（ｋ）ｎzの自由度をもってχ2分布
し（ここでｎzは測定値の自由度の数であり、ただ１つ
の距離測定値に対しては１であり、結合した距離および
ドップラーの測定値に対しては２である）、事前定義さ
れた受け入れ間隔に対して検査されることが可能とな
る。ある時刻においてＩＭＭを用いたフィルタの不整合
性が検出された場合、それはその時刻についてのＷＬＳ
ソリューションにしたがって再初期化可能となる。
【００５３】図３は本発明による好ましい実施形態にお
ける方法のフローチャートである。
【００５４】ＩＭＭアルゴリズムの応用によってカルマ
ンフィルタに基づく方法の不整合性問題を解決すること
ができる。ＩＭＭアルゴリズムは効果的なフィルタの枠
組である。そこでは使用者の状態推定値が選択された個
数の追跡（軌跡）の適切な組み合せから得られるが、そ
の追跡は対応する同数の事前選択された運動モデル（状
態の集合）にしたがって計算される。複数モデルの同時
使用によって、ＩＭＭアルゴリズムは（異なる動作を含
む）広範囲な運動および広範囲な雑音環境に適応可能に
なる。その適応性は、ＩＭＭを用いるナビゲーションフ
ィルタが不整合になる機会を減少させる。すなわち、Ｉ
ＭＭをもつナビゲーションフィルタは、より大きな運動
の特性の変化や雑音環境の変化がなければ不整合に陥ら
ない。
【００５５】しかしながら、本発明はＩＭＭアルゴリズ
ムとして具体的に呼ばれているものの使用だけでなく、
少なくとも２つの運動モデルをフィルタに提供する任意
のアルゴリズム、すなわち任意の複数モデルを用いたア
ルゴリズムの使用を包含することを理解されたい。さら
に、選択された運動モデルのそれぞれをフィルタリング
するのに用いられるフィルタをカルマンフィルタのよう
な統計的フィルタに限定する理由が存在しないことは明
らかである。どのような種類のフィルタをも用いること
ができる。いいかえれば、本発明では統計的フィルタま
たは直接的フィルタ（すなわち、非統計的フィルタ）を
用いて、選択された運動モデルをフィルタリングするこ
とができ、さらにいくつかの応用分野においては、運動
モデルに応じて異なる種類のフィルタを用いることがよ
り好都合でさえある。したがってたとえばどのようなタ
イプの線形フィルタでも用いることができる。
【００５６】ＩＭＭベースのナビゲーションフィルタに
ＷＬＳフィルタを融合させることによって、フィルタは
ロバストになる、すなわち不整合性に対する陥りやすさ
が著しく解消される。そのようなロバストなフィルタは
ＷＬＳソルーションをその代わりとして用いるという指
示があるまで、ＩＭＭソリューションを用いる。ＩＭＭ
（フィルタ）が不整合性を見つけた場合には、現在の使
用者のＰＶＴソリューションは破棄されて、ＩＭＭはＷ
ＬＳによって与えられるソリューションから（したがっ
て最も直前の測定値の集合だけに基づいて）再スタート
される。ＩＭＭフィルタの使用からＷＬＳフィルタの使
用への変更の決定、またはＩＭＭフィルタの再スタート
の決定は、ＩＭＭフィルタによって行なわれ、またそれ
はＩＭＭフィルタによって行なわれる自己診断に基づい
ている。
【００５７】本発明のロバストなフィルタすなわち融合
したＩＭＭおよびＷＬＳフィルタは、測定値の偏向に陥
りにくく、したがって極めて稀にしか不整合性に陥らな
い。そのようなフィルタでは、ＩＭＭフィルタが十分に
機能しないときはＷＬＳフィルタのソリューションが用
いられてＩＭＭベースの追跡を補正する。
【００５８】前記の装置は本発明の原理の応用の説明の
ためのものにすぎないことを理解されたい。多くの変形
および代替装置が本発明の精神および範囲から逸脱する
ことなく当業者により考案されることが可能であり、添
付のクレームはそのような変形例および装置を対象とし
て含むことを意図したものである。
【００５９】
【発明の効果】本発明によれば、カルマンフィルタベー
スの位置決めシステムの不整合問題を解決する方法、す
なわち、１つの特定のサブ集合をなす場合に対してこの
ような位置決めシステムを同調させなければならないと
いう問題を避けることができる。
【図面の簡単な説明】
【図１】本発明による、ロバストなナビゲーションフィ
ルタ、すなわち融合された重み付き最小二乗（ＷＬＳ）
フィルタと、それと相互作用する多重モデル(ＩＭＭ）
フィルタのブロック図である。
【図２】ＩＭＭアルゴリズムを示すフローチャートであ
る。
【図３】好ましい実施形態における本発明の方法を示す
フローチャートである。

Claims (29)

    【特許請求の範囲】
  1. 【請求項１】 物体の運動の状態を推定する汎用位置決
    めシステムにおいて、前記システムが、 ａ）状態の測定値を決定する際の基となる距離情報の供
    給源によって提供された距離情報に反応して、各々が別
    々の時刻に対応する一連の状態測定値を提供する測定エ
    ンジンと、 ｂ）前記物体の運動のセグメントに対する状態をを推定
    する際に用いる少なくとも１つの運動モデルを選択する
    モデルセレクタおよびモデルバンクと、 ｃ）前記一連の状態測定値に反応して、さらにモデル混
    合パラメータおよび前記選択された運動モデルに反応し
    て、前記状態の一連の多重モデル推定値を決定するフィ
    ルタと、を備える汎用位置決めシステム。
  2. 【請求項２】 ａ）前記状態測定値に反応して、一連の
    最小二乗状態推定値を直接的に決定する重み付けされた
    最小二乗フィルタと、 ｂ）前記最小二乗状態測定値と前記多重モデル状態想定
    値に反応して、ある時刻における前記最小二乗状態推定
    値または前記時刻における前記多重モデル状態推定値の
    いずれかを、前記多重モデル状態推定値と先行する多重
    モデル状態推定値に基づいて選択する整合チェッカと、
    を備える請求項１記載の汎用位置決めシステム。
  3. 【請求項３】 前記距離情報供給源がセルラー基地局で
    ある請求項１記載の汎用位置決めシステム。
  4. 【請求項４】 距離情報の供給源が衛星である請求項３
    記載の汎用位置決めシステム。
  5. 【請求項５】 物体の運動の状態を推定する汎用位置決
    めシステムフィルタにおいて、前記フィルタが、 ａ）前記物体の運動のセグメントに対する状態を推定す
    る際に用いられる少なくとも１つの運動モデルを選択す
    るモデルセレクタおよびモデルバンクと、 ｂ）一連の状態推定位置に反応して、さらにモデル混合
    パラメータおよび前記選択された運動モデルに反応し
    て、一連の多重モデル状態推定値を決定するフィルタ
    と、を備える汎用位置決めシステムフィルタ。
  6. 【請求項６】 ａ）前記一連の状態測定値に反応して、
    一連の最小二乗状態推定値を直接的に決定する重み付け
    された最小二乗フィルタと、 ｂ）前記最小二乗状態推定値と前記多重モデル状態推定
    値に反応して、ある時刻における前記最小二乗状態推定
    値または前記時刻における前記多重モデル状態推定値の
    いずれかを、前記多重モデル状態推定値と先行する多重
    状態推定値に基づいて選択する整合性チェッカと、を備
    える請求項５記載の汎用位置決めシステムフィルタ。
  7. 【請求項７】 前記一連の状態測定値が、距離情報の供
    給源によって提供された距離情報を受信する測定エンジ
    ンによって提供される請求項６記載の汎用位置決めシス
    テムフィルタ。
  8. 【請求項８】 前記距離情報供給源がセルラー基地局で
    ある請求項７記載の汎用位置決めシステムフィルタ。
  9. 【請求項９】 前記距離情報供給源が衛星である請求項
    ８記載の汎用位置決めシステムフィルタ。
  10. 【請求項１０】 物体の運動の状態を推定する方法にお
    いて、前記方法が、ａ）一連の状態測定値の中にあるつ
    ぎの状態測定値を獲得するステップと、 ｂ）前記物体の運動のセグメントに対する状態を推定す
    る際に用いられる２つの運動モデルをモデルバンクから
    選択するステップと、 ｃ）前記選択された２つの運動モデルの各々にしたがっ
    てつぎの状態推定値を合成するモデル混合パラメータを
    決定するステップと、 ｄ）各選択済み運動モデルをフィルタリングして、前記
    選択された２つの運動モデルの各々にしたがって前記つ
    ぎの状態測定値に基づいて前記つぎの状態推定値を提供
    するステップと、 ｅ）前記モデル混合パラメータにしたがって前記２つの
    つぎの状態推定値を合成して、つぎの多重モデル状態推
    定値を提供するステップと、を含む方法。
  11. 【請求項１１】 ａ）各選択済み運動モデルのフィルタ
    リングと並行して前記状態測定値の重み付き最小二乗フ
    ィルタリングを実行して、前記つぎの状態測定値からつ
    ぎの最小二乗状態測定値を直接的に決定するステップ
    と、 ｂ）前記つぎの最小二乗状態推定値と前記つぎの多重モ
    デル状態推定値に反応するように整合性チェックを行な
    い、前記つぎの最小二乗状態推定値または前記つぎの多
    重モデル状態推定値のいずれかを、前記多重モデル状態
    推定値と先行する多重モデル状態推定値に基づいて選択
    するステップと、をさらに含む請求項１０記載の方法。
  12. 【請求項１２】 距離情報供給源によって提供された距
    離情報を獲得し、それから前記状態の測定値を決定し、
    また、前記つぎの状態測定値を提供するステップをさら
    に含む請求項１１記載の方法。
  13. 【請求項１３】 前記距離情報供給源がセルラー基地局
    である請求項１２記載の方法。
  14. 【請求項１４】 前記距離情報供給源が衛星である請求
    項１３記載の方法。
  15. 【請求項１５】 前記フィルタがカルマンフィルタであ
    る請求項１記載の汎用位置決めシステム。
  16. 【請求項１６】 前記フィルタが非線形フィルタである
    請求項１記載の汎用位置決めシステム。
  17. 【請求項１７】 前記フィルタがカルマンフィルタであ
    る請求項５記載の汎用位置決めシステムフィルタ。
  18. 【請求項１８】 前記フィルタが非線形フィルタである
    請求項５記載の汎用位置決めシステムフィルタ。
  19. 【請求項１９】 前記フィルタリング動作がカルマンフ
    ィルタによって実行される請求項１０記載の方法。
  20. 【請求項２０】 前記フィルタリング動作が非線形フィ
    ルタによって実行される請求項１０記載の方法。
  21. 【請求項２１】 前記状態の一連の多重モデル推定値が
    前記協調動作多重モデルアルゴリズムによって提供され
    る請求項１記載の汎用位置決めシステム。
  22. 【請求項２２】 前記状態の一連の多重モデル推定値が
    前記協調動作多重モデルアルゴリズムによって提供され
    る請求項５記載の汎用位置決めシステムフィルタ。
  23. 【請求項２３】 前記つぎの多重モデル状態推定値が前
    記協調動作多重モデルアルゴリズムによって提供される
    請求項１０記載の方法。
  24. 【請求項２４】 前記フィルタが統計的フィルタである
    請求項１記載の汎用位置決めシステム。
  25. 【請求項２５】 前記フィルタが線形フィルタである請
    求項１記載の汎用位置決めシステム。
  26. 【請求項２６】 前記フィルタが統計的フィルタである
    請求項５記載の汎用位置決めシステムフィルタ。
  27. 【請求項２７】 前記フィルタが線形フィルタである請
    求項５記載の汎用位置決めシステムフィルタ。
  28. 【請求項２８】 前記フィルタリング動作が統計的フィ
    ルタによって実行される請求項１０記載の方法。
  29. 【請求項２９】 前記フィルタリング動作が線形フィル
    タによって実行される請求項１０記載の方法。
JP2000352602A 1999-11-22 2000-11-20 汎用位置決めシステム、およびハイブリッド位置決め機能をもった多重モデルナビゲーションフィルタ Pending JP2001201553A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/444584 1999-11-22
US09/444,584 US6609080B1 (en) 1999-11-22 1999-11-22 Multiple-model navigation filter with hybrid positioning

Publications (1)

Publication Number Publication Date
JP2001201553A true JP2001201553A (ja) 2001-07-27

Family

ID=23765516

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000352602A Pending JP2001201553A (ja) 1999-11-22 2000-11-20 汎用位置決めシステム、およびハイブリッド位置決め機能をもった多重モデルナビゲーションフィルタ

Country Status (3)

Country Link
US (1) US6609080B1 (ja)
EP (1) EP1102397A3 (ja)
JP (1) JP2001201553A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008039690A (ja) * 2006-08-09 2008-02-21 Toyota Motor Corp 搬送波位相式測位装置
JP2009250619A (ja) * 2008-04-01 2009-10-29 Seiko Epson Corp 測位方法、プログラム及び測位装置
CN103968827A (zh) * 2014-04-09 2014-08-06 北京信息科技大学 一种可穿戴式人体步态检测的自主定位方法

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6812887B2 (en) * 2001-12-12 2004-11-02 Nokia Corporation Method and apparatus for saving power in a global positioning system receiver
DE60215945T2 (de) * 2002-09-26 2007-06-21 Lucent Technologies Inc. Entzerrer mit zwei Raum-Zeit Filtern und mit einem Selektor zum Wählen des Filters mit der besten Symbolschätzung
JP2004233071A (ja) * 2003-01-28 2004-08-19 Nec Corp 位置測位機能を備えた携帯端末とその位置測位処理方法
US6816804B1 (en) * 2003-06-04 2004-11-09 Visteon Global Technologies, Inc. System and method for estimating velocity using reliability indexed sensor fusion
US7409188B2 (en) 2003-11-26 2008-08-05 Nokia Corporation Method and apparatus for lowering power use by a ranging receiver
US7680594B2 (en) * 2004-04-06 2010-03-16 Honda Motor Co., Ltd. Display method and system for a vehicle navigation system
US7904184B2 (en) * 2004-11-23 2011-03-08 Rockwell Automation Technologies, Inc. Motion control timing models
US7983769B2 (en) * 2004-11-23 2011-07-19 Rockwell Automation Technologies, Inc. Time stamped motion control network protocol that enables balanced single cycle timing and utilization of dynamic data structures
US7668655B2 (en) * 2004-12-07 2010-02-23 Honeywell International Inc. Navigation component modeling system and method
KR100815152B1 (ko) 2006-11-07 2008-03-19 한국전자통신연구원 다중 필터 융합을 이용한 복합 항법 장치 및 이를 이용한항법 정보 제공 방법
US7551133B2 (en) * 2007-04-05 2009-06-23 Sirf Technology, Inc. GPS navigation using interacting multiple model (IMM) estimator and probabilistic data association filter (PDAF)
KR100926564B1 (ko) * 2007-08-21 2009-11-12 한국전자통신연구원 무선 측위 장치 및 방법
JP5186874B2 (ja) * 2007-10-10 2013-04-24 セイコーエプソン株式会社 測位方法、プログラム、測位装置及び電子機器
JP5251090B2 (ja) * 2007-11-30 2013-07-31 セイコーエプソン株式会社 測位方法、プログラム及び測位装置
JP5439826B2 (ja) * 2009-01-26 2014-03-12 セイコーエプソン株式会社 位置算出方法及び位置算出装置
GB2536009B (en) * 2015-03-03 2017-10-18 Jaguar Land Rover Ltd Method and apparatus for estimating confidence in a vehicle reference velocity
US10889302B2 (en) 2018-06-27 2021-01-12 Honeywell International Inc. Methods for monitoring the output performance of state estimators in navigation systems
EP3640664A1 (en) * 2018-10-15 2020-04-22 HERE Global B.V. Using motion state of mobile device for position estimate
EP3942321A1 (en) * 2019-03-19 2022-01-26 Telefonaktiebolaget Lm Ericsson (Publ) User equipment state estimation
EP3987860A1 (en) * 2019-06-18 2022-04-27 Telefonaktiebolaget LM Ericsson (publ) User equipment kinematic state estimation

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4535625A (en) * 1984-02-06 1985-08-20 Mobil Oil Corporation Method of increasing the vertical resolution of well log data
US5355316A (en) * 1989-03-24 1994-10-11 Northrop Grumman Corporation Position aided evader maneuvering re-entry vehicle navigator
US5144595A (en) * 1992-01-27 1992-09-01 The United States Of America As Represented By The Secretary Of The Navy Adaptive statistical filter providing improved performance for target motion analysis noise discrimination
US5381095A (en) * 1993-06-21 1995-01-10 Rockwell International Corporation Method of estimating location and orientation of magnetic dipoles using extended Kalman filtering and Schweppe likelihood ratio detection
US5537368A (en) * 1993-09-22 1996-07-16 The United States Of America As Represented By The Secretary Of The Navy Enhanced adaptive statistical filter providing improved performance for target motion analysis noise discrimination
US5506817A (en) * 1995-05-25 1996-04-09 The United States Of America As Represented By The Secretary Of The Navy Enhanced adaptive statistical filter providing sparse data stochastic mensuration for residual errors to improve performance for target motion analysis noise discrimination
US5511042A (en) * 1995-05-25 1996-04-23 The United States Of America As Represented By The Secretary Of The Navy Enhanced adaptive statistical filter providing improved performance for target motion analysis noise discrimination
US5525995A (en) * 1995-06-07 1996-06-11 Loral Federal Systems Company Doppler detection system for determining initial position of a maneuvering target
US5902351A (en) * 1995-08-24 1999-05-11 The Penn State Research Foundation Apparatus and method for tracking a vehicle
US5828336A (en) 1996-03-29 1998-10-27 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Robust real-time wide-area differential GPS navigation
US5883595A (en) * 1997-09-15 1999-03-16 Rockwell International Corporation Method and apparatus for mitigating multipath effects and smoothing groundtracks in a GPS receiver
US6127968A (en) * 1998-01-28 2000-10-03 Trimble Navigation Limited On-the-fly RTK positioning system with single frequency receiver
US6266533B1 (en) * 1998-12-11 2001-07-24 Ericsson Inc. GPS assistance data for positioning of mobiles with built-in GPS
GB2347035B (en) * 1999-02-16 2003-10-08 Symmetricom Inc Positioning system

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008039690A (ja) * 2006-08-09 2008-02-21 Toyota Motor Corp 搬送波位相式測位装置
JP2009250619A (ja) * 2008-04-01 2009-10-29 Seiko Epson Corp 測位方法、プログラム及び測位装置
CN103968827A (zh) * 2014-04-09 2014-08-06 北京信息科技大学 一种可穿戴式人体步态检测的自主定位方法

Also Published As

Publication number Publication date
US6609080B1 (en) 2003-08-19
EP1102397A3 (en) 2002-05-02
EP1102397A2 (en) 2001-05-23

Similar Documents

Publication Publication Date Title
JP2001201553A (ja) 汎用位置決めシステム、およびハイブリッド位置決め機能をもった多重モデルナビゲーションフィルタ
CN110823217B (zh) 一种基于自适应联邦强跟踪滤波的组合导航容错方法
EP1455198B1 (en) Hybrid navigation system using neural network
Drawil et al. Intervehicle-communication-assisted localization
US8838374B2 (en) Automatic correction of past position errors for location and inventory tracking
Viandier et al. GNSS performance enhancement in urban environment based on pseudo-range error model
Bonnifait et al. Cooperative localization with reliable confidence domains between vehicles sharing GNSS pseudoranges errors with no base station
US9285408B2 (en) Determination of positions
CN111886519A (zh) 定位系统、方法和介质
Li et al. Single-frequency GNSS cycle slip estimation with positional polynomial constraint
CN110954132B (zh) Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法
KR20150094434A (ko) 와이-파이 위치와 센서정보 결합을 통한 단말 위치 필터링 시스템 및 그 방법
JP2003185728A (ja) キャリア位相相対測位装置
JP2005031082A (ja) Ｇｐｓ測定の完全性の検査方法及び特定の車両におけるエラー検出方法及びｇｐｓマルチパスレベルのマッピング方法及びｇｐｓ測定の完全性を検査するために車両内に設けられているシステム及びｇｐｓマルチパスレベルのマッピングシステム
Fouque et al. Matching raw GPS measurements on a navigable map without computing a global position
US7277047B1 (en) Reduced state estimation with biased measurements
de Oliveira et al. Recent advances in sensor integrity monitoring methods—A review
CN113959457A (zh) 一种自动驾驶车辆的定位方法、装置、车辆和介质
KR20130036145A (ko) 이동 정보 결정 장치, 수신기 및 그에 의한 방법
Zhao et al. Fusing vehicle trajectories and gnss measurements to improve gnss positioning correction based on actor-critic learning
JP2002181926A (ja) 目標追尾方法およびその装置
Zhang et al. Fuzzy adaptive Kalman filtering for DR/GPS
CN114355410B (zh) 基于并行计算的卫星导航实时精密单点定位系统及方法
Gao et al. A method for estimating the positioning accuracy of vehicles in urban environments
Tmazirte et al. Multi-sensor data fusion based on information theory. Application to GNSS positionning and integrity monitoring