JP2005221374A

JP2005221374A - Ｇｐｓ測位装置

Info

Publication number: JP2005221374A
Application number: JP2004029435A
Authority: JP
Inventors: Imei Cho; イメイ丁
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 2004-02-05
Filing date: 2004-02-05
Publication date: 2005-08-18

Abstract

【課題】カルマンフィルタを使用して、大きな誤差を含むデータの測位位置に与える影響を小さなものとし測位精度を向上させるＧＰＳ測位装置を得る。
【解決手段】
カルマンフィルタを利用する際には、計測データの誤差モデリングが精度よく行わなければ、利用者の位置を精度よく推定できない。本発明において、計測データの誤差モデリングに重み付けをして、ノイズの大きなメジュアメントが使われても、状態ベクトルの推定と誤差共分散への寄与を軽減することが可能となる。従って、位置のずれを抑えられ、測位精度を向上することができる。
【選択図】図２

Description

本発明は、カルマンフィルタを用いたＧＰＳ測位装置に関する。

１９６０年代に、Dr.R.E.Kalmanによって提案されたカルマンフィルタは、システムノイズの統計的な性質とシステムの線形動特性とを結合して、システム状態変数の最適推定値（最小分散推定値）を逐次求めるアルゴリズムとして利用され、宇宙工学、制御工学をはじめ、情報工学、経済学などさまざまな分野に幅広く応用されている。
一方、グローバルポジショニングシステム（Global Positioning System：以下ＧＰＳという）を利用した例えば自動車用の測位装置の技術が提案されている。ＧＰＳは複数の衛星から信号を受信している。各衛星は、正確な時刻、軌道情報及び情報の精度を示す航法メッセージを電波に乗せて地上に送信する。地上においては、衛星から得た時刻と軌道情報とから衛星の位置を知ることができる。すなわち、まず衛星の時刻とＧＰＳ測位装置（以後、測位装置という）受信点の時刻との差、つまり電波の伝搬遅延時間を求め、これに基づいて、衛星から測位装置までの距離を知る。そして、互いに異なる４つの衛星のそれぞれについて、衛星の位置と衛星から測位装置までの距離とが解れば、４次元連立方程式を解くことにより、測位装置の座標値ｘ，ｙ，ｚ及び時計誤差を得ることができる。

しかしながら、様々な雑音が含まれる衛星信号から、精確に位置、速度と時間を推測することは難しい。測位演算の誤差を低減する技術としては、確率理論における最小分散推定法カルマンフィルタが用いられている。以下にカルマンフィルタの測位原理を簡単に説明する。測位装置の座標値ｘ，ｙ，ｚ及び速度ｖ_x，ｖ_y，ｖ_zを状態ベクトルをｘとすると、状態空間モデルは、式（１−１）のように表わすことができる。なお、変数の添え字_kは時刻を表している。すなわち、観測値ｚ_kは、状態ベクトルｘ_kに視線方向行列Ｈ_kを乗算し、これに観測値の誤差ε_kを加えたものとして表わすことができる。また、状態ベクトルｘ_kに状態遷移行列φを乗算し、これに誤差ｕ_kを加えたものを、次回の状態ベクトルｘ_kとして予測することができる。

ｘ_k+1＝φ_kｘ_k＋ｕ_k （状態方程式）
ｚ_k＝Ｈ_kｘ_k＋ε_k （観測方程式）（１−１）
ｘ：状態ベクトル
φ：状態遷移行列
ｕ_k：プロセスノイズとしてのガウス白色誤差
（平均ベクトル０、共分散Ｑ_kをもつ正規分布Ｎ（０，Ｑ_k）で表せる）
ｚ：観測値
Ｈ：利用者から衛星への視線方向ベクトル（視線方向行列）
（共分散行列Ｒ_kをもつ正規分布Ｎ（０，Ｒ_k）で表せる）
ε_k：観測値の誤差としてのガウス白色誤差
カルマンフィルタは次のように、予測と推定の二段階交替で処理が繰り返される。

状態ベクトルの予測、
ｘ^- _k＝φ_kｘ⁺ _k-1
推定誤差共分散の予測、
Ｐ^- _k＝φ_kＰ⁺ _k-1φ_k ^T＋Ｑ_k-1
カルマンゲイン、
Ｋ＝Ｐ^- _kＨ_k ^T・[Ｈ_kＰ^- _kＨ_k ^T＋Ｒ_k]^-1
状態ベクトルの推定、
ｘ⁺ _k＝ｘ^- _k＋Ｋ_k(ｚ_k−Ｈ_kｘ^- _k)
推定誤差共分散の推定、
Ｐ⁺ _k＝(Ｉ−Ｋ_kＨ_k)・Ｐ^- _k
ノイズの大きな観測値をリジェクトするため、次のインテグリティチェックが行われる。
観測値ｚ_kとＨ_kｘ^- _kとの差を示す差分ベクトルｖ_kは次のように表わされる。

ｖ_k＝ｚ_k−Ｈ_kｘ^- _k （１−２）
ここで、添え字^-は、予測されたものであることを示す。このとき、予測されたｘ^- _kと視線方向行列Ｈ_kの積は、観測値ｚ_kの予測値、すなわち入力予測値として扱うことができる。
そして、観測値ｚ_kと入力予測値Ｈ_kｘ^- _kとの差分ベクトルｖ_kの誤差共分散は、
Ｅ[ｖ_kｖ_k ^T]＝Ｈ_kＰ_kＨ_k ^T＋Ｒ_k （１−３）
となる。ここで、Ｐ_kは誤差共分散行列であり、ｘ_kと真の値との誤差の共分散を表わしている。Ｒは測定誤差行列であり、入力ｚ_kに含まれる測定誤差の大きさを示している。添え字^Tは、転置行列を表わしている。

上記式（１−３）より、次の不等式を満たすような観測値ｚ_kのみを用いて測位計算をすれば、
ｖ_k ²＜ｒ²（Ｈ_kＰ_kＨ_k ^T＋Ｒ_k）（１−４）
誤差の大きな観測値ｚ_kを除くことができ、結果として測位精度を向上することができる。なお、ｒは、誤差共分散の誤差の閾値である（例えば、非特許文献１参照）。
J.CHRITOPHER McMILLLAN JEFFREY S. BIRD and DALE A. G. ARDEN"Techniques for Soft-Failure Detection in a Multisensor Integrated System" NAVIGATION: Journal of the Institute of Navigation Vol. 40, No. 3, Fall 1993 Printed in U.S.A.

しかしながら、上述の非特許文献１のようにカルマンフィルタを用いる方法は、次のような未解決の問題がある。
（１）誤差共分散が小さくなった際、正しい観測値ｚ_kまで除去されてしまう。
（２）また、一度カルマンフィルタが誤った出力の予測値ｘ^- _kに収束すると、入力の予測値Ｈ_kｘ^- _kも誤って算出され、次回の観測値のフィルタ処理の際に、観測値ｚ_kと入力の予測値Ｈ_kｘ^- _kの差分ベクトルｖ_kが大きくなるため、正しい観測値ｚ_kであっても除去されてしまう。

そこで、この問題を解決するために、上述式（１−４）を満たす場合であっても、その他の条件次第によっては、そのときの観測値ｚ_kをそのまま使うという方法も提案されている。しかしながら、この方法においては、大きな誤差を含む観測値ｚ_kを除去できなくなり、位置ずれを起こすという未解決な問題が残っている。
この発明は、上述のような課題を解決するためになされたもので、カルマンフィルタを使用して、大きな誤差を含む受信データの測位結果に与える影響を小さなものとすることで測位精度を向上させるＧＰＳ測位装置を得ることを目的とする。

第１の発明のＧＰＳ測位装置は、衛星データ送信時刻と受信機の受信時刻とから得られる衛星までの疑似距離観測値と衛星座標値と測位位置とから得られる衛星までの疑似距離予測値との差分である疑似距離差分を出力する疑似距離差分演算手段と、疑似距離差分と前回の状態ベクトル推定値とから今回の状態ベクトル推定値を推定し、該状態ベクトル推定値に前回の測位位置を加算して今回の測位位置を出力するカルマンフィルタとを備えている。そのため、初期設定がされることにより、次回の状態ベクトルを推定することができる。また、疑似距離差分に含まれる誤差がカルマンフィルタによって低減され測位精度が向上する。

第２の発明のＧＰＳ測位装置おいては、カルマンフィルタは、疑似距離差分の誤差が大きいときに小さな値となり誤差が小さなときに大きな値となる重み係数を生成する重み係数生成手段と、擬似距離差分と重み係数に基づいて状態ベクトルを推定する手段と、重み係数に基づいて推定誤差共分散行列を推定する手段とを有している。そのため、疑似距離差分の誤差が大きい場合に、状態ベクトル推定値の算出の基礎となる疑似距離差分予測値と疑似距離差分との差分の重みが軽くなり、状態ベクトル推定値算出に係る差分の割合が減る。また、小さな重み係数が小さくなるので推定誤差共分散への影響も小さくなり、その結果、大きな誤差を含む疑似距離差分の測位位置に与える影響を小さなものとすることができ、カルマンフィルタの特性がよく活かされ、誤差の統計的な性質と擬似距離差分の線形動特性が推定値に反映され、測位精度を向上させることができる。

第３の発明のＧＰＳ測位装置おいては、重み係数生成手段は、衛星の仰角を検出する仰角検出手段を有し、衛星の仰角が小さいときに誤差が大きくなるものと判断して“０”に近い値となり、仰角が９０度に近いときには誤差が小さくなるものと判断して“１”に近い値となる。実際、ＧＰＳの擬似距離は衛星仰角の高いものほど誤差が小さく、水平線に近い仰角の低い衛星ほど、電離層、対流圏、マルチパスなどの影響を受けて誤差が大きいことが知られている。重み係数により、衛星の仰角が小さいことが原因で発生する誤差を低減することができる。

第４の発明のＧＰＳ測位装置おいては、重み係数は、受信電力に基づいて生成され、受信電力が強いときに、擬似距離差分の誤差が小さくなるものと判断して、“１”に近い値となり、受信電力が弱いときに、擬似距離差分の誤差が大きくなるものと判断して、“０”に近い値となる。そのため、受信電力が弱いことが原因で発生する誤差を低減することができる。

図１は本発明のＧＰＳ測位装置の概略の構成図である。ＧＰＳ衛星（以後、衛星という）ＳＶ１，ＳＶ２，ＳＶ３，ＳＶ４は、それぞれ１．５ＧＨｚ帯のスペクトル拡散通信方式のマイクロ波を送信している。このマイクロ波にはＣ／Ａコードと航法メッセージが乗せられている。
衛星ＳＶ１，ＳＶ２，ＳＶ３，ＳＶ４から送信されたマイクロ波は、１個のＧＰＳ測位装置（以後、測位装置という）１００によって受信される。測位装置１００は、アンテナ１、ＧＰＳ受信機（以後、受信機という）２、マイクロコンピュータ３、読み出し専用メモリ（以後、ＲＯＭという）４、読み書き可能メモリ（以後、ＲＡＭという）５及び表示装置６を有している。

アンテナ１は、受信機２に取り付けられている。低誤差増幅器２ａはダウンコンバータ２ｂと電気的に接続されている。ダウンコンバータ２ｂの出力は中間周波数信号増幅器２ｃに入力されている。さらに、中間周波数信号増幅器２ｃの出力はＡ／Ｐ変換器２ｄに入力されている。さらにまた、Ａ／Ｐ変換器２ｄの出力は、マイクロコンピュータ３に入力されている。

ここで、受信機２はこのような、ハードウェア的な機器で構成されており、低誤差増幅器２ａ、ダウンコンバータ２ｂ、中間周波数信号増幅器２ｃ及びＡ／Ｄ変換器２ｄを有している。そして、アンテナ１は衛星からの到来するマイクロ波を受信し、受信機２は、このマイクロ波に乗せられたアナログ信号の情報をデジタル信号に変換し、ソフトウェアで処理可能なデータにする。

ＲＯＭ４には、受信機２が変換したデジタル信号データから同期追跡を行うプログラムや、航法メッセージを解析するプログラムや、測位装置１００の座標位置及び速度を算出するカルマンフィルタのプログラム等が記憶されている。
マイクロコンピュータ３は、受信機２を制御するとともにＲＯＭ４に記憶された複数のプログラムを読み出して実行する。各プログラムは、ＲＡＭ５に一旦ロードされ、マイクロコンピュータ３により実行される。表示装置６はユーザからの指示の入力やユーザへの情報提供のために設けられている。

図２はマイクロコンピュータ３が行うカルマンフィルタ処理による測位演算を示す流れ図である。図２に示される流れ図の動作は、マイクロコンピュータに電源が投入されたときに実行開始される。
このカルマンフィルタ処理による測位演算方法では、現在の測位位置から、１期先の予測を行い。新しい計測値が得られた際に、予測誤差を評価し推定制精度を改善する。

まず、ステップＳ１においては、初期化処理が行われる。すなわち、現在の測位装置１００の初期測位位置（ｘ，ｙ，ｚ）が設定され、さらに状態ベクトル推定値ｘ⁺ _k-1及び誤差共分散行列Ｐの推定値Ｐ⁺ _k-1に所定の値の初期値が与えられる。この初期化処理においては、例えば、最小２乗法により測位計算を行って、現在の測位装置１００の位置と状態ベクトル推定値ｘ⁺ _k-1とを求めることができる。また、誤差共分散行列Ｐの推定Ｐ⁺ _k-1には所定の値が入力される。尚、測位位置と状態ベクトルの初期値ｘ⁺ _k-1に関しては、最小２乗法に限らず、他の方法によって入力されることもある。

次に、ステップＳ２では、衛星からデータを受け、マイクロコンピュータ３に航法メッセージが入力されたか否かが判断される。
ステップＳ３では、航法メッセージが復号される。
ステップＳ４では、復号された航法メッセージから衛星の座標値、送信時刻などが抽出される。また、測位装置１００の座標値と衛星の座標値とから衛星の仰角θが求められる。ステップＳ４は、仰角検出手段を構成している。

ステップＳ５では、疑似距離の観測値が計算される。この疑似距離観測値は、
（測位装置１００の受信時刻−衛星の送信時刻）×光速
の演算式にて求められる。
ステップＳ６では、疑似距離の予測値が計算される。この疑似距離予測値は、衛星の位置（Ｘ，Ｙ，Ｚ）と測位装置１００の位置（ｘ，ｙ，ｚ）から、
（（Ｘ−ｘ）²＋（Ｙ−ｙ）²＋（Ｚ−ｚ）²）^1/2
の演算式にて求められる。

ステップＳ７では、疑似距離観測値と疑似距離予測値との差分ｚ_kが計算される。ステップＳ５〜Ｓ７は、疑似距離差分演算手段を構成している。そして、この疑似距離観測値と疑似距離予測値との差分である疑似距離差分がカルマンフィルタ処理に入力される。
ステップＳ８〜Ｓ１８は、カルマンフィルタを構成している。
ステップＳ８では、衛星の仰角θの値に基づいて重み係数Ｗが生成される。ＲＡＭ５に格納された衛星の仰角のデータの値に基づいて重み係数Ｗが生成される。ステップＳ８は、ステップＳ４とともに重み係数生成手段を構成している。

ステップＳ９では、式（２−１）により、前回の出力である状態ベクトル推定値ｘ⁺ _k-1に状態遷移行列φ_kを乗算して状態ベクトル予測値ｘ^- _kが算出される。ステップＳ９は。状態ベクトル予測値手段を構成している。
状態ベクトルの予測値
ｘ^- _k＝φ_kｘ⁺ _k-1(2-1)
状態遷移行列φ_kは、前回の状態ベクトル推定値ｘ⁺ _k-1から状態ベクトル予測値ｘ^- _kを算出するための行列である。

ステップＳ１０では、状態ベクトル予測値ｘ^- _kに視線方向行列Ｈ_kを乗算して疑似距離差分ｚ_kの予測値である疑似距離差分予測値Ｈ_kｘ^- _kを算出される。
ステップＳ１１では、入力値ｚ_kから疑似距離差分予測値Ｈ_kｘ^- _kが減算される。ステップＳ１０及びステップＳ１１は、疑似距離差分予測手段を構成している。
ステップＳ１２では、式（２−２）により、誤差共分散行列Ｐの予測値Ｐ^- _kが算出される。

誤差共分散行列の予測値
Ｐ^- _k＝φ_kＰ⁺ _k-1φ_k ^T＋Ｑ_k-1(2-2)
式（２−２）において、誤差共分散行列Ｐの予測値Ｐ^- _kは、誤差共分散行列Ｐの推定値Ｐ⁺ _k-1と、出力ｘ_kに含まれる誤差の分散Ｑとから算出される。添え字^Tは、転置行列を表わしている。

ステップＳ１３では、式（２−３）により、カルマンゲインＫ_kが算出される。
カルマンゲイン
Ｋ＝Ｐ^- _kＨ_k ^T・[Ｈ_kＰ^- _kＨ_k ^T＋Ｒ_k]^-1(2-3)
式（２−３）の左辺のカルマンゲインＫ_kは、式（２−２）の誤差共分散行列Ｐの予測値Ｐ^- _kに基づいて算出される。Ｒ_kは測定誤差行列であり、疑似距離差分ｚ_kに含まれる測定誤差の大きさを示している。

ステップＳ１４では、今回入力された入力値ｚ_kと疑似距離差分予測値Ｈ_kｘ^- _kとの差が算出される。減算部２０ａによる減算結果（ｚ_k−Ｈ_kｘ_k ^-）にカルマンゲインＫ_kが乗算されて、差分演算値Ｋ_k（ｚ_k−Ｈ_kｘ_k ^-）が算出される。ステップＳ１４は、差分演算手段を構成している。
ステップＳ１５では、差分演算値Ｋ_k（ｚ_k−Ｈ_kｘ_k ^-）に重み係数Ｗが乗算される。

ステップＳ１６では、式（２−４）に基づき、重み係数乗算部２０ｃから出力された差分演算値Ｋ_k（ｚ_k−Ｈ_kｘ_k ^-）に重み係数Ｗが乗算されたものに状態ベクトル予測値ｘ^- _kを加算して状態ベクトル推定値ｘ⁺ _kが算出される。ステップＳ１６は状態ベクトル推定手段を構成している。
状態ベクトルの推定値
ｘ⁺ _k＝ｘ^- _k＋Ｋ_k(ｚ_k−Ｈ_kｘ^- _k)Ｗ (2-4)
ステップＳ１６は、状態ベクトル推定値手段を構成している。

式（２−４）は、入力された疑似距離差分ｚ_kと疑似距離差分予測値Ｈ_kｘ^- _kとの差にカルマンゲインＫ_kを乗算し、さらに重み係数Ｗを乗算し、これに状態ベクトル予測値ｘ^- _kを加算して状態ベクトル推定値ｘ⁺ _kを算出する。
ステップＳ１７では、状態ベクトル推定値ｘ⁺ _kに前回の測位位置が加算され、今回の測位位置として出力される。

ステップＳ１８では、次回の誤差共分散行列の予測値Ｐ^- _kを算出する目的で、式（２−５）から誤差共分散行列の推定値Ｐ⁺ _kを算出される。
誤差共分散行列の推定
Ｐ⁺ _k＝(Ｉ−Ｋ_kＨ_kＷ)・Ｐ^- _k(2-5)
式（２−５）において、誤差共分散行列の推定値Ｐ⁺ _kは、状態ベクトル推定値ｘ⁺ _kと真の値との誤差の共分散を示し、単位行列Ｉから、カルマンゲインＫ_kと視線方向行列Ｈ_kと重み係数Ｗとを乗算したものを減算し、これに誤差共分散行列Ｐの予測値Ｐ^- _kを乗算したもので表わすことができる。

次に本実施形態の動作を説明する。４個の衛星ＳＶ１，ＳＶ２，ＳＶ３，ＳＶ４から、マイクロ波に乗せた航法メッセージが送信される。航法メッセージには、正確な時刻、軌道情報及び情報の精度を示す信号データが乗せられている。
アンテナ１で捕らえられた電波は、まず低誤差増幅器２ａによって増幅される。１．５ＧＨｚ帯の電波をそのまま取り扱うことは難しいので、ダウンコンバータ２ｂにより４ＭＨｚ〜１ＭＨの中間周波数へダウンコンバートされる。そして中間周波数信号増幅器２ｃで増幅された後、Ａ／Ｄ変換器２ｄによってデジタル信号に変換される。これにより、以後ソフトウェアによる処理が可能なデジタルの信号データとなる。

この信号データは、マイクロコンピュータ３が行う測位演算処理に入力される。
そしてまず、測位装置１００の初期測位位置が設定され、つづいて状態ベクトルの初期値ｘ⁺ _k-1と誤差共分散行列Ｐの初期値Ｐ⁺ _k-1に適当な値が入力される（ステップＳ１）。
次に、衛星からデータが受信され、航法メッセージが入力されると（ステップＳ２）、この航法メッセージが復号され（ステップＳ３）、さらに、この復号された航法メッセージから、軌道情報、送信時刻などが抽出される。また、測位装置１００の座標値と衛星の座標値とから衛星の仰角が求められる（ステップＳ４）。

続いて、疑似距離観測値が計算され（ステップＳ５）、また、疑似距離予測値が計算され（ステップＳ６）、さらに両者の差分である疑似距離差分が求められる（ステップＳ７）。そして、この疑似距離観測値と疑似距離予測値との差分がｚ_kとしてカルマンフィルタに入力され、カルマンフィルタが動作をする。
カルマンフィルタが動作をすると、まず、式（２−１）により、前回の状態ベクトル推定値ｘ⁺ _k-1に状態遷移行列φ_kが乗算されて状態ベクトル予測値ｘ^- _kが求められる（ステップＳ８）。また、式（２−２）により、誤差共分散行列Ｐの推定Ｐ⁺ _k-1と出力ｘ_kに含まれる誤差の分散Ｑとから誤差共分散行列Ｐの予測値Ｐ^- _kが求められる（ステップＳ９）。

そして、式（２−３）により、誤差共分散行列Ｐの予測値Ｐ^- _kから、カルマンゲインＫ_kが求められる（ステップＳ１０）。
また、衛星の仰角のデータの値に基づいて重み係数Ｗが生成される（ステップＳ１１）。
次に、状態ベクトル予測値ｘ^- _kに視線方向行列Ｈ_kが乗算されて疑似距離差分予測値Ｈ_kｘ^- _kを求められる。

さらに、今回の入力値ｚ_kと疑似距離差分予測値Ｈ_kｘ^- _kとの差分が求められる。そして、この差分にカルマンゲインＫ_kが乗算されて差分演算値が求められ、この差分演算値に重み係数Ｗが乗算される。そしてさらに、この乗算値に状態ベクトル予測値ｘ^- _kが加算されて今回の状態ベクトル推定値ｘ⁺ _kが算出される（ステップＳ１２）。
そして、この状態ベクトル推定値ｘ⁺ _kがカルマンフィルタから出力され、この状態ベクトル推定値ｘ⁺ _kに前回の測位位置が加算されて今回の測位位置として出力される（ステップＳ１３）。

最後に、次回の誤差共分散行列の予測値Ｐ^- _k+1を算出する目的で、誤差共分散行列の推定値Ｐ⁺ _kが算出される（ステップＳ１４）。誤差共分散行列の推定値Ｐ⁺ _kは、状態ベクトル推定値ｘ⁺ _kと真の値との誤差の共分散を示し、単位行列Ｉから、カルマンゲインＫ_kと視線方向行列Ｈ_kと重み係数Ｗとを乗算したものを減算し、これに誤差共分散行列Ｐの予測値Ｐ^- _kを乗算したもので表わすことができる
以上のように、今回の状態ベクトル推定値ｘ⁺ _kは、疑似距離差分ｚ_kと疑似距離差分予測値Ｈ_kｘ^- _kとの差分にカルマンゲインＫ_kが乗算されて差分演算値が求められ、これに重み係数Ｗが乗算されたものが求められ、これに状態ベクトル予測値ｘ^- _kが加算されて今回の状態ベクトル推定値ｘ⁺ _kが算出される。

以上のように、本実施の形態における測位装置１００によれば、衛星データ送信時刻と受信機の受信時刻とから得られる衛星までの疑似距離観測値と衛星座標値と測位位置とから得られる衛星までの疑似距離予測値との差分である疑似距離差分を出力する疑似距離差分演算手段と、疑似距離差分と前回の状態ベクトル推定値とから今回の状態ベクトル推定値を推定し、該状態ベクトル推定値に前回の測位位置を加算して今回の測位位置を出力するカルマンフィルタとを備えている。そのため、初期設定がされることにより、次回の状態ベクトルを推定することができる。また、疑似距離差分に含まれる誤差がカルマンフィルタによって低減され測位精度が向上する。

また、カルマンフィルタは、疑似距離差分の誤差が大きいときに小さな値となり誤差が小さなときに大きな値となる重み係数を生成する重み係数生成手段と、擬似距離差分と重み係数に基づく状態ベクトルを推定する手段と、重み係数に基づく推定誤差共分散行列を推定する手段とを有している。そのため、疑似距離差分の誤差が大きい場合に、状態ベクトル推定値の算出の基礎となる疑似距離差分予測値と疑似距離差分との差分の重みが軽くなり、状態ベクトル推定値算出に係る差分の割合が減る。さらに、小さな重み係数を与えられたため、推定誤差共分散への影響も小さくなる。その結果、大きな誤差を含む疑似距離差分の測位位置に与える影響を小さなものとすることができ、カルマンフィルタの特性がよく活かされ、誤差の統計的な性質と擬似距離差分の線形動特性が推定値に反映され、測位精度を向上させることができる。

図３はこの発明の測位装置１００を野外にて実測した際の測位結果を示すグラフ図である。グラフ図の中央を真値の（０，０）と設定して、横軸に測定結果の経度方向誤差［ｍ］を縦軸に測定結果の緯度方向誤差［ｍ］を示している。３０分間定点測位を行った際の水平誤差の分布を示す。測位結果は、平均誤差１０．７５ｍ、最大誤差５０．２４ｍ、誤差分散１２．８１ｍであった。これは、図４に示す従来の測位装置による平均誤差１０８．３３ｍ、最大誤差２８２．０５ｍ、誤差分散１２２．７７ｍと比較して格段に測位精度が向上していることが解る。
図５はこの発明の第２の実施形態のＧＰＳ測位装置の処理手順を説明する流れ図である。

本実施形態のカルマンフィルタは、第１の実施形態の重み係数生成手段であるステップＳ８に替わって、ステップＳ８’が設けられている。本実施形態の重み係数Ｗは、
受信電力に基づいて生成される。あらかじめ、予備実験で受信電力と擬似距離の誤差分散のデータを収集して、対応テーブルを作成した。このテーブルを用いて、受信電力から擬似距離の誤差分散を求め、擬似距離の誤差分散から重み係数ｗ（０＜ｗ＜１）を生成される。受信電力が弱いときに、擬似距離差分の誤差が大きくて、“０”に近い重み係数を与えることにより、大きな誤差が含まれる擬似距離差分が状態ベクトル推定に寄与が小さくなる。さらに、小さな重み係数が与えられることにより、誤差共分散への影響も小さくなる。これにより、測位精度を向上させることができる。

図１は本発明のＧＰＳ測位装置の概略の構成図。マイクロコンピュータが行うソフトウェア処理の流れ図。本発明のＧＰＳ測位装置の測位結果を示すグラフ図。従来のＧＰＳ測位装置の測位結果を示すグラフ図。本発明の第２の実施形態のＧＰＳ測位装置の処理手順を説明する流れ図。

符号の説明

１アンテナ、２受信機、３マイクロコンピュータ、４ＲＯＭ、５ＲＡＭ、６表示装置、１００ＧＰＳ測位装置、ステップＳ４仰角検出手段、ステップＳ５〜Ｓ７疑似距離差分演算手段、ステップＳ８〜Ｓ１８カルマンフィルタ、ステップＳ８重み係数生成手段、ステップＳ９，Ｓ１０予測部、ステップＳ９状態ベクトル予測値手段、ステップＳ１０，Ｓ１１疑似距離差分予測手段、ステップＳ１１〜Ｓ１６推定部、ステップＳ１４差分演算手段、ステップＳ１６状態ベクトル推定手段、ステップＳ１７測位位置算出手段。

Claims

衛星データ送信時刻と受信機の受信時刻とから得られる衛星までの疑似距離観測値と衛星座標値と測位位置とから得られる衛星までの疑似距離予測値との差分である疑似距離差分を出力する疑似距離差分演算手段と、前記疑似距離差分と前回の状態ベクトル推定値とから今回の状態ベクトル推定値を推定し、該状態ベクトル推定値に前回の測位位置を加算して今回の測位位置を出力するカルマンフィルタとを備えたＧＰＳ測位装置。
前記カルマンフィルタは、前記疑似距離差分の誤差が大きいときに小さな値となり前記誤差が小さなときに大きな値となる重み係数を生成する重み係数生成手段と、前記擬似距離差分と重み係数に基づいて前記状態ベクトルを推定する手段と、重み係数に基づいて推定誤差共分散行列を推定する手段とを有している請求項１に記載のＧＰＳ測位装置。
前記重み係数生成手段は、前記衛星の仰角を検出する仰角検出手段を有し、前記衛星の仰角が小さいときに誤差が大きくなるものと判断して“０”に近い値となり、前記仰角が９０度に近いときには誤差が小さくなるものと判断して“１”に近い値となる請求項１または２に記載のＧＰＳ測位装置。
前記重み係数は、受信電力に基づいて生成され、前記受信電力が強いときに、擬似距離差分の誤差が小さくなるものと判断して、“１”に近い値となり、前記受信電力が弱いときに、擬似距離差分の誤差が大きくなるものと判断して、“０”に近い値となる請求項１または２に記載のＧＰＳ測位装置。