基于分散式卡尔曼滤波的组合定位方法

《基于分散式卡尔曼滤波的组合定位方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于分散式卡尔曼滤波的组合定位方法‘莓云洁(长春一汽启明信息技术有限公司，吉林长春130011)摘要：定位足车辆导航系统巾蓖要的组成部分。论文在GPs／删结合定做与卡尔曼滤波的GPs／姗组合定位基础上，采分散式卡尔曼滤波GPs／DR／姗组合定化方法对GPs信号进行处理，从实验数据中证明，该方法明显提高了定位信号的精度，进行有助于提高匹配率。关键词：车辆导航系统：地图匹配；卡尔曼滤波；联邦滤波；数据融合一、引言在汽车导航系统中，车辆定位技术是整个系统的基础，系统中几乎所有的功能都以车辆定位的精确度为前提，同时定位的精确度与实时性直接关

2、系到一个汽车导航产品的实用价值和整体性能。多传感器组合定位是导航定位发展的趋势，其观测信息丰富且各传感器的观测信息一般不具有相同类型的系统误差，于是多传感器融合导航可为减弱各传感器系统误差提供辅助信息，并为诊断和剔除各传感器异常误差和状态异常误差提供冗余信息，从整体上提高导航定位的精度和可靠性¨’。多传感器的信息融合中一般采用集中式卡尔曼滤波和分散式卡尔曼滤波。基于Kalman滤波和信息分享技术面设计的分散式联邦滤波，以其平行数据处理技术及容错设计得到了广泛应用。目前组合定位考虑最多的是用联邦卡尔曼滤波技术实现的GPs／DR的组合定

3、位方法与基于卡尔曼滤波的GPS／MM组合定位方法。基于两者的考虑，进一步GPS、DR、删三者结合起来，采用联邦分散式卡尔曼滤波算法就构成了GPS／DR／MM组合定位系统j联邦滤波器实际上是一种特殊的分散式卡尔曼滤波器。它的特殊之处在于其包含一个信息分配的过程[2]。二、GPS／DR／MM组合定位模型三者的组合定位方法的数据处理过程如下：首先在每个采样时刻由联邦滤波器处理DR传感器与GPS的观测数据并给出最优估计；然后将滤波器输出的结果输入给地图匹配模块，并由地图匹配算法计算出当前时刻的匹配位置坐标，匹配结果再进一步对GPS的误差进行

4、估计与修改。其结构如图：三、分散式KaIman滤波模型图11GPS／DR／删组合定位结构370多种传感器在运用卡尔曼滤波时主要有两种途径：一种是标准的集中式卡尔曼滤波，一种是分散式卡尔曼滤波[2]。人们经常采用集中式卡尔曼滤波器来解决多传感器信息融合系统中信息误差的估计问题。但由于要集中处理所有传感器的测量数据，从而造成要计算的信号与计算量大，实时性差，且不具有容错性。利用联合卡尔曼滤波算法，能够利用信息分配原则，实现多传感器信息的最优综合，使得整个系统既具有较高的精度又具一定的容错能力，从而获得整体上最优的性能[3]。本文采分用分

5、散式联邦卡尔曼滤波算法，采用三种传感器，其结构如图2所示。参考系统主滤波器信息分配I◆LI传入参数IGPs传感器：l局部传感器1rIlr信息分配，———d局部倍威器2传入参数．1隙传感器信息分配I(信息的最优融合)●传入参数。匹配返回值。局部传感器3图12多传感器分散式联邦式滤波器的结构对于GPs／DR／删组合导航系统，Kal眦n滤波的整体状态变量可取为x=[鹕喝肋；阳]T式中，船、朋分别为车辆东向和北向位置分量；阳、啊分别为车辆东向和北向速度分量。设各子系统观测独立并且各子系统的状态方程均与主系统的状态方程一致。1．状态方程为主(

6、后+1)=①(七十1，后)曼(后)+形(后)式中：①(七+l，七)为状态向量转移矩阵；w(k)为系统噪声。(1)2。观测方程的建立由于系统没有控制变量，所以子系统GPs、DR、删的观测量均为各自己读出的观测量。3．联邦kalman滤波方程根据上述的组合系统状态方程和各子系统的观测方程，可以建立GPS子系统和DR子系统及姗子系统标准化kalman滤波方程如下：1)子系统的转换方程：曼(尼，七一1)=①(尼，露一1)曼(七一1)p(后，尼一1)=①(七，七一1)p(后一1)①r(足，七一1)+Q(七一1)(2)2)测量更新方程37lK(

7、尼)=尸(后，七一1)日rqj(后，尼．．1)】{H【x(七，七一1)】口P(尼，七一1)日r【岩(后，后一1)】+R(尼))一1X(后)=X(七，七一1)+K(后){Z(七)一办[X(后，后一1)】)P(露)={，一K(尼)凸日[X(七，七一1)])口P(后，七一1)3)最优融合方程厅q(七)：Pl一(七)+尸2。(后)+P3_(七)QI厂。1(后)：Q·。1(尼)+Q：。(尼)+Q，。(后)厅。(尼)．影(尼)=尸l_’(七)．Y·(尼)+P2。1(七)X2(七)+P3‘1(忌)X3(尼)4)信息分配方程P--1(尼)=∥·(七

8、)厅_1’(尼)尸z-1(七)=∥z(尼)B。(七)P，-1(七)=∥，(尼)厅。(尼)Q-。1(七)=∥，(后)9q(尼)9：。1(后)=∥z(七)9。1(尼)9_(后)=∥s(七)9一(尼)-≯(尼)=Xl(尼)=X2(七)=x3