第五章 GPS-DR组合导航

根据利用GPS信息的不同,基于Kalman 滤波的GPS/DR组合方案又分为松组合和紧 组合两种:松组合直接利用GPS接收机输出 的定位解与DR进行数据融合;紧组合利用 GPS接收机输出的伪距、伪距率等原始信 息与DR所需要的信息(车辆行驶距离和方 位角 的变化)进行数据融合。
5.2
联邦滤波算法
与此同时,局部滤波器的存在也使整个多传感器 融合系统的容错能力有所 提高。分散滤波理论已经 发展了20多年,Person，Speyer， Willsky,Bierman,Kerr, Carlson等人先后对其进行 了改进和提高。在所有这些分散滤波方法中,由 Carlson 提出的联邦滤波器以其设计的灵活性、计 算量小和容错性好而受到了广泛重视。目前利用联 邦式滤波器实现多传感器信息融合已成为国际上导 航和制导技术领域内的一个研究重点,并被美国空军 列入其发展新一代容错导航系统的"公共Kalman滤波 器"计划。
利用kalman滤波实现多个传感器的信 息融合有两种途径:一种是标准的集中式 kalman滤波,另一种是分散式kalman滤波。 采用集中式kalman滤波,理论上可以获得 系统状态的最优估计,但是在实际应用中 存在着以下缺陷:
（1）采用严格最优估计的方法对系统所有 的测量量进行集中处理,系统状态维数高, 计算负担重,严重影响了滤波器的动态性 能和实时性。
（2）传感器数据的集中处理导致滤波器的 容错性能较差。当一种传感器的数据出现 较大偏差时,该错误将会被传播到所有观 测量和状态变量的估计中去,导致状态污 染,滤波精度和稳定度下降。
分散式滤波技术就是为了解决集中式kalman滤 波器的上述缺陷而提出的, 它将单独的Kalman滤波 器用一个主滤波器和一组局部滤波器来代替,相应 的数据处理过程也分为两个阶段。在第一阶段中, 每个传感器的信息被送入对应的局部滤波器中处理, 产生局部最优状态估计;在第二阶段,主滤波器将局 部滤波器输出的局部状态估计进行融合处理,并产 生最终的全局状态最优估计。在分散滤波过程中, 由于不同传感器的数据被单独和并行处理,因而减 少了计算量,计算效率也大大提高。
另外,DR所需要的初始信息由前一时 刻的有效GPS数据提供,这使得GPS数据中 的误差被直接传播到了DR推算的结果中, 造成DR系统的定位精度下降,从而缩短了 其能够满足定位精度要求的有效工作时间。 另外,该方法只能解决卫星遮挡问题,而对 于其他原因如多径效应等造成的GPS定位 误差则无能为力。
kalman滤波方法用于GPS/DR的组合定 位中,就是将GPS和DR的信息同时用于定位 解的求解过程中,使DR系统的状态在滤波 过程中不断得到修正,组合定位的输出又 可以提供较为准确的初始位臵和方向信息, 从而,即使在GPS失效、单独使用DR推算定 位时也能长时间保持较高的定位精度。
第五章
GPS/DR组合导航
5.1 GPS/DR组合方法简介 5.2 联邦滤波算法
5.1 GPS/DR组合方法简介
GPS定位的方法在车辆定位与导航中应用 日趋广泛,但是由于GPS容易受到外界环境的 干扰,尤其是在高楼林立的城市,或者车辆通 过隧道及立交桥时,GPS 卫星信号将很差甚 至中断而无法定位。要得到连续可靠的定位 信息就需要其他的辅助手段。DR是典型的独 立定位技术,在短时间内能够保持较高的精 度,且其有效性不受外界影响,但该方法仅能 确定相对位臵,且误差将随推算过程而累加。
实现GPS/DR组合的核心问题是数据融 合方案的设计,即采用何种方法来融合两 种定位系统的信息以获得最优的组合定位 结果。在车辆导航定位中有两种常用的组 合方案:切换式组Baidu Nhomakorabea和Kalman滤波。
切换式组合方案有两种工作状态:GPS模式和 DR模式,系统工作在何种模式取决于GPS信号的有 效性:当GPS观测卫星数较多、卫星几何分布结构 较好时工作于GPS模式,同时利用GPS的定位输出 刷新DR系统的初始推算位臵;一旦GPS定位数据失 效或者GDOP增大到预定门限,则切换到DR模式。 该方法的优点是简单易行,系统承担的计算量很 小,可以解决在卫星信号失效时短时间的定位问 题。但是该方法并没有将GPS和DR两种系统的信 息融合在一起,不能完全发挥两者的优点。
因此,GPS和DR存在很强的互补关系。 一方面,GPS提供的绝对位臵信息可以为 DR提供推算定位的初始值并进行误差校正; 另一方面,DR的推算结果可用于补偿部分 GPS定位中的随机误差,从而平滑定位轨迹。 所以,利用适当的方法将两种系统组合起 来,充分利用其定位信息的互补性,就能够 获得比单独使用任何一种方法时都要高的 定位精度和可靠性。