衛(wèi)星遮擋交通環(huán)境下車(chē)輛融合定位策略研究.pdf

1、全球定位系統(tǒng)(Global Positioning System，GPS)和基于微機(jī)電系統(tǒng)(Micro-Electro-Mechanical System，MEMS)技術(shù)的慣性導(dǎo)航系統(tǒng)(Inertial NavigationSystem，INS)的組合為陸地車(chē)輛的準(zhǔn)確、可靠定位提供了一種低成本解決方案。但是在GPS中斷期間，MEMS INS/GPS組合系統(tǒng)的定位精度迅速降低。為了解決此問(wèn)題，本文開(kāi)展了衛(wèi)星遮擋交通環(huán)境下車(chē)輛融合定位策略研

2、究，圍繞MEMS慣性測(cè)量單元(Inertial Measurement Unit，IMU)隨機(jī)誤差處理和MEMS INS/GPS信息融合算法兩大關(guān)鍵技術(shù)，針對(duì)其中的若干關(guān)鍵性問(wèn)題展開(kāi)深入探索。主要研究?jī)?nèi)容及成果包括:
　　(1)為了抑制MEMS IMU隨機(jī)誤差的高頻部分，本文設(shè)計(jì)了一種基于改進(jìn)小波濾波(Improved Wavelet Filter，IWF)的數(shù)據(jù)預(yù)處理算法。針對(duì)傳統(tǒng)小波濾波中分解層數(shù)確定以及閾值函數(shù)存在的不足，該

3、算法采用頻譜分析結(jié)合實(shí)驗(yàn)評(píng)估的方法來(lái)選擇小波分解的最優(yōu)層數(shù)，并設(shè)計(jì)了一種改進(jìn)的帶調(diào)節(jié)因子的閾值函數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法在一定程度上克服了傳統(tǒng)閾值函數(shù)的缺點(diǎn)，可以較好的抑制MEMS慣性數(shù)據(jù)隨機(jī)誤差的高頻部分。
　　(2)針對(duì)MEMS IMU隨機(jī)誤差的低頻緩變部分，本文結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)和分形高斯噪聲(fractional Gaussian noise，fGn)的優(yōu)點(diǎn)

4、，設(shè)計(jì)了一種基于EMD區(qū)間閾值濾波的自適應(yīng)數(shù)據(jù)預(yù)處理算法。該算法首先利用fGn對(duì)慣性數(shù)據(jù)中的隨機(jī)誤差進(jìn)行建模，然后利用fGn在各層本征模函數(shù)(Intrinsic Mode Function，IMF)內(nèi)方差的關(guān)系，確定了EMD濾波閾值選擇準(zhǔn)則;同時(shí)，構(gòu)建了一種基于IMF區(qū)間的閾值處理方案，來(lái)消除濾波后信號(hào)的不連續(xù)性。實(shí)驗(yàn)結(jié)果表明，該預(yù)處理算法既可以有效的消除部分低頻緩變隨機(jī)誤差，又可以消除隨機(jī)誤差的高頻部分，與基于改進(jìn)小波濾波的預(yù)處理算法

5、相比，濾波后慣性數(shù)據(jù)數(shù)據(jù)的精度得到進(jìn)一步提升。
　　(3)提出了一種基于自回歸(Auto-Regressive，AR)模型輔助卡爾曼濾波(Kalman Filter，KF)的混合策略，來(lái)提高衛(wèi)星遮擋交通情況下車(chē)輛組合定位系統(tǒng)的精度和可靠性。該策略首先在系統(tǒng)結(jié)構(gòu)中引入了慣性數(shù)據(jù)預(yù)處理步驟，為后續(xù)信息融合提供高精度的慣性數(shù)據(jù);然后對(duì)傳統(tǒng)的INS誤差建模結(jié)構(gòu)進(jìn)行改進(jìn)，設(shè)計(jì)了一種基于序列的INS誤差建模和預(yù)測(cè)結(jié)構(gòu);在此基礎(chǔ)上，設(shè)計(jì)了基于A

6、R模型的前向估計(jì)器(AR model-based Forward Estimator，ARFE)，并構(gòu)建基于ARFE/KF的混合策略對(duì)INS位置誤差建模并預(yù)測(cè)。實(shí)車(chē)實(shí)驗(yàn)結(jié)果表明，該方法可以有效地補(bǔ)償GPS中斷情況下INS位置誤差，并具有較好的泛化能力和實(shí)時(shí)性，大幅度提高了GPS遮擋情況下的車(chē)輛定位精度。
　　(4)為了進(jìn)一步提高車(chē)輛組合定位系統(tǒng)在較長(zhǎng)GPS中斷情況下的性能，提出一種基于最小二乘向量機(jī)(Least Squares S

7、upport Vector Machine，LSSVM)的帶外部輸入非線(xiàn)性自回歸模型(Nonlinear Auto-Regressive with Exogenous inputs，NARX)輔助KF的INS誤差混合預(yù)測(cè)策略。該策略設(shè)計(jì)了一種帶有記憶功能和內(nèi)部反饋的INS誤差建模結(jié)構(gòu)，兼顧了INS誤差歷史發(fā)展趨勢(shì)和車(chē)輛運(yùn)動(dòng)狀態(tài)影響;構(gòu)建了LSSVM-NARX/KF混合策略對(duì)INS誤差進(jìn)行建模，并在GPS中斷期間實(shí)現(xiàn)對(duì)INS誤差的預(yù)測(cè)和補(bǔ)