《组合定位方法PPT演示文稿》由会员分享，可在线阅读，更多相关《组合定位方法PPT演示文稿（34页珍藏版）》请在金锄头文库上搜索。
1、1,车载GPS定位技术与应用,2,4.1 GPS/DR组合定位 4.2 GPS/MM组合定位方法,第四章组合定位方法,3,组合定位原因,1、由于我国地理环境复杂，某些时候造成“丢星”如城市的高层建筑区、茂密的林荫道、立交桥及山区里的隧道等区域，受到卫星信号遮挡等多种因素的干扰，造成“丢星”，使得GPS系统不能连续可靠地得到车辆的定位信息或者得到GPS定位数据的精度较差。 2、GPS接收机本身的定位频率不够。大部分GPS接收机都是每隔1s产生一次定位数据 因此，如果要精确地确定车辆的位置，必须加以其他的辅助定位方式。,4,4.1.1 GPS/DR组合定位,一、航位推算（DR-Dead Recko
2、ning） DR技术是利用速度传感器里程表和航向传感器电子罗盘或者陀螺仪测量位移方向，从而推算车辆的位置。 基本思想：当车辆在二维平面空间行驶时，如果初始位置和先前的每步位移均已知的话，在任何时刻的车辆位置都是可以计算的。,5,DR（续）,6,DR（续）,由于航位推算是一个累积的过程，因此，所有的传感器误差均会造成位置误差的积累，产生定位误差积累的原因主要有 (1)里程表误差，(2)角速率陀螺漂移误差，(3)航向误差。 减小这些误差的方法有: (2)利用GPS精确定位信息对导航传感器的误差进行校正。 (1)采用卡尔曼滤波技术对角速率陀螺信号进 行 滤 波处理 ， 减小干扰和漂移误差 。,7,二
3、、 GPS/DR组合定位,分析表明利用GPS/DR组合定位技术能提高车载定位系统的精度及可靠性。 一方面，GPS提供的绝对位置信息可以为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，可用以补偿GPS信号“失效”时无法定位的缺陷，还可用于补偿GPS定位中的随机误差，从而平滑定位轨迹，提高车载定位系统的精度。 关键在于：采用何种方法来组合两种定位系统的信息以获得最优的组合定位结果。 常用组合方案：切换式组合和数据融合（滤波）方案,8,1、切换式方案,两种工作状态：GPS模式和 DR模式 当GPS观测到的卫星数较多时工作于GPS模式，同时利用GPS的定位输出刷新DR系统的初始
4、推算位置； 当GPS定位数据失效时则切换到DR模式。,9,优点：简单易行，系统承担的计算量很小，可以解决卫星信号失效时短时间的定位问题。 缺点：1、两种系统没有有效融合不能发挥两者的优点。2、DR所需要的初始信息由前一时刻的GPS数据提供，使得GPS数据中的误差直接被传递到了DR推算过程汇中，造成DR系统的定位精度下降，缩短了其能够满足定位精度要求的有效工作时间等。,切换式方案（续）,10,数据融合方案卡尔曼滤波,思路：将GPS和DR信息同时用于定位求解过程中，使DR系统的状态在滤波过程中不断得到修正，同时组合定位的输出又可以为DR系统提供较为准确的初始位置和方向信息，从而即使GPS失效、单独
5、使用DR推算定位时也能长时间的保持较高的定位精度。 信息融合原理是:系统总信息在2个分块滤波器中进行适当分配;分配后的信息与局部传感器的信息进行组合，完成局部传感器的信息更新;更新后的局部信息重新组合为新的总信息和。,11,卡尔曼滤波（续）,12,卡尔曼滤波的设计（续）,1、假定条件 利用速度计和陀螺仪作为DR传感器，在陆 路 车 辆定位的数据融合中，假定以下条件是成立的: a) DR传感器的采样间隔与车辆运动的角速度和前进速度变化时间相比足够短 ; b) 测量噪声是零均值的高斯白噪声。 利用速度计和陀螺仪作为DR传感器，并将陆地车辆近似视为二维平面上的运动物体，高度可以忽略。,13,卡尔曼滤
6、波的设计（续）,2、数据融合结构 陆路车辆定位的数据融合结构如图4-3所示，陀螺仪测量车辆运动的水平角速度，速度计测量车辆单位时间内行驶的距离。,图4-3 陆路车辆定位的数据融合示意图,14,3、参数变量描述,卡尔曼滤波的设计（续）,15,4、模型描述 1）系 统 状态方程 车辆的运动方向由陀螺仪输出的角速度积分而得：,卡尔曼滤波的设计（续）,图 4-2 陆路车辆运动的坐标关系,(4-1) (4-2),16,车辆在采样间隔内移动的距离由速度计输出的车辆速度积分而得，即 根据假定条件a)，车辆k+l时刻的位置坐标可由下式递推而得，,17,由(4-2)和基本的三角几何关系可得,18,2) 观测方程
7、 在 GPS/DR组合定位中，车辆位置可以通过GPS或者DR两种方法来获得，但是利用DR需要知道车辆运行的初始方向和位置。系统的观测方程表示为 当GPS卫星信号质量太差时，车辆的位置坐标由DR算法获得，当GPS信号有效时，GPS接收机输出的位置坐标作为观测量。,19,观测噪声的特性取决于观测量来自于GPS还是DR。由于SA已经取消，GPS定位误差可用 表示。当利用DR获得车辆位置时，位置估计误差随车辆行驶的距离而增加。总之，观测噪声可由下式给出， 导致系统噪声w1(k) .w 4( k) 的噪声nd(k )与n (k) 的方差为,20,3) 卡尔曼滤波模型 基于 (4 -6).( 4-7)和(
8、4-8)可以利用标准的卡尔曼滤波来估计车辆的位置。为减少计算量，此处应用复数表示的卡尔曼滤波模型。状态向量、观测向量以及相应的状态转移矩阵、观测矩阵和系统噪声等表示为复数形式如式(4-11a)(4-11i)所示，,21,因此(4-6)(4-8)的系统状态方程和观测方程可简化为,22,标准卡尔曼滤波递推方程如图4-3所示。,23,在上 述 递 推过程中，可用(4-13)式来判断卡尔曼滤波结果的有效性， 当上式不满足，且GPS信号长时间无效，状态估计偏差将越来越大，因此，当GPS信号重新有效时，协方差需要用下述规则调整:,24,仿真实验,基于上述卡尔曼滤波模型，根据实际中采集的数据产生一条参考轨迹
9、，图4-4分别为参考轨迹、GPS数据、DR数据和卡尔曼滤波后的结果，其中，GPS定位误差为：东向（x）5米，北向（y）5米；陀螺仪的漂移为5度/秒，测速计误差为0.5米/秒。,25,26,图45为局部放大示意图，表示了GPS定位误差和卡尔曼滤波结果相对与参考轨迹的误差。 可见，利用卡尔曼滤波模型可以对DR的独立定位结果进行一定程度的改善。从图中可看出，GPS本身具有不随时间累积的定位误差，但DR误差随时间延长而增大。当GPS定位结果有效时，GPS/DR 组合的卡尔曼滤波具有平滑车辆运行轨迹的作用，但定位精度没有得到明显的改善，这是由于DR传感器（此试验用陀螺仪和速度计）的精度较低的缘故。如果陀
10、螺仪的飘移为0.05度/ 秒，速度计的误差为0.05米/秒，则GPS/DR组合定位的结果将优于GPS的定位精度。,27,28,GPS/DR联合滤波器的设计,Calson 提出的联合滤波器是由众多子滤波器和一个主滤波器进行两阶段数据处理, 其独特之处在于采用了信息分配原理, 即将滤波器的输出结果(包括状态估计、估计误差协方差矩阵和系统噪声矩阵) 在几个子滤波器中进行适当分配, 各子滤波器结合各自的观测信息完成局部估计, 其结果再送入主滤波器进行融合, 从而得到全局最优估计。,29,自适应联合Kalman 滤波模型,1、自适应联合Kalman 滤波器结构方案,GPS/ DR 组合导航系统数据融合结
11、构框图,30,这是一种可重构的、自适应的、改进型的简化联合卡尔曼滤波器, 其主要特点如下: ( 1) 本系统包含了两个局部卡尔曼滤波器, 它们分别处理GPS 和DR 传感器的量测数据。数据在送入卡尔曼滤波器之前需经过一定的预处理过程, 包括时间对准(为完成动态轨迹融合进行时间上的统一) , 空间对准(进行各自导航坐标系到公共坐标系的转换) , 以及在智能控制模块控制下的野值剔除和误差补偿等。 (2) 系统中无公共参考系统, 主滤波器不进行滤波运算, 仅完成对两个分系统信息的最优融合估计。这样, 系统计算量很小, 而总体系统前向滤波速度最快, 对车载GPS/DR 组合导航来说, 其结构是较佳的。
12、 (3) 智能控制模块以对各传感器和各子滤波器状态评估为基础对系统进行重构和自适应调整, 其目的是为了保证系统始终处于最佳的组合状态, 以得到最好的输出以及使系统具有很强的容错能力。,31,状态方程（略） 试验结果 图2 示出了原始GPS、DR 观测曲线与联合滤波之后的轨迹. 图3、图4 示出了DR 和GPS 观测曲线分别与联合滤波后的轨迹对照图. 由图可见,DR 系统精度较低,且误差随时间不断增大,呈发散趋势,基本无法单独使用;GPS 观测曲线基本反映出车辆的真实轨迹,但与DR 观测曲线相比明显不够平滑,尤其是在易发生遮挡现象的路段有较多拐点和野值点;联合滤波之后的轨迹走势基本依照GPS 观测曲线,但更趋平滑,在单独的DR或GPS 失效时仍能较好地跟踪行车轨迹.,32,图2 原始GPS、DR 观测曲线与联合滤波后轨迹比较,33,图3 DR 观测曲线与 图4 GPS 与联合滤波轨迹比较 联合滤波轨迹比较 (鼓楼外大街一段轨迹图的放大),34,原始GPS、DR 观测数据与联合滤波数据东向位置偏差比较,
