基于組合導航系統的智能汽車精準定位

史 駿

（西安鐵路職業技術學院機電工程系 西安 710026）

1 引言

智能汽車是集成環境感知、路線規劃、智能決策和負責駕駛等多種功能的綜合系統，是未來緩解交通擁擠、降低交通事故的重要解決方案。智能汽車得以安全行駛的重要前提是實現對智能汽車精準的導航定位。

目前智能汽車常用的導航定位技術有衛星導航定位技術、慣性導航技術等。衛星導航定位技術是通過接受GPS、CNSS等衛星導航系統的數據信息獲取車輛準確位置信息以及行駛路徑、方向實現方位導航。由于衛星導航系統的接受裝置容易受到干擾導致不能穩定正確定位，因此衛星導航系統不能獨立應用于智能汽車的實時導航。

慣性導航系統是通過對陀螺儀和加速度計等傳感設備采集的速度、姿態角、位移量等數據進行一系列計算，得出當前導航信息。慣性導航具有系統獨立、抗外部干擾能力強、無需接受信號的優點，但是長時間運行其導航定位的累計誤差較大，需要與其他導航系統配合使用。

基于上述考慮，本文提出一種基于組合導航的智能汽車精準定位系統。該系統基于組合導航原理，采用分散濾波、混合校正以及改進濾波算法等技術，對GPS的導航數據和慣性導航的定位數據進行融合計算，最終輸出精度較高的導航定位數據。

2 組合導航定位原理

本文所述的組合導航系統是采用對GPS和慣性導航系統的組合，利用組合濾波器對GPS的原始定位數據和慣性導航的輸出定位數據進行濾波處理，然后將誤差數據反饋至慣性導航模塊，最后由慣性導航模塊輸出經過反饋校正的定位數據輸出，實現智能汽車精準定位。組合導航原理如圖1所示。

圖1 組合導航原理圖

由GPS和慣性導航組成的導航系統的平臺誤差角的計算公式如式（1）所示。

式（1）中θ表示誤差角。速度誤差計算公式如式（2）所示。

式（2）中Δv表示速度誤差。位置誤差的計算公式如式（3）所示。

式（3）中 α、β、h分別表示維度、經度和高度。上述公式中=[aij]。i。j=1。2。3 ，aij的具體數值如式（4）所示。

式（4）中 θx。θy。θz分別代表東、北、西方向的角度偏差。表示姿態誤差。表示加速度傳感器的輸出數值。表示加速度傳感器的測量誤差。Δg為重力加速度的計算誤差。Rm和Rn分別表示子午圈與卯酉圈主曲率半徑。

式（1）、式（2）和式（3）組成組合導航系統的狀態方程。

我就不信爬不上去。哎喲，這鋼角刺真扎人。哎喲，痛死我了，他娘的。寶剛一邊罵罵咧咧，一邊曲里八拐往上爬，還別說，真讓他上去了。寶剛那個喜呀，亂蹦亂跳好一陣才開始砍柴。很快就砍滿了一擔。寶剛將柴用葛藤捆好，然后順著陡墈往下推，推第一捆還好，推第二捆的時候，寶剛沒站穩，人就順著那捆柴滾下去了，從此，落下了終身殘疾。

組合導航系統的誤差方程為式（5）所示。

式（5）中εb為常值零偏，δb為常值漂移。

3 分散式濾波和混合校正技術

組合導航系統中的濾波器由全局濾波組件和局部濾波組件組成，其設置方式如圖2所示。

圖2 分散式濾波

由于組合濾波器分散為局部濾波組件和全局濾波組件兩個部分，所以其濾波計算分為兩個過程。第一個計算過程是由相應的局部濾波組件對各個局部導航系統的導航定位數據進行計算，得出局部導航系統的定位信息；第二個過程是由全局濾波組對局部濾波組件的定位信息進行融合計算，得出最終的定位信息。在此過程中局部導航系統的定位計算得到了并行處理和重復優化，因此組合導航系統的定位效率和定位精度也得到了提高。

組合導航系統中，采用混合輸出校正和反饋混合的校正方式對濾波器計算出的導航參數誤差值進行校正。

在濾波器工作的初始階段，由于初始狀態值和噪聲初值的選取偏差較大，導致濾波器計算出估值偏差也較大，如果直接反饋到慣性導航中，會導致系統輸出誤差偏大，精度降低，因此在濾波器工作初始階段采用輸出校正和濾波器反饋校正相結合的方式，并且將輸出校正的速度設置為高于濾波器反饋校正反饋的速度。等到濾波器進入穩定工作階段，就去掉輸出校正，采用濾波器反饋校正方式對慣性導航系統的輸出誤差糾偏。這種校正方式能夠最大限度保證組合導航系統的定位精度。

4 改進的容積卡爾曼濾波算法

容積卡爾曼濾波算法是基于狀態值和測量值的正態分布的考慮，利用上一時刻的最優估算值和當前時刻的測量值的融合計算得出當前時刻的最優定位結果。容積卡爾曼濾波算法的基礎是系統狀態值和測量值服從沒有任何耦合的正態分布規律，分布點均勻分布在以原點為中心的球的表面，且分布點的個數是狀態值的2倍。以此為前提，依據容積準則可以確定的均差和方差是可以估算出系統的當前最優定位數據。而在前提條件充分的基礎上，容積卡爾曼濾波問題則變成對由非線性函數和正態分布的噪聲方程聯立的積分函數進行計算的問題，其中噪聲的正態積分權重可由容積準則來確定。

正態加權積分的計算過程如下所示。

其中式（8）中ei是單列矢量的第i個元數據。此方法對線性正態加權積分函數具有較高的計算精度。

容積卡爾曼濾波算法包括時間更新算法和輸出更新算法。時間更新算法如圖3所示。

圖3 時間更新算法

輸出更新算法如圖4所示。

圖4 輸出更新算法

容積卡爾曼濾波算法在面對線性模型時有較強的輸出精度和運行穩定性，但是由于面對組合導航的計算模型的非線性和以及噪聲變化的不確定性會導致該算法輸出精度下降，甚至會出現濾波發散、定位失敗的問題。為此通過引入漸消系數λ對濾波后協方差矩陣進行及時調整，使得輸出的誤差序列能夠保持相互正交，提高濾波器的誤差跟蹤的能力。

漸消系數λk依據式（8）計算得出。

式（8）中相關參數的計算方法如下所示。

式（9）、式（10）和式（11）中標識*的變量表示是引入漸消系數λk之前的值。

將上述漸消系數運用到濾波算法中的狀態預測協方差矩陣中的具體算法為

第一步，計算初始誤差數據和預測誤差。然后按照上文時間更新算法和輸出更新算法計算出誤差自協方差矩陣和互協方差矩陣。并將計算出的變量打上*標識。

第二步，按照式（9）～式（11）計算出漸消系數 λk。

第三步，將λk引入誤差協方差矩陣Pk|k-1。

第四步，重新計算誤差協方差矩陣等濾波參數。

第五步，重新計算濾波增益、預測輸出值和濾波后誤差協方差矩陣。

5 仿真分析

仿真測試針對獨立GPS導航系統和組合導航系統進行定位精度測試。其中兩個導航系統的濾波器均采用本文所述的改進濾波算法。

仿真系統的參數設置如表1所示。

序號 值123456參數仿真初始位置陀螺儀零偏陀螺儀角速率白噪聲加速度計常值偏差加速度計初始速度誤差加速度計初始位置誤差東經139.62°、北緯50.68°0.01°/h 0.001°/h 5*10-5g·s-2 0.1m/s 14m

仿真時間為10min。仿真結果如圖5所示。

圖5 仿真結果

由圖5可以看出，基于GPS和慣性導航的組合導航系統定位的軌跡線更加貼近實際軌跡，而且其定位軌跡線的噪聲也要小于GPS導航系統，因此基于GPS和慣性導航的組合導航系統的定位精度明顯優于GPS導航系統。

6 結語

本文對基于GPS和慣性導航的組合導航原理進行深入研究，對組合導航系統中分散濾波方法、混合校正技術以及濾波算法進行了重點闡述，最后通過仿真分析證明了該導航系統能夠為智能汽提供精度明顯優于單個導航系統的車輛精確定位服務。