改进联合滤波在GPS/DR组合定位中的应用

　　一、前言

　　1994年全球定位系统（global position system，GPS）正式投入使用以来，采用GPS的车辆导航技术获得了广泛应用。GPS信号采用直线传播，能量低，遇到障碍物会影响信号的正常接收，在城市交通环境中，由于高楼、高架桥、隧道等障碍物的阻隔，经常发生短时的通信中断和定位精度降低的现象。航位推测法（dead reckoning，DR）利用车载传感器测量速度、里程和航向角信息，采用航位推算计算车辆方位，具有高度自治性和较高的定位精度。DR定位误差随积分过程增加，若长时间独立工作，误差将发散。GPS/DR组合导航实现两种定位技术的优缺点互补，提高定位系统精度和可靠性，是多传感器组合导航系统主要采用的技术之一。

　　融合GPS和DR信息是组合导航定位技术的关键，卡尔曼滤波是对随机系统的统计最优估计，在组合导航定位系统中的应用研究有较长历史。采用集中卡尔曼滤波对多传感器组合系统进行信息融合可以实现统计最优估计，但由于是集中处理，当系统状态维数增加时，算法存在2个问题：①计算量与状态维数的3次方成正比，实时计算困难；②容错性差，一个传感器故障，整个系统信息都会被污染。

　　20世纪70年代末提出的分散卡尔曼滤波是对传统卡尔曼的改进，采用分级的滤波器结构，提高滤波器的容错性，但算法复杂，滤波器之间的通信量大，工程实现困难。

　　20世纪80年代末Carlson提出了联合滤波器，算法是对分散滤波器的改进，根据信息守恒原理，用信息分配系数把全局状态估计信息和系统噪声信息分配给各局部滤波器。算法具有简单、容错性好和便于工程实施的优点。

　　作者采用联合卡尔曼滤波器（federal Kalman fifter，FKF）融合GPS和DR信息，根据定位传感器精度低和车载导航计算机计算能力较低的特点，在现有的研究基础上，改进联合滤波算法，稍微降低融合精度，提高原算法计算效率。