改进联合滤波在GPS/DR组合定位中的应用

　　图3 联合卡尔曼滤波位置估计图

　　表1为改进联合滤波算法、典型联合滤波算法以及GPS定位的误差的统计值分析。改进算法提高组合系统的定位精度，由于简化主滤波器的协方差融合过程，算法的精度稍低于典型的融合算法。

　　表1 定位误差的统计分析

　　m改进FKF信息融合的另一个重要作用是提高航向估计精度。图4为改进FKF与GPS估计航向角的比较图。GPS估计的航向有很大的噪声，在低速时噪声尤为明显。经过FKF融合DR和GPS信号后，航向估计准确跟随了真实航向。

　　图4 FKF航向估计图

　　改进算法移植到导航计算机中，经测试，在8次/s融合计算的条件下（正常工作每秒融合一次），导航软件仍可以正常操作，因而改进算法的效率基本满足要求。

　　五、结论

　　针对低成本车辆GPS/DR组合定位系统传感器精度低和计算能力弱的特点，提出6维状态变量的FKF算法，并简化主滤波器协方差计算过程，在稍微降低融合精度的条件下，大大减少融合计算量。提出的自适应误差反馈补偿和GPS观测噪声自适应调整分别提高DR和GPS子系统观测精度，并且具有较好的容错性。道路试验结果验证所提出的改进信息融合算法是有效的。