摘 要: 针对盲区中使用INS惯性导航系统进行定位存在误差积累的问题,提出一种基于DR航位推算、GPS全球定位系统和MM地图匹配的组合定位系统数据融合算法。该算法利用GPS和MM中得到的位置信息,一方面用于更新DR的定位信息,另一方面用于修正陀螺仪比例因子和里程表比例因子等参数,提高定位精度,防止DR系统推导的车辆定位误差的积累。通过MATLAB进行仿真实验,验证了此算法的有效性。实验结果表明,此算法可以有效约束INS的误差积累,提升导航系统的性能。

关键词: 组合定位系统;航位推算;地图匹配;模糊控制

0 引言

车辆的盲区定位问题一直是业界的研究热点[1]。目前盲区中主要使用惯性导航系统(Inertial Navigation System,INS)。但是INS存在一个致命的问题,即定位误差会随着时间而积累[2]。

参考文献[3]介绍了一种对GPS定位数据进行采集和分离并采用电子地图组合定位,以纠正误差积累的方法。参考文献[4]介绍了一种利用全球导航卫星系统(Global Navigation Satellite System,GNSS)、INS和车道检测标志三者相结合的定位系统,在此系统中,GNSS/ INS定位方法的漂移误差由车道检测标记进行补偿修正。

本文提出一种基于DR/GPS/MM组合定位系统的数据融合算法。该算法融合DR和GPS的位置信息作为MM系统的输入,然后MM系统的输出将用于更新和修正DR的参数,这样可以提高定位精度,防止DR系统推导的车辆定位误差的积累。

1 系统架构

本系统中,DR系统被定为主要的导航系统,GPS和MM作为辅助系统。组合定位系统的系统架构如图1所示。

1.1 DR误差分析

DR误差模型如图2所示,点A(x,y)是车辆的实际位置,而点missing image file是DR系统测量得出的位置。γ代表方位角,n是里程表在采样时间tk内的脉冲数,K0是里程系数,xk和yk分别是采样时间tk内北向和东向的坐标增量,OA是时间tk内的里程增量[5]。

误差模型可以列为以下方程:

在时间t时的方位角误差定义如下:

在这里δγ0是初始误差;Kg是陀螺仪的比例因子,它受到温度、道路倾向等因素的影响;w(τ)是角速率;δg~N(0,σ02)。

2 基于DR/GPS/MM的组合定位系统数据融合算法

在本章中,首先将详细讨论基于模糊逻辑的MM算法,然后提出一种基于DR/GPS/MM组合定位系统的融合算法。

2.1 基于模糊逻辑的MM算法

基于模糊逻辑的MM算法主要分为两步:(1)道路选择;(2)坐标投影。

MM系统的输入包括DR系统输出的坐标(x,y)、方位角和里程数据。MM系统会根据规则来寻找有最大相似值的道路,然后投影当前位置到所选的道路上去。在道路选择阶段有两条规则。

道路选择的第一条规则:假设车辆和道路之间的方位角差值在一定范围内,距离相似系数可以由模糊公式获得:

在这里Ksd代表距离相似性,Ksa代表方位角相似性。

Ksd可以由函数fd获得:

其中d是车辆到相关的道路之间的距离。

Ksa可以由函数fa获得:

其中δγ是车辆与相关的道路之间的方位角的差值[6]。

道路选择的第二个规则:如果在选择的道路上连续几个测试点的相似度值都保持在高水平,那么就假设这辆车行驶在这条道路上。

当车辆正在行驶的道路被选择之后,接着进行坐标投影阶段。在这一阶段,当前的显示车辆位置的点将被投影到选择的道路上[7]。

2.2 数据融合算法

MM系统投影车辆的位置坐标到被选择的道路上,然后将处理过的数据反馈给DR系统。同时,GPS信号通过另一个频道传播给DR。数据融合过程是在DR系统中进行的。该算法包括两个部分:(1)导航信息更新;(2)纠错和校准。该过程如图3所示。

MM数据在某些条件下是不可靠的:(1)车辆不是行驶在路上;(2)汽车定位到错误的道路上去。这两个条件可以由一个涉及DR的位置和预计位置的模糊函数来定义,同时方位的差异可以由式(7)描述。

如果Z大于0.7,则MM标识就等于1,就认为MM数据是可靠的,可以用于DR系统的纠错[8]。

2.3 DR误差修正

2.3.1 方位角误差修正

式(3)里提到,方位角误差δγ(t)包含3个部分,分别是初始方位角误差δγ0、转换误差missing image file以及噪声误差δg。

当车辆改变行驶方向,从一条道路切换到另一条道路时,陀螺仪比例因子Kg可以被修正。

一辆车以角度θ1沿着道路AB行驶,然后改变角度为θ2切换到道路BC行驶。选择道路切换前的一个投影P1以及道路切换后的一个投影P2。陀螺仪转变的角度为

。根据电子地图数据库,这两条道路的角度差值定义为

修正后的陀螺仪比例因子可以由下式得出:

当车辆行驶在一条直行道路上时,可以计算出δγ0的值。

如图4所示,车辆从P0点行驶到P1点,DR系统的输出为P2点,MM系统将P2纠正为P'2点,δγ0可以由公式(9)计算得出:

2.3.2 里程表比例因子修正

当车辆行驶在直行道路上时,选择由导航系统给出的K个坐标点(xi,yi)以及经过地图匹配过后的K个坐标点

。K0是初始里程表比例因子,修正后的里程表比例因子可以由下式计算得出:

3 仿真结果与分析

3.1 仿真结果

本文使用的仿真工具是MATLAB7.0,并根据仿真结果分析来验证上述算法。为方便起见,本文选择直行路段进行仿真,这里每隔0.5 s进行一次定位,假设每个时间段内车辆速度和方位角都保持恒定,且各个时间段之间的车辆速度和方向角都不相同。

如图5所示,考虑车辆行驶在直行路段,图中间的竖线表示车辆行驶的道路,竖线上的圆点是车辆的真实定位点,正方形点是DR系统在没有经过参数修正前得到的定位点,而星点是DR系统经过参数修正后得到的改进后的定位点。

3.2 仿真分析

由图5可以看出,经过参数修正的DR系统得到的定位点相比未经过参数修正的DR系统得到的定位点更加靠近车辆行驶的道路,行驶距离也更精确。这是由于本文提出的算法所具有的参数修正作用,可以通过修正陀螺仪比例因子与里程表比例因子,使得每个时间间隔内的车辆航向角和车辆行驶速度的误差减小,更趋近于真实方位角和真实行驶速度,从而减小DR系统的定位误差,提高车辆的定位精确度。同时,本文提出的算法还可以将参数修正后的DR系统得到的定位点投影到车辆行驶着的道路上,使得定位结果更加精确。

4 结论

本文提出一种基于DR/GPS/MM的组合定位系统数据融合算法,此算法可以通过修正DR的参数来约束惯性导航系统的误差。仿真结果表明,此算法可以有效地提升导航系统的性能。

参考文献

[1] Maki T, Matsuda T, Sakamaki T, et al. Navigation method for underwater vehicles based on mutual acoustical positioning with a single seafloor station[J]. IEEE Journal of Oceanic Engineering, 2013, 38(1):167-177.

[2] Atia M, Donnelly C, Noureldin A, et al. A novel systems integration approach for multisensor integrated navigation systems[C]. Systems Conference (SysCon), 2014:554-558.

[3] 罗杰涛. 智能交通系统中GPS地图匹配算法设计与实现[D].北京:北京交通大学, 2012.

[4] Fouque C, Bonnifait P. Matching raw GPS measurements on a navigable map without computing a global position[J]. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(2):887-898.

[5] Wahab A A, Khattab A, Fahmy Y A. Two-way TOA with limited dead reckoning for GPS-free vehicle localization using single RSU[C]. ITS Telecommunications (ITST), 2013:244-249.

[6] 丁宗富. 地图匹配与路径规划算法在导航系统中的应用研究[D]. 阜新:辽宁工程技术大学, 2011.

[7] 李云洁. 汽车导航系统中地图匹配算法的研究与实现[D]. 长春: 吉林大学,2006.

[8] Dalu G, Ailong F. Power distribution network reconfiguration based on fuzzy control theory and ant colony algorithm[C]. 2011 International Conference on Electronic and Mechanical Engineering and Information Technology (EMEIT), 2011, 3(1):1230-1232.

什么是陀螺仪的dr算法_一种基于DR/GPS/MM的组合定位系统数据融合算法相关推荐

  1. skew算法_一种基于FPGA的多通道高速输入信号自动de‑skew算法的制作方法

    本发明涉及高速数据采集技术,更具体的涉及一种基于FPGA的多通道高速输入信号自动de-skew算法. 背景技术: 随着对精度和速率要求越来越高,目前数据采集系统向着多通道和超高速两个方向发展.多通道高 ...

  2. 基于联邦学习的多源异构数据融合算法

    摘 要 随着科技的迅猛发展,具有计算和存储能力的边缘设备数量不断增加,产生的数据流量更是呈指数式增长,这使得以云计算为核心的集中式处理模式难以高效处理边缘设备产生的数据.另外,由于边缘网络设备的多样性 ...

  3. 基于联邦学习的多源异构数据融合算法 Multi-Source Heterogeneous Data Fusion Based on Federated Learning

    5.基于联邦学习的多源异构数据融合算法 Multi-Source Heterogeneous Data Fusion Based on Federated Learning 摘要:随着科技的迅猛发展, ...

  4. python模糊神经网络预测_一种基于模糊神经网络的化学分子生物毒性预测模型算法的制作方法...

    本发明属于化工 技术领域: ,具体是一种基于模糊神经网络的化学分子生物毒性预测模型算法. 背景技术: :近些年来,化学物质合成技术飞快发展,合成物质已经应用于社会的各行各业,随着工业的高度发展,全球化 ...

  5. python自带的对称算法_一种基于对称算法和专用加载模块的Python程序模块加密方法...

    一种基于对称算法和专用加载模块的Python程序模块加密方法 [专利说明]一种基于对称算法和专用加载模块的Python程序模块加密方法 技术领域 [0001]本发明涉及一种网络安全技术,具体涉及一种P ...

  6. python随机森林筛选变量_一种基于随机森林的改进特征筛选算法

    刘云翔 陈斌 周子宜 摘  要: 肝癌是一种我国高发的消化系统恶性肿瘤,患者死亡率高,威胁极大.而其预后情况通常只能通过医生的专业知识和经验积累来粗略判断,准确率较差.因此文中在分析随机森林算法的基本 ...

  7. (2016/02/19)多传感器数据融合算法---9轴惯性传感器

    2016年2月18日 传感器的原理 加速度计: 加速度计---我们可以把它想作一个圆球在一个方盒子中. 假定这个盒子不在重力场中或者其他任何会影响球的位置的场中,球处于盒子的正中央. 你可以想象盒子在 ...

  8. 多传感器数据融合算法---9轴惯性传感器

    #传感器的原理 加速度计: 加速度计-我们可以把它想作一个圆球在一个方盒子中. 假定这个盒子不在重力场中或者其他任何会影响球的位置的场中,球处于盒子的正中央. 你可以想象盒子在外太空中,或远在航天飞机 ...

  9. 一种基于伪标签半监督学习的小样本调制识别算法

    一种基于伪标签半监督学习的小样本调制识别算法 人工智能技术与咨询 来源:<西北工业大学学报>,作者史蕴豪等 摘 要:针对有标签样本较少条件下的通信信号调制识别问题,提出了一种基于伪标签半监 ...

最新文章

  1. Unity3D研究院之与Android相互传递消息
  2. 基于策略的路由(下)
  3. 【.net web】iframe小问题的解决
  4. 楼层标高怎么引上去_【强烈推荐】工程图纸怎么看?
  5. 【洛谷】【动态规划+单调队列】P1725 琪露诺
  6. c++中algorithm头文件、STL库简介及使用说明
  7. python,pytorch:读取,保存,显示图片
  8. 腾讯x5内核使用方法 手动安装 全网最简单
  9. 在PreferenceScreen加入自定义布局
  10. 服务器上文件添加可信任,如何将服务器配置为受信任以进行委派
  11. 计算机公式除以键是,excel函数的除法公式(整数及余数)《计算机除法函数公式》...
  12. java fadein_jQuery中fadein与fadeout方法用法示例
  13. RabbitMQ的两种不同写法
  14. 个人编译移动内核时遇到的一些问题报错及处理方法【不定时更新2021.1.3】
  15. C# 生成图片清晰度问题(转载)
  16. 青铜三人行之青蛙跳台阶
  17. 本以为PlusFo是个青铜,没想到竟是个王者
  18. 通如电子图书馆 数字图书馆 电子阅览室
  19. JavaWeb框架设计之菜单设计
  20. php 友盟推送角标,android集成友盟推送实现离线在线推送及桌面图标角标设置

热门文章

  1. 突破常规限制运行asp木马(转)
  2. 临近年关,为何越来越多的程序员不愿回家,带你盘点那些程序员最怕的几件事
  3. java float四舍五入保留两位小数_java基础入门-float四舍五入保留两位小数注意的地方...
  4. android xml 圆形图片,Android ImageView实现圆角,圆形图片
  5. 玩转OSGI-ApacheFelix(一)框架启动部署
  6. SLAM学习资源免费分享-转载
  7. PCB----阻抗计算
  8. Mac查看OpenGL版本
  9. 【Java基础】入门
  10. 晶体三极管原理及应用