提高车辆GPS定位精度的卡尔曼滤波算法研究



提高车辆GPS定位精度的卡尔曼滤波算法研究

随着车联网技术的发展，车与车（V2V）、车与路边基础设施（V2I）之间的通信正在对车辆定位精度提出更高要求。美国市场研究公司（ABI）的研究显示，定位数据是上述应用的首要保障，未来几年内车载导航市场预计会增长25.9%，车体位置、速度和航向将成为最具价值的数据集。全球定位系统（GPS）是目前应用最广泛的车外定位传感器，该系统的精度和可靠性是车辆工程师们所面临的最大挑战。

在静态单点定位条件下，最小二乘法估计通常用于求解用户位置，但在动态定位情况下效果却不理想，定位精度一般在10～15m范围内。

20世纪40年代Rudolf Kalman提出了卡尔曼滤波算法，该算法很好地解决了线性时变系统的最优估计问题，并在导航领域得到了大量推广。该算法假设：①系统是动态、线性的；②系统扰动和测量误差服从零均值、方差已知的正态分布；③系统扰动和测量噪声不相关。基于卡尔曼滤波算法，很多专家学者又针对非线性系统相继提出了扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）等算法，旨在对原算法进行补充和改进。

实际测量过程中，卡尔曼滤波算法能够将动态系统的定位精度提升至5m，用该算法求解得到的用户轨迹曲线也更加平滑，效果优良。

Bhavani Srinivasaiah et al. SAE 2014-01-0268.

编译：汪涛