基于变特性约束滤波的GNSS 车辆信息网络系统定位

马彩兰

（周口职业技术学院汽车与机电工程学院， 河南 周口 466000）

0 引言

国外较早就开始应用全球定位系统（GPS）技术对车辆实施信息传输、定位分析和安全保障等，并取得了一定的成果，尤其是一些欧美国家已经形成了一定的技术优势[1-2]。根据现有条件下铁路系统需达到的车辆定位要求分析可知，建立在全球导航卫星系统（GNSS）基础上的车辆定位技术开发具备广阔发展空间[3-4]。

北斗卫星导航系统（BDS）可以有效支持我国的运输系统安全，同时也极大促进了铁路系统的进一步发展。目前，BDS 已被广泛应用于我国的整体交通系统建设，可以提供高效、安全、稳定的定位服务功能[5]。

卡尔曼滤波属于一类综合运用GNSS 和信息网络系统（INS）技术进行导航的算法，需要采用最小线性方差估计的方法进行分析[6]。采用卡尔曼滤波方法建立模型时包含均值等于0 的随机噪声信号。为了进一步为车辆提供准确的位置数据信息以确保其安全稳定运行，本文设计了一种基于变特性约束滤波算法的GNSS 车辆定位方法，并开展仿真分析。

1 模型建立及系统设计

1.1 变特性约束模型

在当前各类先进科技获得不断应用的情况下，车辆的定位能力也需要持续提升。BDS 可以为车辆的运行过程提供全面的定位服务，确保达到安全运行的目标[7]。但考虑到在卫星信号传输期间遇到周边物体遮挡等干扰时很可能出现信息丢失的问题，另外还要全面分析卫星星座、外界电磁变化、信号衰减、多径效应等，因此采用BDS 对车辆运行过程进行定位时应采取合理的弥补措施来克服上述不足之处，从而实现对车辆空间位置进行实时精确定位的功能[8]。

对采用卡尔曼滤波方法时，需要先计算出系统的噪声协方差矩阵，但考虑到实际情况的复杂性，因此无法实现准确的确定。

1.1.1 构建系统方程确定系统状态及其量测方程：

式中：w与v分别为车辆行驶阶段产生的噪声与量测得到的噪声参数，属于无关联白噪声；F为位置调节矩阵。

1.1.2 对散列过滤器实施初始化[9]

经过初始化得到状态及协方差参数P0为：

1.1.3 估算各时刻的状态

1）设定参数矩阵Gk，以此表示加权噪声发生的偏移量。提高Gk代表过程噪声偏移分量增加，从而降低均方差误差。当Gk=0 时，对应的过程噪声等于零，表现为明显的卡尔曼滤波特性。

2）估算状态方程。

式中：Vk+1为中间变量；Dk+1为状态矩阵；Pk为k时形成的协方差。

1.2 车辆定位系统

车辆定位系统的研究吸引了很多的研究学者。祝浩祈等[9]提出了一种GNSS 载波相位实时动态差分（RTK）+载波相位时间差分（TDCP）/INS 实时精密定位方法，多系统GNSS 的TDCP 解算成功率接近90%。朱东琴等[10]提出了一种基于期望最大化（EM）的交互式多模型车载组合导航算法，建立了基于零速约束的SINS/OD 组合导航模型，利用交互式多模型算法实现了在GNSS 信号丢失情况下的导航模型交互融合，提高了车载组合导航系统精度。张子腾等提出了一种基于约束优化的多传感器车载室内外定位方法，设计联合GNSS/IMU/激光雷达的多源融合定位系统，在状态更新模型的基础上，分析了车辆连续起伏过程受力方程约束低成本MEMS 高程震荡，设计引入RTK 解析状态监测评估约束GNSS 可用性。本文在其基础上，设计了系统实现方案。

现阶段，车载系统通常选择C2/C3 一体化方法进行设计，并且基本采用分布式结构，对于300T 车载双系冷备进行分析可知，其核心控制模块属于一种“单硬件双软件”结构，通过车辆定位系统Profibus 总线跟车辆MVB 双总线在不同模块下进行连接。图1 为车辆定位系统具体组成结构。

图1 车辆定位系统具体组成结构

2 仿真验证与分析

通过蒙特卡罗方法模拟车辆的定位过程，开展变特性约束下滤波算法性能评价，并与其它算法进行了比较。不同算法下经过100 次蒙特卡罗模拟得到平均距离误差如图2 所示。

图2 平均距离误差

由图2 可以明显发现，散列过滤器（HF）算法达到了比卡尔曼滤波（KF）算法更优的定位精度并具备更稳定的状态。根据图2 可知，HF 与变特性约束下散列过滤器（TC-HF）曲线形成了较为平缓的变化趋势，变特性约束下卡尔曼滤波（TC-KF）与KF 曲线则形成了明显突出的特点，由此可见定位存在失准的情况。这说明设置变特性约束条件的滤波算法可以有效提升定位精度，同时发现HF 算法表现出更优的鲁棒性，更好地满足了车辆不断变化的运动特征。

为了证明本文TC-HF 滤波算法在处理车辆定位中应用的先进性，以三种滤波算法进行模拟得到的轨迹平均距离误差，对各项参数进行统计，得到蒙特卡罗仿真统计如表1 所示。

表1 蒙特卡罗仿真统计 单位：m

根据表1 可知，通过最小距离和最大距离可以看出算法计算的区间幅度。可以看出来，相比较KF 和HF 算法，TC-HF 的区间幅度是最小的，表现出来更高的定位精度。采用KF 算法进行分析时，在没有设置约束条件时以KF 算法计算得到的平均距离误差为13.35 m；当存在约束条件时HF 得到的平均距离误差为10.02 m；当存在约束条件时TC-HF 得到的平均距离误差只有6.71 m，由此可见设置变特性约束能够使定位精度获得显著提升。

总体上，根据以上分析可知，设置变特性约束的条件下，TC-KF 方法能够有效改善定位精度。

3 结论

1）经过模拟发现HF 算法达到了比KF 算法更优的定位精度，并具备更稳定的计算状态。

2）设置变特性约束条件的滤波算法可以有效提升定位精度，HF 算法表现出更优的鲁棒性，更好地满足了车辆不断变化的运动特征。