基于多传感器信息融合的列车定位方法研究.doc

基于多传感器信息融合的列车定位方法研究

讨论与开发

ＲＥＳＥＡＲＣＨ

ＡＮＤＤＥＶＥＬＯＰＭＥＮＴ

团盅黝蝴

康随武，刘晓娟

（兰州交通大学电子与信息工程学院，兰州

７３００７０）

第２３卷第１期

ＶｏＩ

２３

Ｎｏ．１

文章编号：１００５．８４５１（２０１４）０１—００１４—０４

基于多传感器信息融合的列车定位方法讨论

摘

要：针对城市轨道交通中列车定位问题，提出了一种基于联邦卡尔曼滤波器的多传感器

信息融合列车定位方法，建立了ＧＰＳ／ＩＰＳ／ＤＲ信息融合模型，对ＧＰＳ／ＩＰＳ／ＤＲ组合的信息融合定位进展了ＭＡＴＬＡＢ仿真，结果说明，ＧＰＳ／ＩＰＳ／ＤＲ融合定位能提高列车的定位精度和牢靠度，能很好的抑制传统列车定位中的积存误差。

第２３卷第１期基于多传感器信息融合的列车定位方法讨论讨论与开发

局部估量值Ｘｉ及其协方差阵Ｐｉ，另一方面直接送到主滤波器进展估量，把得出的子滤波器的局部

图１联邦卡尔曼滤波器的构造

估量值和主滤波器的估量值进展融合处理，最终输出全局估量ｘ。和Ｐ。对应的协方差阵。

联邦卡尔曼滤波器中子滤波器估量均方误差

阵和子滤波器的状态量可以进展重置，重置过程

中信息因子的安排方法也有很多，因此可以构造多种滤波构造，联邦卡尔曼滤波器正是利用这种信息安排原理把被测系统的动态信息安排到各子滤波器与主滤波器中，使得各个子系统之间相互独立，然后进展信息的最优融合估量，最终得出整个系统的最优解。

１．２联邦卡尔曼滤波系统模型

设任意离散系统的状态方程为：

墨Ｍ１．①（洲￡＾ｋ１＋ｒ１㈣ｍ１眦ｎ

（１）（１）式中置Ｍ，是系统的状态向量，ｗ㈤是系统的动态噪声，是零均值白噪声，①ｍ。Ⅲ为系统的状态转移矩阵，ｒ似。Ⅲ是系统的噪声转移矩阵。

系统的测量方程：

当有Ｎ个子滤波器对系统进展独立的测量时，

任意一个子滤波器的测量方程为：

Ｚ（呲＝ｑＩ）戒ｔ）＋Ⅵ眦（ｆ－１，２，…，Ⅳ）

（２）

（２）式中ｚ…。是第ｉ个传感器的量测值，ｙ…。是第ｉ个传感器的量测噪声，属于零均值白噪声，日ｍ。为第ｉ个传感器的量测矩阵。１．３联邦卡尔曼滤波器融合算法

设Ｘｉ、Ｐ。（涪１，２，…，Ⅳ）为第ｉ个子滤波器的估量值和方差，主滤波器的估量值与方差是瓦、Ｐ。，鼍、Ｐｇ为全局估量值和方差。

（１）联邦卡尔曼滤波器采纳信息安排原理取消各个子滤波器之间的相关性，即：

Ｐ，＝∥一：Ｐ。；Ｑｉ＝∥’：Ｑ。

（３）

万方数据

其中曰，为信息安排因子，Ｑ，为第ｉ个子系统的噪声，满意信息守恒原理，即：

Ⅳ

∑局＋尾＝１

（４）

ｆ＝１

（２）联邦滤波器中子滤波器独立进展时间更新和量测更新，由于主滤波器中只有参考系统的输入值，所以量测更新过程不在主滤波器中进展。

（３）在主滤波器中进展的工作是将得到的状态估量ｘｉ和方差阵Ｐ。进展融合…，得到全局状态估量值ｘ。和方差Ｐ。，即融合算法：

ｆｘ舭＝＆∑（乓１Ｘ趾＋《ｘ。ｔ）

ｊ

Ⅳ

（５）５

ｌ珞＝∑（巧１＋础）

融合结果得出之后，再把全局状态估量ｘ。、误差协方差阵Ｐ。通过信息安排原则重置到各子滤波器和主滤波器，进展循环计算。

２多传感器信息融合测速定位系统模型的

建立

目前，已有的融合测速定位系统组合模型有：ＧＰＳ／ＩＰＳ组合、ＤＲ／Ｂａｌｉｓｅ组合、多普勒雷达与

ＧＰＳ组合、ＧＰＳ／ＩＰＳ／多普勒雷达／速度传感器组合等组合方式，这些组合方式由于既有互补，又有冗余，明显具有较高的牢靠性，当其中一个有故障时，系统可以降级使用，但只有采纳合理的融合算法与融合构造才能获得好的结果口】，实际应用中合理的选取多个传感器作为信息融合的对象显得尤为重要，由于不同的传感器具有不同的特征，误差来源也不同，所以需要将其进展优化配置，利用优势互补来降低定位误差，从而获得更为全面、牢靠的定位结果。２．１信息融合传感器的选择

本文中选取列车定位系统（ＧＰＳ，Ｇｌｏｂａｌ

Ｐｏｓｉｔｉｏｎｉｎｇｓｙｓｔｅｍ）、航位推算系统定位（ＤＲ，Ｄｅａｄ

Ｒｅｃｋ