牟文杰， 葉凌云

(浙江大學(xué) 生物醫(yī)學(xué)工程與儀器科學(xué)學(xué)院，浙江 杭州 310027)

基于多傳感器融合的車載航位推算系統(tǒng)

牟文杰， 葉凌云

(浙江大學(xué) 生物醫(yī)學(xué)工程與儀器科學(xué)學(xué)院，浙江 杭州 310027)

針對傳統(tǒng)車載航位推算(DR)系統(tǒng)單獨導(dǎo)航時導(dǎo)航誤差隨時間迅速累積的問題，提出一種基于多傳感器信息融合的低成本車載DR系統(tǒng)。以無跡卡爾曼濾波器(UKF)作為數(shù)據(jù)融合算法，綜合利用里程計、陀螺、加速度計、磁力計和氣壓計等多種傳感器的信息，抑制DR系統(tǒng)的累積誤差，以低成本、低精度的傳感器實現(xiàn)高精度導(dǎo)航。通過實際的長達12 min的道路導(dǎo)航試驗，結(jié)果表明:導(dǎo)航誤差小于總航程的1 %，與傳統(tǒng)DR系統(tǒng)相比有較大的精度提升。

航位推算； 多傳感器； 無跡卡爾曼濾波； 車載導(dǎo)航

0 引 言

為降低車載DR系統(tǒng)導(dǎo)航誤差隨時間增長的速度，本文提出一種基于多傳感器信息融合的3D車載DR系統(tǒng)，以無跡卡爾曼濾波器(unscented Kalman filter,UKF)作為數(shù)據(jù)融合算法，綜合利用里程計、陀螺、加速度計、磁力計和氣壓計等多種傳感器的信息，抑制車載DR系統(tǒng)導(dǎo)航誤差的累積，以低成本、低精度的傳感器實現(xiàn)高精度導(dǎo)航。

1 基于多傳感器融合的車載DR系統(tǒng)組成

本文提出的DR系統(tǒng)由里程計、單軸陀螺、雙軸加速度計、三軸磁力計和氣壓計等傳感器組成，如圖1所示。雙軸加速度計水平安裝，分別感知x軸和y軸方向的加速度，用于計算車輛的水平姿態(tài)，包括俯仰角和橫滾角。陀螺敏感軸與z軸平行，用于計算航向角。三軸磁力計分別沿x,y,z軸安裝，感知地磁場方向，結(jié)合水平姿態(tài)角，同樣可求得航向角。由陀螺積分得到的航向角短期精度高，但誤差隨時間不斷累積，而磁力計計算得到的航向角誤差隨時間相對穩(wěn)定，融合兩者的信息以得到短期和長期高精度的航向角。里程計安裝在車輛輪胎上，輸出的脈沖信息可計算車輛的前向速度(即沿y軸方向的速度)。利用3D姿態(tài)信息(水平姿態(tài)和航向角信息)，將里程計測得的前向速度投影到東北天導(dǎo)航坐標系中，得到3D速度信息(東向、北向和天向速度)，然后積分得到3D位置信息(緯度、經(jīng)度和高度)。氣壓計測得大氣氣壓值可推算出高度，進而修正高度誤差。

圖1 車載DR系統(tǒng)的傳感器安裝示意圖

2 基于UKF的數(shù)據(jù)融合算法

由于車載DR系統(tǒng)為非線性系統(tǒng)，采用UKF作為數(shù)據(jù)融合算法，原理如圖2所示。UKF由狀態(tài)方程和量程方程描述[7,8]

(1)

式中xk為系統(tǒng)狀態(tài)量，uk為控制輸入量，zk為觀測量，wk和ηk分別為系統(tǒng)噪聲和觀測噪聲。

下面詳細推導(dǎo)了UKF的離散狀態(tài)方程和量測方程。

圖2 多傳感器數(shù)據(jù)融合算法的原理框圖

2.1 離散狀態(tài)方程

由表4可知，2012～2016年間該院患者住院費用總結(jié)構(gòu)變動度為12.36%，年均結(jié)構(gòu)變動度為3.09%。將該時間范圍內(nèi)的住院費用相關(guān)數(shù)據(jù)分為4個區(qū)間后進行統(tǒng)計分析可發(fā)現(xiàn)，其中2015～2016年的費用結(jié)構(gòu)變動度為9.23%，較其他年份劇烈且明顯高于年均結(jié)構(gòu)變動度。

于是,UKF的離散狀態(tài)方程(DR系統(tǒng)的非線性運動模型)建立如下

(2)

(3)

2.2 量測方程

當DR系統(tǒng)單獨導(dǎo)航時，利用磁力計計算得到的航向角和氣壓計計算得到的高度作為觀測量，量測方程建立如下

(4)

(5)

(6)

UKF算法的更新過程在文獻[6,7]中已有詳細描述，這里就不再重復(fù)描述。

3 實驗結(jié)果與分析

為驗證本文提出的車載DR系統(tǒng)的導(dǎo)航性能，進行了實際道路導(dǎo)航實驗。路線為繞杭州黃龍體育中心周圍一圈，歷時760 s，總里程約為4 km。實驗中采用的傳感器均為低成本、低精度的傳感器。實驗中，采集各傳感器的數(shù)據(jù)，并在Matlab中進行仿真后處理。由GPS提供DR系統(tǒng)初始位置，并以GPS軌跡作為參考，分別利用本文提出的基于多傳感器信息融合的DR算法和文獻[5]提出的DR算法(以下稱作傳統(tǒng)DR)進行導(dǎo)航，結(jié)果如圖3所示。

圖3 導(dǎo)航軌跡圖

圖3中的實線為本文提出的DR系統(tǒng)的導(dǎo)航軌跡，可以看出與GPS軌跡(虛線)基本重合；點劃線為傳統(tǒng)DR導(dǎo)航軌跡，可以看出導(dǎo)航軌跡隨時間不斷偏離真實軌跡。位置誤差如圖4所示，本文提出的DR系統(tǒng)在整個導(dǎo)航過程中位置誤差隨時間緩慢漂移，最大誤差約為30 m，小于總航程的1 %；而傳統(tǒng)DR的位置誤差隨時間迅速累積，最大誤差達到200 m。同時，高度方向由于有氣壓計的修正，本文提出的DR的高度誤差約為傳統(tǒng)DR的50 %。

圖4 DR系統(tǒng)的位置誤差

進一步分析DR系統(tǒng)的航向角誤差，如圖5所示?？梢钥闯?傳統(tǒng)DR的航向角誤差隨時間呈線性增長，經(jīng)過760 s后，航向角誤差達到30°；本文提出的DR輸出的航向角由于有磁力計的修正，與GPS估算出的航向角之間的誤差保持在5°之內(nèi)，且誤差不隨時間累積。

圖5 DR系統(tǒng)的航向角誤差

綜上所述，本文提出的DR系統(tǒng)相對于傳統(tǒng)DR系統(tǒng)，主要優(yōu)勢在于綜合利用多種傳感器的信息，能有效抑制累積誤差，使3D速度誤差、3D姿態(tài)誤差和高度誤差不隨時間積累，位置誤差隨時間的積累緩慢，從而維持較長時間的高精度導(dǎo)航。

4 結(jié)束語

針對車載DR系統(tǒng)單獨導(dǎo)航時導(dǎo)航誤差迅速累積的問題，提出了一種基于多傳感器信息融合的車載DR系統(tǒng)。以UKF作為數(shù)據(jù)融合算法，綜合利用里程計、陀螺、加速度計、磁力計和氣壓計等多種傳感器的信息，有效抑制了DR系統(tǒng)的累積誤差。實驗結(jié)果表明:位置誤差小于總航程的1 %，與傳統(tǒng)DR系統(tǒng)相比，導(dǎo)航誤差隨時間積累速度慢，能保持更長時間的高精度導(dǎo)航。本文提出的3D車載DR系統(tǒng)成本低、實現(xiàn)容易，能夠作為GPS失效期間有效的導(dǎo)航方式。

[1] 沈雪松,劉建業(yè),孫永榮,等.基于多傳感器信息融合城市車輛導(dǎo)航定位[J].傳感器與微系統(tǒng),2006,25(1):85-88.

[2] 金亮良,何文濤,徐建華,等.一種低成本GPS/DR組合導(dǎo)航系統(tǒng)設(shè)計[J].計算機工程,2012,38(18):228-230.

[3] 常 青,鄭平方.車載GPS/DR組合導(dǎo)航系統(tǒng)數(shù)據(jù)融合算法研究[J].通信學(xué)報,2000,21(2):42-48.

[4] Baird W H.An introduction to inertial navigation[J].American Journal of Physics,2009,77(9):844-847.

[5] Noureldin A,Karamat T B,Georgy J.Fundamentals of inertial navigation,satellite-based positioning and their integration[M].Berlin:Springer,2013.

[6] Julier Simon J,Uhlmann Jeffrey K.Unscented filtering and nonli-near estimation[J].Proceedings of the IEEE,2004,92(3):401-422.

[7] Wan E A,Van der Merwe R.The unscented Kalman filter for nonlinear estimation[C]∥Adaptive Systems for Signal Proce-ssing,Communications,and Control Symposium,(AS-SPCC),IEEE,2000:153-158.

Vehicular DR system based on multi-sensor fusion

MOU Wen-jie, YE Ling-yun

(College of Biomedical Engineering & Instrument Science,Zhejiang University,Hangzhou 310027,China)

Aiming at problem that navigation errors of traditional vehicular dead reckoning (DR) are accumulated rapidly with time,a low-cost vehicular DR system based on multi-sensor fusion is proposed.Use unscented Kalman filter(UKF) as data fusion algorithm,information from multiple sensors,including odometer,gyroscope,accelerometer,magnetometer and barometer,are fused to restrain accumulated errors of DR system,realize high-precise navigation using low cost,low precision sensor.Through real road navigation experiment for 12 min,result shows that navigation error is less than 1 % of the total distance,the precision is hight improved compared with traditional DR system.

dead reckoning (DR); multi-sensor; UKF; vehicular navigation

10.13873/J.1000—9787(2015)01—0094—03

2014—05—15

V 249.32

A

1000—9787(2015)01—0094—03

牟文杰(1989-)，男，浙江紹興人，碩士研究生，主要從事GPS/DR組合導(dǎo)航算法研究。