李 翔

信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450001

在戰(zhàn)時(shí)或其他非常規(guī)的無源環(huán)境下，無法采用衛(wèi)星導(dǎo)航定位方式對(duì)慣性導(dǎo)航系統(tǒng)的累積誤差進(jìn)行修正，基于此本文研究了基于矢量道路數(shù)據(jù)的輔助慣性導(dǎo)航(aided inertial navigation system，AINS)定位的基本理論和方法。首先利用GPS-RTK移動(dòng)測量技術(shù)獲取相應(yīng)導(dǎo)航區(qū)域高精度的矢量道路數(shù)據(jù)，并進(jìn)行數(shù)據(jù)的模型構(gòu)建和預(yù)處理；接著與移動(dòng)載體實(shí)時(shí)接收到的慣性導(dǎo)航軌跡數(shù)據(jù)進(jìn)行匹配計(jì)算、誤差分析，完成位置誤差修正；然后將匹配誤差作為觀測量，建立系統(tǒng)誤差模型并采用卡爾曼濾波的方法對(duì)慣性導(dǎo)航系統(tǒng)的內(nèi)部誤差參數(shù)進(jìn)行校正；最后完成相關(guān)仿真試驗(yàn)系統(tǒng)的設(shè)計(jì)，以便能有效地修正慣性導(dǎo)航誤差，提高定位精度，為無源環(huán)境下實(shí)現(xiàn)移動(dòng)載體的精確導(dǎo)航定位提供可靠的理論依據(jù)和技術(shù)保障。主要工作及創(chuàng)新點(diǎn)如下：

(1) 構(gòu)建了基于矢量道路數(shù)據(jù)的AINS定位方法的總體框架，闡述其輔助慣性導(dǎo)航工作的基本原理；明確了慣性導(dǎo)航的輸出參數(shù)和相關(guān)誤差方程，闡述了面向AINS的矢量道路數(shù)據(jù)采集原則和模型構(gòu)建方法；針對(duì)面向AINS的矢量道路匹配算法和誤差校正模型進(jìn)行了分析和介紹。

(2) 基于“分而治之”的基本思想，提出了基于功能分層的TMP(topology & tracing，match，property)矢量道路數(shù)據(jù)模型，采用3層功能結(jié)構(gòu)動(dòng)態(tài)地存取矢量道路數(shù)據(jù)，有效地提高了后續(xù)匹配計(jì)算和誤差修正的效率。該模型具有靈活有序的層次劃分，豐富完整的道路信息，清晰簡潔的拓?fù)浣Y(jié)構(gòu)。按照3個(gè)層次的功能不同，將路段和節(jié)點(diǎn)的地理空間信息和屬性信息以及整個(gè)矢量道路網(wǎng)絡(luò)的拓?fù)潢P(guān)系有序地劃分開來。層次劃分有利于各類數(shù)據(jù)之間的靈活組織，方便了數(shù)據(jù)信息的處理和查詢，提高了系統(tǒng)的整體效率，為慣性導(dǎo)航軌跡點(diǎn)在路段上的追蹤和路徑規(guī)劃選擇提供了更為準(zhǔn)確的決策判斷，減少了誤匹配的概率。

(3) 提出了一種顧及軌跡趨勢(shì)變化的特征提取算法，立足于航向角的變化趨勢(shì)實(shí)時(shí)快速地提取軌跡特征。首先建立趨勢(shì)確定集合和待定集合，并通過計(jì)算軌跡點(diǎn)的趨勢(shì)變化量，以確定軌跡點(diǎn)所在趨勢(shì)集合的趨勢(shì)狀態(tài)；進(jìn)一步，將2個(gè)趨勢(shì)集合的狀態(tài)進(jìn)行比較判斷，從而避免外界因素造成的趨勢(shì)干擾，以獲取有效的整體運(yùn)動(dòng)趨勢(shì)；最后根據(jù)趨勢(shì)特征的約束條件進(jìn)行特征判斷，完成趨勢(shì)特征的提取。試驗(yàn)結(jié)果表明，該算法效率優(yōu)于傳統(tǒng)的曲線擬合算法，有效地排除了因特殊情況產(chǎn)生的特征干擾。

(4) 提出了基于拓?fù)渥粉櫤痛志Y(jié)合的匹配算法，實(shí)現(xiàn)了無源環(huán)境下矢量道路數(shù)據(jù)對(duì)慣性導(dǎo)航軌跡實(shí)時(shí)高精度的位置誤差修正，并以匹配誤差為觀測量構(gòu)建了新的誤差校正模型，解決了慣性導(dǎo)航內(nèi)部參數(shù)誤差無法校正的問題。拓?fù)渥粉櫟氖噶康缆菲ヅ渌惴?，有效地解決了道路交叉口等路段的誤匹配問題，算法采用道路數(shù)據(jù)的拓?fù)湫畔?，根?jù)不同系統(tǒng)狀態(tài)對(duì)矢量道路數(shù)據(jù)和慣性導(dǎo)航軌跡進(jìn)行匹配，彌補(bǔ)了基于衛(wèi)星的組合導(dǎo)航在自主性、抗干擾性等方面的不足。其次，提出了采用匹配信息和誤差模型的校正方法，構(gòu)建了輔助導(dǎo)航系統(tǒng)的誤差模型和新的觀測量，采用卡爾曼濾波方法對(duì)誤差進(jìn)行了估計(jì)和校正。相比于傳統(tǒng)以匹配算法為核心的校正方法，該方法不僅有效利用了慣性導(dǎo)航軌跡位置與對(duì)應(yīng)行駛路段的幾何和拓?fù)潢P(guān)系，更通過慣性導(dǎo)航誤差模型校正了系統(tǒng)內(nèi)部誤差。

(5) 以上述研究為基礎(chǔ)，研發(fā)了基于矢量道路數(shù)據(jù)的AINS試驗(yàn)系統(tǒng)，驗(yàn)證將矢量道路數(shù)據(jù)應(yīng)用于輔助導(dǎo)航定位的科學(xué)性和有效性。

中圖分類號(hào)：P208文獻(xiàn)標(biāo)識(shí)碼：D

文章編號(hào)：1001-1595(2018)05-0692-01

基金項(xiàng)目： 國家自然科學(xué)基金(41271450；41471336)；國家科技支撐計(jì)劃(2012BAK12B02)；地理信息工程國家重點(diǎn)實(shí)驗(yàn)室開放基金(SKLGIE2015-M-4-4)；國家重點(diǎn)研發(fā)計(jì)劃(2016YFB0502300)

收稿日期： 2017-08-11

作者簡介： 李翔(1987—)，男，2017年6月畢業(yè)于信息工程大學(xué)，獲工學(xué)博士學(xué)位(指導(dǎo)教師：華一新教授)，研究方向?yàn)榭臻g數(shù)據(jù)智能處理與更新技術(shù)。

Author： LI Xiang(1987—)，male，received his doctoral degree from Information Engineering University on June 2017，majors in Intelligent processing and updating technology of spatial data. E-mail： ryolx13@126.com