多傳感器融合定位在高速鐵路的應用1

　　遇到“城市峽谷“等障礙區時(shí)，GPS信號會(huì )消失或減弱，這時(shí)采用DR信息作為主信息。GPS失效前一點(diǎn)位置正好可以作為DR的初始位置，有了初始位置以后，利用里程儀和陀螺儀就可以對下一時(shí)刻列車(chē)的位置做出估計。

　　列車(chē)進(jìn)入車(chē)站后，由于股道線(xiàn)間距很小，GPS和DR的定位精度已經(jīng)不能很好的表現出股道的差異，因此采用查詢(xún)應答器來(lái)獲得列車(chē)在站內的定位信息。此時(shí)查詢(xún)應答器信息作為主信息，而GPS信息和DR信息作為校驗信息。

　　2．2 數據融合方法

　　該方案最核心的問(wèn)題就是系統基于數據融合的定位算法的設計。在列車(chē)測速定位領(lǐng)域應用的數據融合方法有判斷檢測理論、估計理論、數據關(guān)聯(lián)等，而應用最廣泛的就是估計理論中的卡爾曼濾波方法。與其他估計算法相比，卡爾曼濾波具有顯著(zhù)的優(yōu)點(diǎn)：采用狀態(tài)空間法在時(shí)域內設計濾波器，用狀態(tài)方程就可以描述任何復雜多維信號的動(dòng)力學(xué)特性，避開(kāi)了在頻域內對信號功譜做分解帶來(lái)的麻煩，濾波器的設計簡(jiǎn)單易行，采用遞推算法。所以卡爾曼濾波能適用于任何平穩或非平穩隨機向量過(guò)程的估計，所得估計在線(xiàn)性估計中精度最佳。目前已經(jīng)開(kāi)發(fā)的濾波算法包括線(xiàn)性卡爾曼濾波，擴展卡爾曼濾波以及聯(lián)邦卡爾曼濾波。該方案采用聯(lián)邦卡爾曼濾波進(jìn)行數據融合。

　　2．2．1 數據融合的聯(lián)合卡爾曼濾波模型

　　此濾波算法中，取βm=0，即主濾波器沒(méi)有信息輸入，進(jìn)一步優(yōu)化系統，減少了運算量。