一种多信息融合的定位方法和装置制造方法
【专利摘要】本发明公开了一种多信息融合定位的方法。从卫星信号处理器读取卫星观测值，用于生成伪距方程；从惯性导航系统读取方向矢量、速度、加速度、加加速度等动态信息、从数字地图和高程数据库读取道路拓扑结构、道路方向矢量、道路长度、电子高程等数据。根据伪距、惯性导航器件输出的动态信息和方向信息、道路拓扑和方向完成初始匹配。根据初始匹配结果组成定位模型，其中包含伪距方程、道路矢量方程、电子高程约束方程等，并采用最小二乘法或者卡尔曼滤波算法进行位置解算。本发明还提供了一种实现以上方法的装置，能够有效解决卫星信号被遮挡环境下的定位问题，扩大了卫星导航的定位覆盖范围，因此本发明具有较高商用价值。
【专利说明】一种多信息融合的定位方法和装置
【技术领域】
[0001]本发明涉及卫星定位及惯性导航【技术领域】，特别是指一种融合卫星伪距、惯性导航数据、地图进行定位的方法及装置。
【背景技术】
[0002]卫星导航技术经过三十余年的发展，尤其高灵敏度导航信号接收技术的研究和应用，大大拓展了卫星导航的可用范围。在卫星信号遮挡不太严重的地区，卫星导航能满足一般的导航定位需求。然而在城市峡谷或其他信号有严重遮挡的地区，卫星信号比一般情况下可衰减20-40个dB，甚至完全消失。此时卫星导航将遇到极大挑战:首先，信号的衰减造成信号难以捕获与跟踪，并造成大的误码率，达到一定程度时，将通不过校验，从而无法解调导航电文；其次，在极弱的信号环境下，互相关效应严重，强信号对弱信号形成干扰，使弱信号自身相关峰值低于和其他卫星的互相关峰值，造成信号难以捕获、错捕、跟踪环路相位难以锁定等问题；第三，工作环境往往多路径现象比较严重，多径信号引起定位精度下降；因为以上各种原因，在城市峡谷中经常出现只有I到3颗星甚至无法看到卫星的情况，而导致接收机无法自主定位，使城市峡谷地区成为车辆导航和营运车辆监控的盲区；即使有足够数量的卫星可见，较差的几何分布，使得精度因子变差，导致定位结果具有较大的误差。存在“城市峡谷环境”的城市一般路况复杂，定位效率差和定位精度低使得GNSS无助于解决交通阻塞的问题，成为智能交通建设的一个难点问题。
[0003]为解决以上问题，城市车载导航常常需要组合多种方式进行定位，来提升卫星定位和监控的可用性和可靠性。可以采用的解决方案是组合了卫星导航、惯性导航和地图匹配技术的导航定位系统。利用惯性导航装置(INU)组成的航位推算系统能保证卫星信号丢失时车辆位置信息输出，利用地图匹配技术来进一步提高精度。该方案的问题在于，普通惯性器件输出随着时间有误差累积效应，高精度的惯性器件又具有昂贵的价格，不适合民用推广；同时，当前的地图匹配技术，在卫星定位结果无法输出时，地图匹配随之失效。因此，对城市峡谷区域低成本的连续导航、监控技术的研究具有重大的现实意义。
【发明内容】
[0004]有鉴于此，本发明的主要目的在于提供一种多信息融合的定位方法和装置，融合卫星导航信号、惯性导航系统输出的动态信息、地图拓扑数据，建立多种信息的定位模型，把三种信息组合于统一定位过程。在卫星数量不足的情况下，获得优化的定位结果，作为的卫星导航的增强技术，提高城市复杂环境下的定位覆盖范围。
[0005]为达到上述目的，本发明的技术方案是这样实现的:
[0006]本发明提供了一种载波平滑伪距的方法，所述方法:
[0007]综合利用导航卫星信号观测值、惯性导航数据、地图数据、电子高程等进行位置解算；
[0008]动态选择定位方法，根据可见卫星条件采用卫星定位、惯性导航、或者融合定位三种方法中的任一种方法进行定位。
[0009]在卫星数量不足情况下通过道路匹配和道路位置解算两个阶段来确定用户精确位置。
[0010]采用卫星伪距、惯性器件方向和动态数据、地图拓扑和矢量等进行道路匹配，把用户位置限定在某一条道路上。
[0011]优选的，采用模糊逻辑的方法，把最大匹配度的道路选择为最佳匹配道路。具体为:
[0012]模糊推理系统中采用的模糊集包括但不局限于:车辆行驶方向变化，周围道路集合的所属性，速度方向与道路方向的相似性，定位解算距离路线的接近程度，路线上行驶的平均距离，路线的最大行驶距离等。以上模糊集合通过模糊度函数求解最相似的道路。
[0013]优选的，道路匹配分为初始匹配和跟踪匹配两个阶段。具体为:
[0014]系统根据车辆及道路的情况分为两种工作模式，分别为初始定位模式/首次定位模式和跟踪模式。系统启动或者系统发生异常丢失信息时，匹配进入初始定位模式/首次定位模式。在该模式中，系统初始化，完成匹配。当系统丢失所跟踪车辆的位置时，匹配回到初始定位模式/首次定位模式中重新初始化。在系统完成初始化之后，匹配进入为跟踪模式。
[0015]融合定位模型包含但不局限于伪距、道路矢量方程和高程约束方程，以上所有信息融合在统一的定位过程中，以提升卫星数量不足时的精确连续定位能力。
[0016]该定位模型可通过最小二乘法、卡尔曼滤波方法以及其他定位解算方法进行位置解算。
[0017]本发明还提供了一种多信息融合定位的装置，所述装置包括:惯性导航模块、数字地图、多信息融合定位模块。其中，
[0018]惯性导航模块用来提供车辆的运动情况信息，例如运动速度、加速度和运动方向变化等，鉴别车辆行驶状况以及转弯情况，这种动态信息用来进行道路匹配并作为定位方程的约束条件，统一参与定位解算。
[0019]数字地图用于提供道路拓扑，路段方向、长度等信息，数字高程模型提供用户所在位置(或区域)的地面高度值，帮助减小导航定位结果的误差，同时用于高度值的不定区间、检测导航系统测量错误以及实现二维定位等。
[0020]多信息融合定位模块主要用于卫星信号处理、读取惯性导航器件数据和数字地图及高程数据，并进行融合定位。
[0021]其中卫星信号处理的主要功能是接收射频前端输出的中频导航信号(采样数据)，与本地复制的伪随机码进行相关处理，从而实现对导航信号的捕获，跟踪，测量，输出导航信息及伪距、多普勒、载波相位等数据。
[0022]融合定位的主要功能是利用伪距、惯性导航器件的动态数据、高程数据、道路拓扑结构及方向矢量等，组成统一的定位模型，通过最小二乘或者卡尔曼滤波的方法进行位置求解。
[0023]优选的，融合定位过程包含道路匹配阶段和位置求解阶段。
[0024]优选的，采用伪距、道路矢量、惯性导航输出的方向、速度、加速度、加加速度等信息进行道路匹配，以解决卫星数量不足情况下的道路匹配问题。[0025]优选的，融合定位模型包括卫星伪距方程和道路矢量方程、高程约束方程。
[0026]本发明所提供的多信息融合定位的方法及装置，从卫星信号处理器读取卫星观测值，用于生成伪距方程；从惯性导航系统读取方向矢量、速度、加速度、加加速度等动态信息、从数字地图和高程数据库读取道路拓扑结构、道路方向矢量、道路长度、电子高程等数据。根据伪距、惯性导航器件输出的动态信息和方向信息、道路拓扑和方向完成初始匹配。根据初始匹配结果组成定位模型，其中包含伪距方程、道路矢量方程、电子高程约束方程等，并采用最小二乘法或者卡尔曼滤波算法进行位置解算。
[0027]本发明提出的融合定位方法能够有效解决卫星信号被遮挡环境下的定位问题，扩大了卫星导航的定位覆盖范围，因此本发明具有较高商用价值。
【专利附图】
【附图说明】
[0028]图1为本发明多信息融合定位方法流程示意图；
[0029]图2为本发明实施例的装置结构示意图；
【具体实施方式】
[0030]下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
[0031]图1为本发明多信息融合定位方法流程示意图，如图1所示，所述方法包括以下步骤:
[0032]步骤101，卫星数据、惯导、和地图数据读取。具体为:
[0033]系统启动，卫星处理模块接收卫星信号，跟踪通道准备好测量值后，向处理器发送中断。处理器从跟踪通道读取测量值，所述测量值包括:码测量值和载波测量值。读取惯导数据和地图数据；根据卫星数量和用户设定选择定位方式，包括卫星定位、惯性导航或者融合定位。若选择融合定位执行以下步骤，否则直接输出结果。
[0034]步骤102，采用模糊逻辑的方法，把最大匹配度的道路选择为最佳匹配道路。具体为:
[0035]模糊推理系统中采用的模糊集包括但不局限于:车辆行驶方向变化，周围道路集合的所属性，速度方向与道路方向的相似性，定位解算距离路线的接近程度，路线上行驶的平均距离，路线的最大行驶距离等，以上模糊集合通过模糊度函数求解最相似的道路。
[0036]步骤103，对初始匹配成功的道路进行跟踪匹配。具体为:
[0037]选定匹配道路后，在其他时间点上对其进行匹配检测，若发现异常，返回初次匹配阶段，若无异常，继续检测。
[0038]步骤104，建立定位方程并进行位置解算。具体为:
[0039]利用伪距、惯性导航器件的动态数据、高程数据、道路拓扑结构及方向矢量等，组成统一的定位模型，通过最小二乘或者卡尔曼滤波的方法进行位置求解。
[0040]本发明的一个实施例如下，但本发明并不局限于这一个实现方式。
[0041]图2为本发明实施例的装置结构示意图，如图2所示，虚线框内部分是实现本发明的装置，本发明可以用本装置实现，但不局限于图2所示装置。整个装置包括:天线、射频模块、融合定位芯片、存储器、MEMS惯性器件、应用处理器、地图信息数据库。其中，融合定位芯片包括卫星信号处理器、和信息处理器两部分，信息处理器负责对基带信号处理的控制和多信息融合定位解算。天线负责GPS和北斗卫星信号的接收，射频模块完成信号的放大，滤波和下变频，以及信号的模数转化，并向跟踪通道输出两位的中频信号，采样时钟信号。
[0042]基带信号处理器接收射频模块输出的中频信号，处理器通过总线配置跟踪通道
的各种初始化参数，跟踪通道完成信号的同步以及生成测量值<、Θ:、pf其中(i =
O,1，2…)。并以固定周期采样并存储测量值，同时向处理器产生中断，处理器响应中断，通过总线读取测量值，按本发明的方法生成伪距，并参与融合定位解算。
[0043]具体实现为:首先，跟踪通道准备好测量值后，向处理器发送中断。在本实施例中，本发明在处理器中的实现，但也可由其他具体实现方式，例如:处理器外单独的处理装置、或集成在其他模块中的处理装置。在中断发生后，处理器从跟踪通道读取测量值，所述测量值包括:码测量值和载波测量值，根据测量值的定义按一般方式形成初始伪距P i，其中i表不卫星序号。
[0044]传感器信息获取用户运动的动态信息，包括用户的速度，加速度以及系统的运行姿态信息，作为定位的辅助信息，输入CPU进行处理。
[0045]道路拓扑数据作为系统定位的辅助信息，通过查询给出当前位置下用户的运动轨迹限制，传入CPU。
[0046]多信息融合的定位处理由终端主控CPU内部的软件实现，主控CPU将伪距观测值、传感器数据、地图信息数据进行系统综合，得到对当前位置的准确解算，从而得到更加精确和可用性更高的定位结果。之后，CPU将定位结果打包成标准的数据包进行输出。同时，CPU将控制北斗导航硬件模块的参数，为卫星捕获跟踪等过程提供信息辅助。输出设备将数据包输出给上位机，将输出结果进行地图标注`或者进行存储等外部操作。
[0047]上述过程中:
[0048](一)道路匹配方法
[0049]本实施例中，基于模糊逻辑推理的方法，匹配最优道路。
[0050]本系统所使用模糊推理系统中采用的模糊集包括但不局限于:车辆行驶方向变化，周围道路集合的所属性，速度方向与道路方向的相似性，定位解算距离路线的接近程度，路线上行驶的平均距离，路线的最大行驶距离等。
[0051]假设当前位置周边特定范围内道路有L1, L2, L3...Ln,为把当前道路匹配的特定的道路上，可采用以下方法。
[0052]设置匹配度函数为，Z =MF X MFx MFx....^
[0053]其中，MF1是行驶方向变化的隶属度，MF2是周围其他道路集合的隶属度，MF3是时间长度的隶属度，MF4是速度幅度的隶属度，MF5到MFi是可能采用的其他隶属度函数。上面所有隶属度是通过对应模糊输入代入相应隶属函数计算得到。对所有道路进行匹配度计算，则初始判定Z最大的道路是当前位置的匹配道路。
[0054]当初始道路确定后，在以下的位置上对该道路进行检验，如果该道路在验证周期内一直为最佳匹配道路，则最终选择该道路为最终匹配道路，若在验证周期内出现其他道路为最佳匹配，则重置复位过程，重新判定初始匹配道路。
[0055](二)融合定位模型
[0056]与传统卫星定位模型不同，多信息融合定位模型中包含了道路信息和数字高程约束条件，道路约束方程表示为:
[0057]
【权利要求】
1.一种多信息融合定位方法,其特征在于,所述方法包括: 从卫星信号处理器读取卫星观测值，用于生成伪距方程；从惯性导航系统读取方向矢量、速度、加速度、加加速度等动态信息；从数字地图和高程数据库读取道路拓扑结构、道路方向矢量、道路长度、电子高程等数据。 根据伪距、惯性导航器件输出的动态信息和方向信息、道路拓扑和方向完成道路匹配。 根据初始匹配结果组成定位模型，其中包含伪距方程、道路矢量方程、电子高程约束方程等， 采用最小二乘法或者卡尔曼滤波算法进行位置解算。
2.根据权利要求1所述的方法，其特征在于， 利用导航卫星信号观测值、惯性导航数据、地图数据、电子高程等进行位置解算，同时可以动态选择定位方法，根据可见卫星条件采用卫星定位、惯性导航、或者融合定位三种方法中的任一种方法进行定位。
3.根据权利要求1和2所述的方法，其特征在于， 在卫星数量不足情况下 可以通过道路匹配和道路位置解算两个阶段来确定用户精确位置。
4.根据权利要求1和2所述的方法，其特征在于 采用卫星伪距、惯性器件方向和动态数据、地图拓扑和矢量等进行道路匹配，把用户位置限定在某一条道路上。 具体为:采用模糊逻辑的方法，把最大匹配度的道路选择为最佳匹配道路。 模糊推理系统中采用的模糊集包括但不局限于:车辆行驶方向变化，周围道路集合的所属性，速度方向与道路方向的相似性，定位解算距离路线的接近程度，路线上行驶的平均距离，路线的最大行驶距离等。以上模糊集合通过模糊度函数求解最相似的道路。
5.根据权利要求1和2所述的方法，其特征在于 道路匹配分为初始匹配和跟踪匹配两种模式。具体为: 系统根据车辆及道路的情况分为两种工作模式，分别为初始定位模式/首次定位模式和跟踪模式。系统启动或者系统发生异常丢失信息时，匹配进入初始定位模式/首次定位模式。在该模式中，系统初始化，完成匹配。当系统丢失所跟踪车辆的位置时，匹配回到初始定位模式/首次定位模式中重新初始化。在系统完成初始化之后，匹配进入为跟踪模式。
6.根据权利要求1和2所述的方法，其特征在于 融合定位模型包含但不局限于伪距、道路矢量方程和高程约束方程，以上所有信息融合在统一的定位过程中，以提升卫星数量不足时的精确连续定位能力。 定位模型可通过最小二乘法、卡尔曼滤波方法以及其他定位解算方法进行位置解算。
7.一种多信息融合定位的装置，所述装置包括:惯性导航模块、数字地图、多信息融合定位模块。
8.根据权利要求7所述的装置，其特征在于 惯性导航模块提供车辆的运动情况信息，如运动速度、加速度和运动方向变化等，鉴别车辆行驶状况以及转弯情况，这种动态信息用来进行道路匹配并作为定位方程的约束条件，统一参与定位解算。 数字地图用于提供道路拓扑，路段方向、长度等信息，数字高程模型提供用户所在位置(或区域)的地面高度值，用于高度值的不定区间、检测导航系统测量错误以及实现二维定位等。
9.根据权利要求7所述的装置，其特征在于 多信息融合定位模块主要用于卫星信号处理、读取惯性导航器件数据和数字地图及高程数据，并进行融合定位。 卫星信号处理主要用于接收射频前端输出的中频导航信号(采样数据)，与本地复制的伪随机码进行相关处理，实现对导航信号的捕获，跟踪，测量，输出导航信息及伪距、多普勒、载波相位等数据。 融合定位的主要利用伪距、惯性导航器件的动态数据、高程数据、道路拓扑结构及方向矢量等，组成统一的定位模型，通过最小二乘或者卡尔曼滤波的方法进行位置求解。
10.根据权利要求7所述的装置，其特征在于 融合定位过程包含道路匹配阶段和位置求解阶段； 采用伪距、道路矢量、惯性导航输出的方向、速度、加速度、加加速度等信息进行道路匹配，解决卫星数量不足情况下的道路匹配问题； 融合定位模型包括卫星伪距方程和道路矢量方程、高程约束方程。
【文档编号】G01S19/49GK103744096SQ201310717382
【公开日】2014年4月23日 申请日期:2013年12月23日 优先权日:2013年12月23日
【发明者】路卫军, 刘利权 申请人:北京邮电大学