用于对导航系统进行调整的方法和系统与流程

本发明涉及按照权利要求1的前序部分所述的用于对测量数据进行验证的方法、按照权利要求10的前序部分所述的用于对导航系统进行调整的系统以及所述系统的应用。

背景技术：

所有测量数据原则上都带有误差并且此外在许多情况中不能提供测量数据的持续可用性。除了测量数据与传感器固有的特性的依赖关系之外，所述测量数据除此以外也经常取决于环境条件。传感器误差或者测量误差在此可以划分为准静态的、在多个测量范围内恒定的份额，例如所谓的偏移和统计的测量之间的随机份额、例如噪声。所述随机份额原则上不能确定地来校正，而准静态的误差一般来说可以在已有的可观测性的情况下来校正。不能校正的显著的误差在已有的可识别性的情况下通常至少可以加以避免。

在现有技术中，在这个方面已经公开了传感器融合方法，所述传感器融合方法一般来说也适合于对不同的传感器或者传感器系统的测量数据进行校正或者滤波。尤其在汽车领域内，在此应该考虑到特殊的要求，因为大量不同的传感器借助于不同的测量原理来检测共同的环境情况或者机动车状态并且借助于大量不同的测量数据来描述这种环境情况或者这种机动车状态。对于能够在汽车领域内应用的传感器融合来说，由此要求尽可能大的、防止偶然干扰的稳健性以及对于系统性的误差的识别和补偿。同样，应该校正对测量数据的时间上的影响并且克服传感器的暂时失灵或者不可用性。

DE 10 2012 216 211 A1介绍了一种用于选择卫星的方法，其中所述卫星是全球导航系统的卫星。在这样的卫星在此用于例如对车辆进行定位之前，通过不同的方式对所接收的GNSS信号进行核实。对于这种验证来说，要相应地充分利用不同的冗余或者已知的关联。因此，DE 10 2012 216 211 A1例如公开了，从卫星的信号中不仅确定车辆相对于卫星的间距而且确定车辆相对于卫星的相对速度。所述间距在此可以借助于所述信号的传播时间来确定，而所述相对速度则可以借助于所述信号的相位测量来确定。因为所述间距和所述相对速度依赖于彼此，所以可以对它们进行彼此验证。此外，可以针对已知的边界条件来对从所述信号中确定的数值进行验证，因为车辆一般来说在特定的速度范围内前行。同样介绍了，在从不同的卫星处接收多个信号时确定相对于多个卫星的间距并且同时借助于三角关系和卫星彼此间的已知的间距来验证这些间距。最后，也可以借助于同样允许定位或者定速的其他传感器来对从信号中确定的间距或者从信号中确定的速度进行验证。如果一颗卫星的信号不能得到验证，那么这颗卫星就不用于进行定位或者定速。

从DE 10 2010 063 984 A1中公开了一种包括多个传感器元件的传感器系统。所述传感器元件如此构成，使得其检测至少部分地不同的初级的测量变量并且至少部分地利用不同的测量原理。然后从所述传感器元件的初级的测量变量中至少部分地推导出其他测量变量。此外，所述传感器系统包括信号处理装置、接口装置以及多个功能装置。所述传感器元件以及所有的功能装置在此与所述信号处理装置相连接。所述初级的测量变量因而提供冗余的信息，所述冗余的信息可以在所述信号处理装置中彼此进行比较或者相互支持。从所述通过不同的方式计算的可观察量的比较中可以推断出所述可观察量的可靠性和精度。所述信号处理装置对所述可观察量的精度进行评定并且将所述可观察量与精度说明一起通过接口装置来提供给不同的功能装置。

DE 10 2012 219 478 A1公开了一种传感器系统，该传感器系统用于独立地对其数据的完备性进行评估。所述传感器系统优选用在机动车中并且包括多个传感器元件，所述传感器元件如此构成，使得其检测至少部分地不同的初级的测量变量或者利用至少部分地不同的测量原理。所述传感器系统此外包括信号处理装置，该信号处理装置至少部分地共同地对所述传感器信号进行分析并且同时对所述传感器信号的信息质量进行评估。所述信号处理装置此外提供关于物理参量的至少一个数据的无矛盾性的信息，其中所述物理参量的数据在传感器元件的传感器信号的基础上来计算，所述传感器元件要么直接检测出所述物理参量要么能够从所述传感器元件的传感器信号中计算出所述物理参量。现在在直接或者间接冗余地存在的传感器信息的基础上计算关于数据的无矛盾性的信息。

但是，在现有技术中已知的所述类型的方法和传感器系统带有缺点，因为没有考虑到校正测量的取决于环境的或者取决于情况的可用性。甚至特定的系统的完全失灵经常未得到考虑。这导致被融合的和经过校正的数据并非是最佳的结果。

技术实现要素：

因此，本发明的任务是，建议一种得到改进的、用于对导航数据进行校正的方法。

该任务按照本发明通过按照权利要求1所述的、用于对导航系统进行调整的方法得到解决。

本发明涉及一种用于对导航系统进行调整的方法，其中所述导航系统包括基础系统和至少一个校正系统，

其中由所述基础系统并且由所述至少一个校正系统分别采集测量值，其中所述测量值描述了导航数据，其中所述测量值相应地带有误差值，其中所述误差值描述了所述测量值偏离所描述的导航数据的偏差，其中借助于所述至少一个校正系统的测量值来至少识别所述基础系统的测量值的误差值，

其中在考虑到所述至少一个校正系统的采集不可靠性的情况下进行所述识别，其中所述考虑代表着对于随机噪声模型的参数的调整，

其中所述随机噪声模型按照所述参数来预先给定所述至少一个校正系统的测量值相对于所述基础系统的测量值的权重（Gewichtung），并且其中根据所述采集不可靠性按照特性曲线或者组合特性曲线（Kennfeld）来选择对于所述参数的调整。

从中产生以下优点：能够以对于所述随机噪声模型的参数进行调整的形式实现在很大程度上最佳地与所述至少一个校正系统的相应的采集不可靠性相匹配的权重。这又能够实现对于所述基础系统的测量值的误差值的、得到改进的并且可靠的识别并且由此在总体上能够实现对所述基础系统的测量值的可靠性的改进。

按照特性曲线或者组合特性曲线进行的调整在此能够实现一种比较简单的、但是尽管如此仍然可靠的处理方式。

所述采集不可靠性按照本发明优选描述了所述至少一个校正系统的测量值的所谓的噪声。所述噪声通常对所采集的测量值的精度或者可靠性产生影响。应该将系统状态的、在这里不应详细探讨的噪声与所述测量值的噪声的区分开来。

所述随机噪声模型也作为所谓的噪声矩阵为人所知，其中所述噪声矩阵优选作为算法在融合滤波器中来实现。

优选地，在通过所述至少一个校正系统对所述测量值进行预处理的范围内优选进行误差依赖性计算、尤其是高斯误差依赖性计算。这已经允许对采集可靠性进行自身评估或者识别。

例如可以在用于所述至少一个校正系统的三种状态或者采集不可靠性之间进行区分。如果所述至少一个校正系统能够无限制地可用，那么所述采集不可靠性就处于常见的范围内并且所述导航系统在没有进一步调整的情况下在很大程度上可以最佳地运行。而如果所述至少一个校正系统仅仅受限制地可用，那么所述参数——以及由此所述导航系统——相应地与这种仅仅部分的可用性相匹配。“可用性或者可用的”这个概念在本发明的意义上描述了所述校正系统或者导航系统取决于所述采集不可靠性的功能能力。受限制的可用性在此覆盖了可用性等级在不可用与完全可用之间的全部可能的带宽。因此优选的是，区分部分可用性的不同等级并且相应地对所述参数进行调整。例如在紧密耦联的传感器的情况下、也就是在进行所谓的紧密耦联时，在存在仅仅受限制的可用性时在这种情况下经常还可以在较长的时间间隔里用不变的参数继续进行工作，因为所述紧密的耦联还允许在一些时间内在预处理的范围内对所述至少一个校正系统的测量值进行校正。在所述至少一个校正系统不可用时存在着第三种可能的状态。在这种情况下，优选已经在所述预处理的范围内抛弃了所述测量值。

优选规定，额外地借助于所述至少一个校正系统的测量值来至少对所述基础系统的测量值的误差值进行校正，其中在考虑到所述至少一个校正系统的采集不可靠性的情况下进行所述校正。从中产生以下优点：对于所述误差值的识别具有具体的意义，也就是下面至少对于所述基础系统的测量值的误差值的校正。这改进并且准确地说明了由所述导航系统确定的导航信息、例如位置或者速度。尤其也识别所述至少一个校正系统的测量值的误差值并且对其进行校正，其中所述至少一个校正系统的测量值的误差值特别优选借助于所述基础系统的测量值或者另一个校正系统的测量值来识别和校正。但是，同样也可以并且优选对合适的随机模型的误差值进行识别和校正，其中所述模型将相应的传感器系统的个性化的特性考虑在内。

此外优选的是，所述基础系统是惯性导航系统并且所述至少一个校正系统是全球卫星导航系统。由此，本发明特别好地适合于导航用途并且适合于优选在机动车中的导航系统。所述导航系统由此尤其、也就是说从所述测量值中确定位置、尤其是机动车的位置。所述全球卫星导航系统例如可以是所谓的GPS导航系统。特别有用的是，所述卫星导航系统包括至少两个卫星信号接收器。由此它改进了所采集到的卫星信号的质量并且由此改进了所述卫星导航系统的可靠性和精度。所述惯性导航系统作为基础系统提供了以下优点：它具有相对极高的可用性，因为它具有所采集到的测量值的较高的输出率并且此外在很大程度上在与外部干扰影响无关的情况下工作。

附加地优选的是，所述导航系统此外包括测程法导航系统。所述测程法导航系统在此首先例如通过机动车轮胎的已知的滚动周长来确定速度，并且由此能够在考虑到转向角的情况下在耦合导航的范围内进行定位。这在总体上改进了所述导航系统的精度和可靠性。

有利地规定，所述特性曲线或者所述组合特性曲线借助于理论上的建模或者借助于系列测量（Messreihe）来确定。所述理论上的建模在此例如可以为所述全球卫星导航系统描述导航卫星、例如GPS卫星的能够从星座数据中算出的仰角以及取决于相应的仰角的信噪比、所谓的SNR。但是，同样也可以在系列测量或者系列试验的范围内确定这种关联。借助于所述特性曲线或者组合特性曲线，由此始终以简单的方式在测量噪声的意义上提供预期的SNR或者预期的采集不可靠性。当然，本发明不局限于根据所述仰角来提供卫星导航系统的SNR这个方面。借助于其他特性曲线或者组合特性曲线或者将多条特性曲线组合成一条相应的组合特性曲线这个方式，也可以考虑对所述测量噪声或者SNR或者采集不可靠性的其他影响、例如街道峡谷、隧道行车等等。此外，当然也可以以特性曲线或者组合特性曲线的形式来描绘所述采集不可靠性或者所述测量噪声或者测程法导航系统的SNR。所述采集不可靠性或者所述测量噪声或者测程法导航系统的SNR在此例如可以根据公路路面、例如沥青或者碎石、温度或者湿度来描绘。

特别有用的是，所述采集不可靠性通过在所述全球卫星导航系统的信号的信号传播路径中的电离层影响和/或电磁干扰和/或电磁的折射效应和/或电磁的衍射效应和/或电磁的反射效应而受到影响。这是典型的噪声影响，所述噪声影响一般来说影响所述采集不可靠性。通过对所述噪声影响的考虑，由此可以将大量影响到所述采集不可靠性的噪声影响考虑在内。

此外，优选的是，借助于环境传感装置来确定所述采集不可靠性。借助于环境传感装置可以比较容易地确定许多对所述采集不可靠性产生影响的影响。例如可以借助于摄像头传感器来识别街道峡谷或者隧道。同样借助于摄像头传感器也可以识别公路路面。温度传感器和雨水传感器也可以识别对所述采集不可靠性产生影响的影响，其中例如雨水不仅会影响卫星导航系统的采集不可靠性而且会影响测程法导航系统的采集不可靠性。

此外优选的是，借助于数字地图来确定所述至少一个校正系统的采集不可靠性。借助于数字地图例如可以确定街道峡谷、隧道行车和公路路面，至少如果它们被保存在所述数字地图中的话。借助于所述车辆或者导航系统的定位，由此已经可以以简单的方式确定大量对所述采集不可靠性产生影响的影响。

此外规定，将所述测量值融合成一个共同的融合数据记录。共同的融合数据记录相对于各个测量值通常更加可靠并且更加精确，并且它尤其允许借助于误差估计来对所融合的测量值或者导航数据的精度或者可靠性进行比较可靠的评估。

优选规定，为了编制共同的融合数据记录仅仅考虑具有同一时间戳的测量值。所述测量值因此描述了在相同时刻的同样的物理参量。由此，所考虑的测量值理想地是相同的或者理想地必须是相同的。从中产生以下优点：所述测量值的误差值能够更好地并且更加可靠地识别。由此也改进了所述融合数据记录的精度或者可靠性。

有用的是，借助于误差状态空间滤波器、尤其是借助于误差状态空间卡尔曼滤波器来进行所述识别和/或所述校正。所述误差状态空间滤波器在此代表着用于对所述测量值进行融合、尤其是用于对正态分布的测量值进行融合的融合滤波器。同时所述误差状态空间滤波器优选估计或者确定至少所述基础系统的误差值。然后，借助于所述至少一个校正系统可以估计或者确定所述误差值并且必要时也可以估计或者确定所述惯性导航系统的未知的参量。所述误差状态空间滤波器的特点因此是，取代所述传感器信号或者所述测量值而一步一步地仅仅对误差值进行估计或者确定并且随后对其进行校正。也就是说所述误差值具有比所述测量值本身低得多的时间动态，由此实现所述误差状态空间滤波器的动态在很大程度上与所述基础系统或者所述至少一个校正系统的特性去除耦联。

此外，本发明涉及一种用于对导航系统进行调整的系统，其中所述导航系统包括基础系统和至少一个校正系统，其中所述基础系统和所述至少一个校正系统分别被构造用于采集测量值，其中所述测量值描述了导航数据，其中所述测量值相应地带有误差值，其中所述误差值描述了所述测量值偏离所描述的导航数据的偏差，其中所述系统被构造用于：借助于所述至少一个校正系统的测量值来实施至少对于所述基础系统的测量值的误差值的识别，其中所述系统被构造用于：在考虑到所述至少一个校正系统的采集不可靠性的情况下来实施所述识别，其中所述考虑代表着对于随机噪声模型的参数的调整，其中所述随机噪声模型按照所述参数预先给定了所述至少一个校正系统的测量值相对于所述基础系统的测量值的权重，并且其中所述系统被构造用于：根据所述采集不可靠性按照特性曲线或者组合特性曲线来选择对于所述参数的调整。按照本发明的系统由此包括所有为了执行按照本发明的方法所必要的装置。

优选规定，所述系统被构造用于执行按照本发明的方法。这引起了已经描述过的优点。

此外，本发明涉及按照本发明的系统在机动车中的应用。

附图说明

其他优选的实施方式从从属权利要求和以下借助于附图对一种实施例所作的描述中产生。

其中：

图1示范性地示出了在机动车中的按照本发明的系统的一种可能的构造方式，所述系统被构造用于进行定位；并且

图2示范性地示出了在机动车中的按照本发明的系统的另一种可能的构造方式，所述系统同样被构造用于进行定位。

具体实施方式

图1以示意图示出了按照本发明的系统的一种实施例，该系统被设置用于布置并且用在机动车（未示出）中。在此，作为功能框示出了所有被所述系统所包括的元件或者组成部分或者基础系统或者校正系统并且示出了其彼此间的共同作用。

所述导航系统包括惯性导航系统101，该惯性导航系统如此构成，使得其至少可以采集沿着第一、第二和第三轴线的加速度以及至少围绕着第一、第二和第三轴线的旋转速率。在此根据实例，所述第一轴线相当于所述机动车的纵轴线、所述第二轴线相当于所述机动车的横轴线并且所述第三轴线相当于所述机动车的竖轴线。这三条轴线形成笛卡尔坐标系、所谓的机动车坐标系。

惯性导航系统101根据实例形成所谓的基础系统，其测量值可以借助于在下面所描述的所谓的校正系统来校正。所述校正系统在此是测程法导航系统103和卫星导航系统104。

按照本发明的系统此外具有所谓的捷联算法单元102，在该捷联算法单元中实施所谓的捷联算法，借助于所述捷联算法来将惯性导航系统101的测量值尤其换算为位置数据。为此，关于时间对所述惯性导航系统101的、自然描述了加速度的测量值进行二次积分。此外，借助于关于时间的一次积分来确定所述机动车的定向和速度。此外，所述捷联算法单元102对作用于所述惯性导航系统101的科氏力进行补偿。

所述捷联算法单元102的原始数据因此包括下面的物理参量：所述机动车根据实例关于机动车坐标系的所提到的三条轴线的并且根据实例额外地相应地相对于世界坐标系的速度、加速度和旋转速率，所述世界坐标系适合于描述所述机动车在世界上的定向或者动态参量。所提到的世界坐标系根据实例是GPS坐标系。此外，所述捷联算法单元102的原始数据包括关于所述机动车坐标系的位置和关于所述世界坐标系的定向。所述捷联算法单元102的原始数据额外地具有方差作为关于上面所提到的导航数据的数据质量的信息。这些方差根据实例不是在所述捷联算法单元102中来计算，而是仅仅由其来使用和传输。由捷联算法单元102计算的、上面所提到的导航数据通过输出模块112来输出并且提供给其他的机动车系统。

此外，所述导航系统包括以用于机动车的每个车轮的车轮转速传感器的形式构成的测程法导航系统103。根据实例涉及一种具有四个车轮转速传感器的四轮机动车，所述车轮转速传感器分别检测为其分配的车轮的转速及其旋转方向。此外，所述测程法导航系统103包括转向角传感器元件，所述转向角传感器元件检测所述机动车的转向角。

除此以外，示范性地示出的导航系统具有卫星导航系统104，该卫星导航系统如此构成，使得其确定相应地在所分配的卫星与所述机动车之间的间距以及相应地在所分配的卫星与所述机动车之间的速度。

所述系统此外包括融合滤波器105。该融合滤波器105在对测程法导航系统103、卫星导航系统104和惯性导航系统101的测量数据进行共同分析的过程中提供融合数据记录106。所述融合数据记录106具有不同的传感器系统的所检测到的测量数据，其中所述融合数据记录106根据实例额外地包括误差值和为所述误差值所分配的、描述数据质量的方差。

所述惯性导航系统101的测量值在所述机动车的运行过程中在预先给定的时间间隔里保存在所述融合滤波器105的为此而设置的电子数据存储器113中。所述惯性导航系统101在此代表着所谓的基础系统，而所述测程法导航系统103和所述卫星导航系统104则代表着所谓的校正系统，所述校正系统的测量值用于对所述基础系统的测量值进行校正。由此保证，始终可以对至少看起来是在同一时刻所采集到的数值进行比较。

由融合滤波器105提供的融合数据记录106根据实例包括所述基础系统的、借助于所述校正系统的经过核实的测量值来确定的在量方面的误差。

所述捷联算法单元102现在借助于所述融合数据记录106对所述基础系统的测量值进行校正。

所述融合数据记录106由所述融合滤波器105从所述测程法导航系统103、卫星导航系统104和惯性导航系统101的测量数据中来计算。

所述融合滤波器105根据实例构造为误差状态空间卡尔曼滤波器，也就是构造为卡尔曼滤波器，所述卡尔曼滤波器尤其执行对所述测量值的线性化并且在所述卡尔曼滤波器中计算或者估计所述测量值的、在量方面的误差值，并且所述卡尔曼滤波器连续地工作并且在此对在所述次序的相应的功能步骤中可供使用的测量值进行校正。

所述融合滤波器105如此构成，使得其始终异步地采集最新的、可由所述惯性导航系统101、测程法导航系统103和卫星导航系统104使用的测量值。根据实例所述测量值在此通过机动车模型单元107和定向模型单元109来传送。

所述机动车模型单元107如此构成，使得其从所述测程法导航系统103的测量值中至少计算沿着第一轴线的速度、沿着第二轴线的速度以及围绕着第三轴线的旋转速率并且将其提供所述融合滤波器105。

根据实例的系统此外包括轮胎参数估计单元110，该轮胎参数估计单元如此构成，使得其至少计算所有车轮的半径、根据实例是动态的半径并且额外地计算所有车轮的侧向偏离刚度和滑转刚度，并且作为额外的输入参量将其提供给所述机动车模型单元107。此外，所述轮胎参数估计单元110如此构成，使得其将基本上线性的轮胎模型用于计算轮胎参量。

所述轮胎参数估计单元110的根据实例的输入参量在此是描述车轮转速和转向角的测量值，至少部分地是所述捷联算法单元102的原始数值以及由所述融合滤波器105确定的方差。

所述根据实例的系统此外包括GPS故障识别及核实单元111，该GPS故障识别及核实单元如此构成，使得其根据实例获得所述卫星导航系统104的测量值和所述捷联算法单元102的至少部分的测量值来作为输入数据并且在其计算中加以考虑。所述GPS故障识别及核实单元111根据与所述卫星导航系统104相匹配的随机模型来检查所述测量值。如果所述测量值在对所述噪声加以考虑的公差的范围内与所述模型相符，那么其就得到核实。

在此，所述GPS故障识别及核实单元111额外地与所述融合滤波器105在数据层面上相联系并且将经过核实的测量值传输给所述融合滤波器105。

所述GPS故障识别及核实单元111示范性地如此构成，使得其尤其借助于以下方法步骤来实施一种用于选择卫星的方法：

—在所述卫星导航系统104的传感器信号的基础上测量所述机动车相对于卫星的位置数据；

—确定所述机动车的、相对于在所述传感器信号的基础上由所述卫星导航系统104确定的位置数据冗余的参考位置数据；

—如果所述位置数据与所述参考位置数据的比较符合预先确定的条件，则选择卫星；

—其中为了对所述位置数据和所述参考位置数据进行比较而构造所述位置数据与所述参考位置数据之间的差；

—其中所述预先确定的条件是所述位置数据偏离所述参考位置数据的最大允许的偏差；

—其中所述最大允许的偏差取决于标准偏差，所述标准偏差根据由用于所述参考位置数据的参考方差和用于所述位置数据的测量方差构成的总和来计算；并且

—其中所述最大允许的偏差如此相当于所述标准偏差的许多倍，使得所述位置数据落到取决于所述标准偏差的离散间隔中的可能性低于预先确定的阈值。

所述根据实例的系统此外具有停车状态识别单元108，该停车状态识别单元如此构成，使得其可以识别所述机动车的停车状态并且在识别出所述机动车的停车状态的情况下至少向所述融合滤波器105提供来自停车状态模型的信息。所述来自停车状态模型的信息在此描述：围绕着全部三条轴线的旋转速率具有数值零并且沿着全部三条轴线的速度具有数值零。所述停车状态识别单元108在此根据实例如此构成，使得其利用所述测程法导航系统103的车轮转速传感器的测量值以及所述惯性导航系统101的测量值作为输入数据。

所述传感器融合系统根据实例使用第一组与机动车坐标系相关的测量值并且额外地使得第二组与世界坐标系相关的测量值，其中所述世界坐标系用于描述所述机动车的定向和动态参量。借助于所述定向模型单元109来确定机动车坐标系与世界坐标系之间的定向角度。

所述机动车坐标系与所述世界坐标系之间的、由定向模型单元109确定的定向角度在此在以下物理参量的基础上来确定：

—相对于世界坐标系的矢量速度；

—相对于机动车坐标系的矢量速度；

—转向角；以及

—描述所提到的参量的测量数据或者数值的相应的在量方面的误差。

所述定向模型单元109在此动用所述捷联算法单元102的全部原始数据。

所述定向模型单元109根据实例如此构成，使得其作为所述定向角度的补充还以方差的形式计算关于所述定向角度的数据质量的信息并且将其提供给所述融合滤波器105。

所述融合滤波器105在其计算中使用所述定向角度以及所述定向角度的方差，所述融合滤波器将所述计算的结果通过所述融合数据记录106来传送给所述捷联算法单元102。

所述融合滤波器105因此采集惯性导航系统101、基础系统以及测程法导航系统103和卫星导航系统104、校正系统的测量值。

所述根据实例的系统连续地检查所述两个校正系统、也就是测程法导航系统103和卫星导航系统104的采集不可靠性。为此要不断地确定所能够接收的导航卫星的仰角。此外，借助于雨水传感器、温度传感器、摄像头传感器和光传感器来确定天气情况。随后根据所识别的采集不可靠性、也就是根据所述仰角和天气情况、按照组合特性曲线来对所述随机噪声模型的参数进行调整，所述随机噪声模型根据所采集的测量值的测量噪声权衡所述基础系统的测量值对所采集的测量值的权重。所述组合特性曲线以数字方式保存在车辆内的未示出的电子存储器中。

图2示范性地示出了在机动车（未示出）中的按照本发明的系统的另一种可能的构造方式，该系统同样被构造用于对导航系统进行调整。所述系统根据实例包括惯性导航系统201、卫星导航系统204和测程法导航系统203作为不同的传感器系统。惯性导航系统201、卫星导航系统204和测程法导航系统203将测量值输出给融合滤波器205，所述测量值直接地或者间接地描述了导航数据、也就是位置、速度、加速度、定向、偏转速率或者偏转加速度。所述测量值的输出在此通过车辆数据总线，根据实例通过所谓的CAN总线来进行。根据实例所述卫星导航系统204将其测量数据以原始数据形式来输出。

在对机动车进行定位时，使用惯性导航系统201结合捷联算法单元207作为中心元件，所述惯性导航系统是所谓的MEMS-IMU（Mictro-Electro-Mechanical-System-Inertial Measurement Unit，微机电系统惯性测量单元），因为这个惯性导航系统被假定无误差，也就是说假定所述惯性导航系统201的数值始终与其随机模型相符，所述数值仅仅具有噪声影响并且由此免于外部的或者偶然的误差或者干扰。所述噪声以及所述惯性导航系统201的余下的未建模的误差、例如非线性在此在测量范围内被假定是无平均值的、稳定的并且正态分布的（所谓的高斯白噪声）。

所述惯性导航系统201包括三个相对于彼此分别正交地进行检测的旋转速率传感器和三个相对于彼此分别正交地进行检测的加速度传感器。

所述卫星导航系统204包括GPS接收器，该GPS接收器在卫星信号传播时间的范围内首先相对于能够接收的GPS卫星进行距离测量并且此外从所述卫星信号传播时间的变化并且额外地从卫星信号的波长的数目的变化中确定由所述机动车所驶过的路程。所述测程法导航系统203相应地包括在机动车的每个车轮上的车轮转速传感器并且包括转向角传感器。所述车轮转速传感器相应地确定为其分配的车轮的车轮转速并且所述转向角传感器确定所打的转向角。

所述惯性导航系统201将其测量值输出给所述惯性导航系统201的预处理单元206。预处理单元206现在借助于校正值对所述测量值或者在其中所描述的导航数据进行校正，预处理单元206从所述融合滤波器205处获得所述校正值。将如此经过校正的测量值或者在其中所描述的导航数据传输给所述捷联算法单元207。

所述捷联算法单元207现在根据所述预处理单元206的经过校正的测量值进行定位。这种定位在此是在所述惯性导航系统201的基础上进行的所谓的耦合导航。为此，连续地关于时间对由预处理单元206输出的经过校正的测量值或者在其中所描述的导航数据进行积分或者相加。所述捷联算法单元207此外对作用于惯性导航系统201上的科氏力进行补偿，所述科氏力可能影响到所述惯性导航系统201的测量数据。为了进行定位，捷联算法单元207关于时间对由惯性导航系统201所采集到的、描述加速度的测量值进行二次积分。这能够实现机动车的前面已知的位置的更新以及机动车的前面已知的定向的更新。为了确定所述机动车的速度或者旋转速率，所述捷联算法单元207关于时间对由所述惯性导航系统201所采集的测量值实施一次积分。此外，所述捷联算法单元207也借助于所述融合滤波器205的相应的校正数值来对特定的位置进行校正。融合滤波器205在该实例中因此仅仅间接地通过所述捷联算法单元207来执行校正。现在将由所述捷联算法单元207确定并且校正的测量值或者导航数据、也就是所述机动车的位置、速度、加速度、定向、旋转速率和旋转加速度传输给输出模块212并且传输给所述融合滤波器205。

由所述捷联算法单元207执行的所谓的捷联算法在此在计算上不太复杂，并且因此可以作为能实时处理的基础系统来实现。所述捷联算法代表着用于对所述惯性导航系统201关于速度、定向和位置的测量值进行积分的方法流程并且不包含滤波，因而产生差不多恒定的等待时间和群时延。

“基础系统”这个概念在此描述了一种传感器系统，该传感器系统的测量值借助于其他传感器系统、所谓的校正系统的测量值来校正。根据实例，如已经解释的那样，所述校正系统是所述测程法导航系统203和所述卫星导航系统204。

所述惯性导航系统201、所述惯性导航系统201的预处理单元206和所述捷联算法单元207根据实例一起构成所谓的基础系统，所述融合滤波器205也额外地按份额地属于所述基础系统。

输出模块212将由捷联算法单元207确定的并且校正的导航数据传输给机动车的任意的其他系统。

由卫星导航系统204采集的测量值根据实例以传感器信号的形式通过所谓的UART数据连接首先传输给所述卫星导航系统204的预处理单元208。所述预处理单元208现在从由卫星导航系统204输出的测量值——该测量值代表着GPS原始数据并且也包括对相应地发送GPS信号的GPS卫星的运行轨道的描述——中确定机动车在GPS坐标系中的位置和速度。此外，所述卫星导航系统204确定所述机动车相对于所述GPS卫星的相对速度，其中从所述GPS卫星处接收GPS信号。此外，所述预处理单元208对卫星导航系统204的接收器时钟的、在所述测量值中所包含的时间误差——该时间误差由于所述接收器时钟的偏移而产生——进行校正，并且借助于校正模型来对信号传播时间和信号路径的变化——所述变化通过对由所述GPS卫星所发送的GPS信号的大气影响而引起——进行校正。对于所述时间误差及大气影响的校正借助于由融合滤波器205通过CAN总线得到的校正值来进行。

此外，为卫星导航系统204分配了核实模块209，该核实模块对所述导航数据的由预处理单元208输出的测量值、也就是机动车的位置和速度进行核实。然后将由核实模块209核实的测量值输出给所述融合滤波器205。

此外，所述系统包括测程法导航系统203的预处理单元210，所述预处理单元通过所述CAN总线来获得由测程法导航系统203所采集的测量值。所采集的测量值在这种情况下是各个车轮转速传感器的测量值以及所述转向角传感器的测量值。所述预处理单元210现在从由测程法导航系统203输出的测量值中按照所谓的耦合导航方法来确定机动车在机动车坐标系中的位置和定向。此外，确定机动车同样在机动车坐标系中的速度、加速度、旋转速率和旋转加速度。此外，所述预处理单元210借助于由融合滤波器205获得的校正值对由测程法导航系统203获得的测量值进行校正。

此外，为测程法导航系统203分配了核实模块211，该核实模块对由预处理单元210输出的测量值、也就是所述机动车的位置、定向、速度、加速度、旋转速率和旋转加速度进行核实。因为例如在出现较大的车轮滑转时所述测程法导航系统203的测量值的干扰经常是偶然的、由环境引起的、与白噪声不相符的干扰，所以将借助于惯性导航系统201并且借助于卫星导航系统204确定的测量值用于对所述测程法导航系统203的测量值进行核实。但是，首先在这里也针对为所述测量值分配的传感器所特有的模型对所述测量值进行调准，所述传感器所特有的模型考虑到测量不可靠性、例如噪声影响。如果所述测量值在给定的极限值或者公差范围之内与所述模型相符，那么在这里就进行第一次核实并且对如此经过核实的数值继续进行处理。然后将所述经过核实的数值传输给所述融合滤波器205。如果不能对这些测量值进行核实，那就抛弃所述相应的测量值并且不对其进行进一步处理。

所述融合滤波器205根据实例构造为误差状态空间卡尔曼滤波器。所述融合滤波器205的主要任务根据实例是：借助于代表着校正系统的测程法导航系统203和卫星导航系统204的测量值对所述基础系统、也就是惯性导航系统201的测量值进行校正，或者将相应的校正值输出给所述捷联算法单元207。因为所述惯性导航系统201根据实例被假设免于偶然的误差和外部的干扰，所以所述惯性导航系统201的测量值仅仅经受白噪声的影响。

因为所述融合滤波器205是所谓的误差状态空间卡尔曼滤波器，所以仅仅确定所述测量值的在量方面的误差值并且执行相应的校正。这简化并且加速了由所述融合滤波器205将所述惯性导航系统201、测程法导航系统203和卫星导航系统204的测量值融合成一个共同的融合数据记录的过程。由此能够进行实时的定位并且对所述定位进行校正。

在图2中示出的系统代表着所谓的虚拟传感器，但是其中所述惯性导航系统201、所述测程法导航系统203和所述卫星导航系统204不是所述虚拟传感器的组成部分。虚拟传感器是一种系统，该系统在不取决于所整合的传感器系统——在这里也就是所述惯性导航系统201、所述测程法导航系统203和所述卫星导航系统204——的类型的情况下始终产生相同的原始数据或者输出。根据所述原始数据或者输出看不出，哪些传感器系统被整合到所述系统中。

在图2中根据实例示出的系统也连续地检查所述两个校正系统、也就是所述测程法导航系统203和所述卫星导航系统204的采集不可靠性。为此，一方面不断地确定能够接收的导航卫星的仰角。此外，借助于雨水传感器、温度传感器、摄像头传感器和光传感器来确定天气情况。此外，借助于所述摄像头传感器并且借助于车辆内的数字地图来确定环境情况。所有这些因素都影响到所述卫星导航系统204的采集不可靠性。随后根据所识别的采集不可靠性、也就是根据所述仰角和所述天气情况按照组合特性曲线来对所述随机噪声模型的参数进行调整，所述随机噪声模型根据所采集的测量值的测量噪声权衡所述基础系统的测量值对所采集的测量值的权重。所述组合特性曲线在此为由仰角、天气情况和环境情况构成的相应特定的组合分配了所述卫星导航系统204的采集不可靠性。

同样获取所述测程法导航系统203的采集不可靠性，方法是：首先借助于所述摄像头传感器来确定公路路面、借助于所述温度传感器来确定温度并且借助于所述雨水传感器来确定降水情况。优选额外地从所述数字地图中读出对于所述公路路面的确定情况。随后根据所识别的采集不可靠性、也就是根据所述公路路面、温度和降水情况按照另一条组合特性曲线来对随机噪声模型的参数进行调整，所述随机噪声模型根据所采集的测量值的测量噪声权衡所述基础系统的测量值对所采集的测量值的权重。所述另一条组合特性曲线在此为由公路路面、温度和降水情况构成的相应特定的组合分配了所述测程法导航系统203的采集不可靠性。

所提到的两条组合特性曲线彼此独立并且以数字方式被保存在车辆内的未示出的电子存储器中。