本发明涉及一种用于测量在测量信号中的方差的方法和用于数据融合的方法。此外，本发明涉及一种计算机程序、一种机器可读的存储介质和一种相应的装置，其特别是用在基于卫星的导航中的。
背景技术：
由US 7,209,938 B2已知一种借助于卡尔曼滤波器的滤波器技术，其使用用于测量值方差的自适应估计器。在此，卡尔曼滤波器的技术包括信号滤波机制。此外，该信号滤波机制还包括卡尔曼滤波器和方差估计器。
在数据融合中，特别是在借助于惯性传感器和GNSS的导航系统中，通常使用卡尔曼滤波器。除了模型和测量量之外，这些统计滤波器还需要呈测量数据方差形式的关于测量数据质量的附加信息。
对于方差未知或方差可变的测量信号，可使用自适应卡尔曼滤波器来调整方差。为此，通常还使用卡尔曼滤波器的状态，并且通过复数矩阵运算来估计方差。
技术实现要素：
在此背景下，本发明根据主权利要求提出了一种用于估计噪声参数、特别是方差的方法。
该方法特别是适用于在运行期间用于数据融合的卡尔曼滤波器的测量信号，以便获得整个系统的更好的和自适应的滤波性能。
其可实现独立于卡尔曼滤波器模型的资源高效的实现方式。
由此，本发明相对于估计特性具有更多的测量特性。
本发明的核心在于，仅借助于测量信号本身确定卡尔曼滤波器的测量信号中的噪声，特别是方差。由此，噪声的确定更多地被视为噪声的测量。这比估计噪声并且取决于所存储的模型的常规系统有利。
在本发明中应注意，方差的测量在卡尔曼滤波器之外进行，从而不依赖于卡尔曼滤波器固有的固有惯量。由此可快速适配于测量信号的变化。同样有利的是，恒定输入信号更快地产生恒定输出信号。在此提出通过以下方式确定测量信号的方差，即借助于高通滤波器、特别是数字高通滤波器来抑制直流分量，从而抑制实际信号。
特别是当在车辆中使用该方法时，例如在基于卫星导航设备的位置确定中，本发明是有利的。
此外，本发明仅需较少的硬件资源成本。
为此，该方法包括以下步骤：
-借助于高通滤波器过滤测量信号，以获得滤波后的测量信号；
-借助于滤波后的测量信号确定方差。
在此，测量信号可以是任何测量信号。然而，本发明源自以下认知：在将基于卫星的导航设备的信号(GNSS信号)与惯性传感器系统(例如加速度传感器系统)的信号进行数据融合时可实现特别好的结果。
根据有利的实施方式，高通滤波器为线性相位滤波器。
通过使用线性相位滤波器，所有噪声分量具有相同的群延迟。
这通过使用有限脉冲响应(FIR)滤波器可特别简单地实现。
在FIR滤波器的使用中已发现，如果高通滤波器的系数与借以检测测量信号的采样率相关，则方差测量的结果显著改善。
在该方法中起决定性作用的是滤波器路径中尽可能小的群延迟，因为测量信号的噪声可能因行驶状态而异。
因此，在该方法的优选实施方式中，高通滤波器的群延迟适配于方差中与测量任务相关的延迟。
较小的群延迟防止了噪声的变化也可迅速转换为新的方差，从而在行驶状态之间快速切换时方差确定仍然是正确的。
在具体应用中，即在GNSS信号与惯性传感器系统、特别是加速度传感器系统的信号的数据融合中已表明，在50ms和100ms之间的群延迟是有利的。推荐使用80ms的群延迟。
根据本方法的有效实施方式，在滤波步骤之后，执行第二滤波步骤，其中在第二滤波步骤中，借助于低通滤波器对由先前的滤波后的测量信号确定的方差进行滤波。
根据一个简单的实施方式，利用低通滤波器，特别是利用PT1低通滤波器，可连续形成平方和的平均值。这种简化所基于的认知是，当假设通过先前的高通滤波器得到的平均值为0时，平方和的平均值直接相应于方差。
在此，滤波器的截止频率指向以下频率，在该频率下在信号中还包含与测量任务相关的信息。
因此，根据该方法的一个实施方式，高通滤波器或低通滤波器的截止频率指向以下频率，在该频率下在测量信号中还包含与测量任务相关的信息。
在道路车辆的行驶动力学领域中，这些频率根据车辆的轨道数量的不同大约为3Hz至20Hz，特别是5Hz至20Hz。
根据该方法的一个有利实施方式，在确定的步骤中，借助于连续计算或借助于连续的平均值或借助于连续的平方和平均值来计算方差。
这是由高通滤波输入信号计算或测量方差的简单实现方式。
为了在借助于连续平均值和连续平方和平均值的连续计算中不是获取测量信号的全部历史记录，而是考虑上一个时间段，根据一个扩展变型方案，在确定步骤中进行第三过滤步骤，并且在第三滤波步骤中对连续平均值进行滤波。
由此，可将方差计算或测量以简单的方式限制到所搜索的或相关的测量时间段上。
本发明的另一方面是一种借助于卡尔曼滤波器进行数据融合的方法，其中第一输入信号为测量信号，并且第二输入信号为测量信号的方差，其中该方差借助于根据本发明的方法的一个实施方式来测量。
在此，特别有利的是用于数据融合的方法的实施方式，根据该实施方式在卡尔曼滤波器之外测量方差。
本发明的另一方面是一种计算机程序以及一种机器可读的存储介质，该计算机程序适于执行用于测量方差的方法或用于数据融合的方法的所有步骤，在上述机器可读的存储介质上储存有该计算机程序的实施方式。
此外本发明的一个方面是一种装置，其适于执行用于测量方差的方法或用于数据融合的方法的所有步骤。
特别有利的是，为了将这种装置实施为例如用于车辆传感器和控制器的嵌入式系统而构造二次幂系数，以通过算术移位来代替除法运算。
附图说明
在下文中，借助于附图来说明和阐释本发明的实施方式。其中：
图1示出了本发明的一个实施方式的方框图；
图2示出了输入信号1至4的曲线图；
图3a示出了以不同方法由输入信号1确定方差的曲线图；
图3b示出了以不同方法由输入信号2确定方差的曲线图；
图3c示出了以不同方法由输入信号3确定方差的曲线图；
图3d示出了以不同方法由输入信号4确定方差的曲线图；
图4示出了一个方框图；
图5示出了根据本发明的测量信号方差测量方法的一个实施方式的流程图；
图6示出了根据本发明的数据融合方法的一个实施方式的流程图。
具体实施方式
图1示出了本发明的一个实施方式的方框图。该方框图清楚地显示了本发明的实质。传感器S向进一步处理的单元提供传感器信号或测量信号。为了传感器信号的数据融合可有利地使用卡尔曼滤波器K，其被用于测量信号上。为此，一方面将测量信号传输给卡尔曼滤波器K，另一方面将测量信号传输给滤波器，此处为高通滤波器HP，以便抑制直流分量，从而抑制实际信号。然后根据所介绍的方法500将如此滤波的测量信号提供用于方差确定或方差测量。然后将所测量的方差又传输给卡尔曼滤波器K，并且作为用于数据融合的进一步的输入变量对其进行评估。
图2示出了四个测量信号(信号1至4)的曲线图。从图中可看出，测量信号具有不同程度的变化。在随后的附图中，在其他曲线图中绘制了用于方差确定的各种方法与本发明的方法的实施方式相比较的结果。
图3a至图3d示出了与本发明的方法500的实施方式相比根据窗口方法和纯粹低通滤波进行方差确定的结果的曲线图。
该结果清楚地证明了本发明的性能，因为本发明方法的实施方式的结果在称为输入方差的参考方差周围更加接近地振荡。
由此可看出，本发明适用于各种各样的输入信号并且提供良好的结果。
图4示出了设备的实施方式的方框图，其具有根据本发明的装置。
在图4中示出了两个传感器S1和S2，其传感器信号以及其测量信号通过卡尔曼滤波器K进行融合。
为此，一方面，传感器S1、S2将其测量信号直接作为输入信号输入到卡尔曼滤波器K中。另一方面，根据本发明的方法500，借助于高通滤波器HP对测量信号进行滤波。然后借助于低通滤波器TP对如此滤波的测量信号进行滤波。该滤波步骤的结果作为相应测量信号的(所测量的)方差输入到卡尔曼滤波器K中，作为进一步的输入变量。
高通滤波器和低通滤波器的组合也被称为带通滤波器BP。因此，作为两个单独滤波器的替代，也可使用带通滤波器BP。
应理解的是，滤波器HP、TP、BP可被不同地配置。滤波器可存在于硬件方面或软件方面或者作为其组合。
结果，卡尔曼滤波器K输出两个测量值或传感器信号的融合结果。
在道路车辆动力学领域中，信号中的相关信息可在3Hz至20Hz下、特别是在5Hz至20Hz下寻找。
从这些边界条件可对于高通滤波器HP推导出，可由其产生高通滤波器HP的低通滤波器TP(例如通过反转)的截止频率应为大约5Hz到10Hz，因为通过尽可能低的群延迟甚至高达20Hz的阻尼也不会很高。低通滤波器TP应具有至少2Hz的截止频率，以便同样不会对群延迟做出太大贡献。
在机动车的应用中，对于200Hz的采样率推荐具有系数bhp＝[1,16,36,55,73,84,93,102,-920,102.93,84,73,55,36,16,1]和ahp＝1024的第16阶的FIR高通滤波器，以及具有系数btp＝[1]和atp＝[16,-15]的无限脉冲响应(IIR)低通滤波器。由此实现了在大约8到15个采样通带中的群延迟。这在200Hz的采样率下相应于40ms到75ms的群延迟。
图5示出了根据本发明用于测量在测量信号中方差的方法的实施方式的流程图。
在步骤501中，借助于高通滤波器对测量信号进行滤波，以便获得滤波后的测量信号。
在步骤502中，借助于滤波后的测量信号来确定测量信号中的方差。
图6示出了根据本发明的数据融合方法的实施方式的流程图。
在步骤601中，通过卡尔曼滤波器对输入信号进行融合，其中根据本发明用于测量在测量信号中的方差的方法被用于确定输入信号的方差。