摘  要： 為了滿足VANET（Vehicular Ad-hoc Network）中對(duì)車輛位置信息的高精度要求,，本文研究了一種基于全球定位系統(tǒng)（Global Positioning System，GPS）偽距雙差和有高精度里程儀的慣性導(dǎo)航（Inertial Navigation Systems,，INS）的協(xié)作相對(duì)定位方法,。通過(guò)數(shù)據(jù)融合技術(shù)，將GPS偽距雙差,、GPS信號(hào)的多普勒頻移以及被高精度里程儀修正后的INS加速度等數(shù)據(jù)進(jìn)行融合處理,，獲得具有良好精度的相對(duì)定位結(jié)果。結(jié)果表明,，使用該方法的定位性能優(yōu)于無(wú)里程儀和INS的定位性能,。

　　關(guān)鍵詞： GPS；慣性導(dǎo)航,；里程儀,；相對(duì)定位

0 引言

　　為滿足現(xiàn)代車輛安全行駛以及車輛定位等應(yīng)用對(duì)定位精度的高要求，迫切需要更高水平更高精度的車輛定位技術(shù)的研究和使用,。在現(xiàn)有全球衛(wèi)星導(dǎo)航系統(tǒng)[1-2]（Global Navigation Satellite Systems,，GNSS）與定位技術(shù)的基礎(chǔ)上，針對(duì)原有定位技術(shù)存在定位精度不高,，以及在GPS偽距雙差相對(duì)定位時(shí),，GPS信號(hào)存在短時(shí)間中斷的問(wèn)題，本文研究了一種基于全球定位系統(tǒng)（GPS）偽距雙差和有高精度里程儀的慣性導(dǎo)航（INS）的協(xié)作相對(duì)定位技術(shù),。該技術(shù)在原有GPS偽距雙差相對(duì)定位技術(shù)的基礎(chǔ)上,，添加有高精度的里程儀慣性導(dǎo)航系統(tǒng)INS的測(cè)量器件。INS測(cè)量器件用來(lái)補(bǔ)充GPS短時(shí)間中斷時(shí)的車輛位置信息,，高精度的里程儀用來(lái)修正INS的積累誤差,，然后將GPS偽距雙差、GPS信號(hào)的多普勒頻移與被高精度里程儀修正后的INS加速度等數(shù)據(jù)信息進(jìn)行融合分析,，從而可以獲得更高精度的車輛相對(duì)定位,。

1 車輛協(xié)作相對(duì)定位方法

　　本文所研究的是有高精度里程儀的INS/GPS偽距雙差的協(xié)作相對(duì)定位。先假設(shè)研究的車輛上已裝有GPS接收機(jī),、INS設(shè)備以及高精度的里程儀,，同時(shí)目標(biāo)車輛所在的區(qū)域GPS信號(hào)覆蓋良好，接收機(jī)可以觀測(cè)到5顆以上的可見(jiàn)衛(wèi)星,，并且車輛之間能夠進(jìn)行車與車（Vehicle to Vehicle,，V2V）通信，共享數(shù)據(jù)信息[3],。

　　1.1 現(xiàn)有的GPS偽距雙差的相對(duì)定位方法

　　在t時(shí)刻,，節(jié)點(diǎn)k處的GPS接收機(jī)與衛(wèi)星i之間偽距觀測(cè)值[2]為：

　　其中，Rki為節(jié)點(diǎn)k處的接收機(jī)與衛(wèi)星i之間的幾何距離，c為光速,，δk為節(jié)點(diǎn)k處接收機(jī)的時(shí)鐘誤差,，δi為衛(wèi)星i的時(shí)鐘誤差，εi,，ion為電離層誤差,，εi，trop為對(duì)流層誤差,，εi,，sate為衛(wèi)星i的軌跡誤差，ki為接收機(jī)k處的熱噪聲與來(lái)自衛(wèi)星i的信號(hào)多徑誤差,。

　　由于衛(wèi)星的時(shí)間差別和高空層等誤差對(duì)處于同一區(qū)域的車輛來(lái)說(shuō)近似相同,，因此可以通過(guò)對(duì)同一觀測(cè)衛(wèi)星的不同的GPS接收機(jī)進(jìn)行差分消除這些公共誤差。如使用不同車輛k,、l對(duì)同一衛(wèi)星i進(jìn)行觀測(cè),，其偽距單差為：

　　其中，SDikl為偽距單差,，為車輛k和車輛l到衛(wèi)星i的幾何距離之差,。由于衛(wèi)星與車輛之間的距離遠(yuǎn)遠(yuǎn)大于車輛之間的距離，因此可以將車輛到衛(wèi)星的方向向量看作是平行的,。可以近似表示為：

　　其中,，為車輛k指向衛(wèi)星i的單位方向向量，rkl=rl-rk,，表示為兩車輛之間的相對(duì)位置向量,，ri、rk,、rl分別是衛(wèi)星i,、車輛k、l的位置矢量,。

　　對(duì)車輛間的偽距單差進(jìn)一步求差分,，可得偽距雙差，雙差的作用是消除接收機(jī)時(shí)間誤差的影響,。

　　偽距雙差可以表示為：

　　可以由車輛自身的偽距以及V2V通信從鄰近的車輛中獲取數(shù)據(jù)計(jì)算得到,。是不能通過(guò)偽距雙差進(jìn)行消除的非公共誤差，假設(shè)均值為0,、方差相等,，在后面的性能分析中，將其作為觀測(cè)噪聲處理,。采用偽距雙差方法,，在有4顆以上的可見(jiàn)衛(wèi)星時(shí)，可以通過(guò)最小二乘法獲得車輛間相對(duì)位置rkl（導(dǎo)航系下的相對(duì)位置信息）的結(jié)果[4]。

　　1.2 改進(jìn)的GPS偽距雙差相對(duì)定位方法

　　1.2.1 車輛間基于載波頻移的相對(duì)速度的測(cè)量

　　在t時(shí)刻,，車輛k的GPS接收機(jī)與衛(wèi)星i之間GPS的載波相位偽距[5]可以參考上節(jié)中的GPS偽距雙差表示為[2]：

　　相位偽距對(duì)時(shí)間求導(dǎo),，可得接收機(jī)k從衛(wèi)星i處接收到的信號(hào)的載波頻率偏移[2]，并能從中提取多普勒頻移：

　　其中,，f是GPS信號(hào)的載波頻率，GPS信號(hào)使用L1=    1 575.42 MHz,，λ是GPS L1信號(hào)的波長(zhǎng),，是觀測(cè)噪聲。

　　車輛k與車輛l對(duì)于衛(wèi)星i的載波頻移單差為：

　　其中,，vkl=vk-vl是指車輛k,、l之間的相對(duì)速度。由于衛(wèi)星移動(dòng)（衛(wèi)星移動(dòng)速度約3 km/s）引起的式（4）和式（10）中單位向量的變化較小,，并且這種變化與車輛到衛(wèi)星距離（20 000 km）相比,，可以忽略不計(jì)，因此,，ei和ej可以直接采用任何一輛車輛的接收機(jī)所在的最終位置,，然后結(jié)合衛(wèi)星星歷進(jìn)行計(jì)算得到。vkl可以通過(guò)多普勒頻移解算得到[6],。

　　1.2.2 車輛間基于INS的相對(duì)加速度的測(cè)量

　　車輛k,、l之間的相對(duì)加速度矢量akl=ak-al，其中ak,、al分別是車輛k,、l的加速度矢量。兩車之間的相對(duì)加速度akl,、相對(duì)速度vkl,、相對(duì)位移rkl以及GPS衛(wèi)星的定位信息都定義在導(dǎo)航坐標(biāo)系下。

　　INS在本設(shè)計(jì)中主要為車輛提供加速度以及方位角信息,。歐拉角用來(lái)構(gòu)建姿態(tài)矩陣Cbn,，然后將INS提供的載體坐標(biāo)系下的車輛加速度信息，根據(jù)ak=Cbnakb,，將其從載體坐標(biāo)系轉(zhuǎn)換到導(dǎo)航坐標(biāo)系[2]中,。

　　再通過(guò)接收到的GPS信號(hào)的多普勒頻移來(lái)估測(cè)歐拉角，假設(shè)?駐fki是車輛k接收到的衛(wèi)星i的多普勒頻移,，根據(jù)式（9）可得：

　　其中,，vi是衛(wèi)星i的速度矢量，當(dāng)有4顆以上可見(jiàn)衛(wèi)星時(shí),，車輛在導(dǎo)航系下的速度vk可以根據(jù)上述多普勒頻移關(guān)系式計(jì)算得到,。

　　假設(shè)目標(biāo)車輛在道路行駛時(shí)不發(fā)生路邊滑動(dòng)或者偏離地面，也即在載體坐標(biāo)系下，沿Y軸,、Z軸的速度分量為0,，車輛僅沿X軸方向行駛，車輛k在載體坐標(biāo)系下的速度大小為vkb=|vkb|,，可以由INS中的IMU提供的加速度通過(guò)一次對(duì)時(shí)間的積分得到,，載體加速度與導(dǎo)航加速度滿足如下關(guān)系式[7]：

　　其中，g是重力加速度,，z,、y是INS測(cè)量器件提供的車輛在載體系下沿各軸旋轉(zhuǎn)的角速度，通過(guò)公式vk=Cbn[vkb 0 0]T,，可以求得偏航角,，進(jìn)而得到姿態(tài)矩陣Cbn，最終實(shí)現(xiàn)加速度由載體系到導(dǎo)航系的變換,?？紤]慣性導(dǎo)航技術(shù)存在誤差積累的問(wèn)題，再使用參考文獻(xiàn)[7]中的高精度里程儀與慣性導(dǎo)航組合的方式,，修正INS的誤差,，提高其信息精確度。

　　1.2.3 融合數(shù)據(jù)信息的分析方法

　　卡爾曼濾波器是協(xié)作定位技術(shù)進(jìn)行數(shù)據(jù)融合分析的關(guān)鍵,，在本文中,，使用卡爾曼濾波器將本地?cái)?shù)據(jù)與接收到的數(shù)據(jù)進(jìn)行融合分析時(shí)的狀態(tài)模型[8]為：

　　其中，為狀態(tài)向量,，F(xiàn)是濾波器的傳輸函數(shù)模型,，G是噪聲處理模型，是沿著各軸的高斯相對(duì)加速度噪聲,，假設(shè)其均值為零,、抽樣間隔為τ。對(duì)于車輛k,、l,，狀態(tài)向量、濾波器傳輸模型以及噪聲處理模型分別為：

　　其中,，0n是n×n的零矩陣,，In是n維單位矩陣。假設(shè)對(duì)于車輛k,、l,，可見(jiàn)衛(wèi)星為m顆，則觀測(cè)模型為：

　　H是觀測(cè)模型,，是觀測(cè)噪聲,，考慮偽距雙差和GPS信號(hào)的多普勒頻移以及INS提供的加速度,，可得如下的觀測(cè)模型：

　　其中，是INS觀測(cè)的相對(duì)加速度向量轉(zhuǎn)變成的導(dǎo)航系下的數(shù)值,，εkl為噪聲,。通常將具有最高仰角的衛(wèi)星定為1，稱之為參考衛(wèi)星,，由式（5）,、（10）、（16）可得：

　　其中,，O′為（m-1）×3的零矩陣,，假設(shè)各觀測(cè)量之間相互獨(dú)立，則觀測(cè)噪聲的協(xié)方差可以表示為：

　　假設(shè)a2是INS加速度噪聲的協(xié)方差,，三個(gè)坐標(biāo)軸之間相互獨(dú)立，觀測(cè)到的加速度的協(xié)方差為a2I3,，因Cbn相互正交[9],，則導(dǎo)航系下的加速度協(xié)方差也為a2I3。相對(duì)加速度的協(xié)方差為,。ρ2和2分別是GPS偽距和多普勒頻移的觀測(cè)誤差,，根據(jù)參考文獻(xiàn)[10]，可以得到,，其中：

　　A=[1（m-1）×1  -Im-1  -1（m-1）×1  Im-1]（20）

　　其中1表示一個(gè)全為1的（m-1）×1矩陣,。已知H、F,、Q,、G時(shí)，就可以使用卡爾曼濾波器實(shí)現(xiàn)相對(duì)定位,。

　　2 仿真結(jié)果與分析

　　本文采用測(cè)量距離均方根drms來(lái)分析INS/GPS偽距雙差和GPS偽距雙差相對(duì)定位的性能,。對(duì)車輛i相對(duì)定位最佳為：。當(dāng)車輛（即是目標(biāo)車輛）為1時(shí),，,。在此假設(shè)參與協(xié)作的車輛數(shù)為5，GPS偽距測(cè)量觀測(cè)誤差的標(biāo)準(zhǔn)差為ρ=3 m,，可見(jiàn)衛(wèi)星數(shù)目為4~7顆,，仿真結(jié)果如圖1、圖2所示,。

　　采用GPS/INS或GPS偽距雙差兩種方法進(jìn)行相對(duì)定位時(shí),，相對(duì)定位距離均方根drms都隨著衛(wèi)星數(shù)目的增加而減小，也即可見(jiàn)衛(wèi)星數(shù)目越多,，定位性能越優(yōu),。如圖2為在GPS偽距雙差基礎(chǔ)上改進(jìn)的GPS/INS偽距雙差,，對(duì)比圖1中改進(jìn)前的相對(duì)定位均方根誤差drms，在高精度里程儀與INS器件的作用下,，GPS偽距雙差相對(duì)定位的drms有所減少,，也即是采用本文方法優(yōu)于GPS偽距雙差的定位性能。

3 結(jié)論

　　本文主要介紹了有高精度里程儀的INS/GPS偽距雙差的協(xié)作相對(duì)定位技術(shù),。在現(xiàn)有偽距雙差定位技術(shù)的基礎(chǔ)上,，添加INS測(cè)量器件和高精度的里程儀，再通過(guò)數(shù)據(jù)融合分析處理技術(shù),，將被里程儀修正后INS的加速度信息,、GPS信號(hào)的多普勒頻移信息以及GPS偽距雙差的相對(duì)定位信息進(jìn)行融合分析處理，從而改進(jìn)了GPS偽距雙差的相對(duì)定位性能,。在本文中,，要求車輛GPS接收機(jī)可見(jiàn)衛(wèi)星數(shù)不少于5顆，通過(guò)仿真對(duì)比,，證明了使用INS后的偽距雙差定位性能得到顯著提高,。

參考文獻(xiàn)

　　[1] WELLENHOF B H， LICHTENEGGER H,， WASLE E. 全球衛(wèi)星導(dǎo)航系統(tǒng) GPS,， GLONASS， Galileo及其他系統(tǒng)[M].程鵬飛,，蔡艷輝,，文漢江，等,，譯.北京：測(cè)繪出版社,，2009.

　　[2] KALPLAN E D， HEGARTY C J.GPS原理與應(yīng)用[M].寇艷紅,，等,，譯.北京：電子工業(yè)出版社，2007.

　　[3] 常促宇,，向勇,，史美林.車載自組網(wǎng)的現(xiàn)狀與發(fā)展[J].通信學(xué)報(bào)，2008,，28（11）：116-126.

　　[4] JUNGLAS I A,， WATSON R T. Location-based services[J]. Communications of the ACM， 2008,， 51（3）：65-69.

　　[5] DISSANAYAKE G,， SUKKARIEH S， NEBOT E,， et al. The aiding of a low-cost strapdown inertial measurement unit using vehicle model constraints for land vehicle applications[J]. IEEE Transactions on Robotics and Automation,， 2001,， 17（5）：731-747.

　　[6] 任小偉，熊帥,，楊文輝.衛(wèi)星導(dǎo)航相對(duì)定位技術(shù)研究[J].全球定位系統(tǒng),，2014，39（2）：54-59.

　　[7] 胡彥亮.基于INS/GPS,、INS/里程儀冗余的車載組合導(dǎo)航系統(tǒng)[D].哈爾濱：哈爾濱工程大學(xué),，2008.

　　[8] GREWAL M S， ANDREWS A P. Kalman filtering： theory and practice using Matlab（3rd edition）[M]. Hoboken：Wiley & Sons,， Inc,， 2008.

　　[9] AKEILA E， SALCIC Z,， SWAIN A. Direct gravity estimation and compensation in strapdown INS applications[C]. Sensing Technology,， 2008. IEEE 3rd International Conference on ICST 2008，2008：218-223.

　　[10] TEASLEY S P,， HOOVER W M,， JOHNSON C R. Differential GPS navigation[C]. PLANS′80-Po-sition Location and Navigation Symposium， 1980：9-16.