城市环境下GPS/SM组合定位技术研究

摘要

随着地理信息、电子通信和移动互联网技术的飞速发展，基于位置服务（Location Based Service，LBS）愈发受到了业界各类人士的广泛关注，而连续的、精确的位置，是大力发展卫星导航系统与位置服务产业的基础。然而卫星导航系统在高楼密集、间距短的“城市峡谷”环境中，接收机接收的信号会受到建筑物阻挡、反射、衍射和可视卫星的条状分布等影响，导致了信号衰减、多径干扰、非视距信号以及较大的几何精度因子，使得传统的全球定位系统(Global PositioningSystem，GPS)定位误差较大甚至不能定位。在城市峡谷环境中实现定位的精确性和可用性一直是国内外研究热点和难点，基于此本文主要工作如下：(此处图片省略）
　　首先，本文在概述RTK（Real-Time Kinematic）测量和全站仪测量原理的基础上，重点介绍了实验场景中三维（Three Dimensions，3D）建筑模型获取方法。
　　其次，针对城市峡谷环境中传统的GPS定位精度差甚至不能定位的问题，在借助3D建筑模型分析城市峡谷环境下GPS卫星可见性的基础上，实现了基于3D建筑模型的阴影匹配（Shadow Matching，SM）定位算法。通过模拟仿真数据和实测数据进行试验，实验结果表明：在城市峡谷环境下，SM定位算法能够实现过街方向高精度定位，但是沿街方向依旧存在不足，且定位不连续。
　　针对SM定位算法在沿街方向定位不足且定位不连续的问题，提出了基于扩展卡尔曼滤波（Extended Kalman Filtering，EKF）的GPS/SM组合定位算法。该算法在SM定位算法的基础上，引入GPS速度信息，通过EKF建立系统的观测和状态方程，将SM和GPS速度进行融合定位，并在实际场景中进行了试验验证分析。实测结果表明：该算法在沿街方向的平均绝对误差为1.18 m，比传统GPS的3.58m和SM的4.34m，分别降低了67.0％和72.8%，提高了沿街方向精度的同时，也保证了过街方向的高精度，使得定位结果连续、可靠。
　　最后，针对GPS系统在城市环境中受周围环境的干扰，载体机动性变化比较频繁，导致GPS动态滤波精度差的问题，提出了基于模糊逻辑的自适应强跟踪扩展卡尔曼滤波（Fuzzy Adaptive Strong Tracking Extended Kalman filter，FASTEKF）定位算法。该算法在分析强跟踪扩展卡尔曼滤波（Strong Track Extended Kalman Filter，STEKF）定位算法的基础上，利用模糊逻辑自适应控制器（Fuzzy Logic Adaptive Controller，FLAC）监测GPS系统输出的残差均值变化，并根据模糊规则动态调整弱化因子，从而自适应调整STEKF中次优渐消因子，来实现抑制载体突变影响。并对动态突变数据进行了仿真分析，实验结果表明： FASTEKF算法抑制载体突变效果明显，定位的稳定性和收敛速度优于STEKF、EKF算法。