基于非线性滤波的列车组合定位信息融合算法研究

摘要

获取列车精确位置是实施列车运行控制、保证列车运行安全、缩短运行时间、提升运输效率的前提与保障。近年来，基于全球导航卫星系统/航位推算(GlobalNavigation Satellite System/Dead Reckoning，GNSS/DR)的组合定位方法得到了长足发展，引入GNSS/DR组合定位系统作为现有列车定位系统的补充十分必要。GNSS/DR列车组合定位系统的核心是信息融合算法，根据列车运行线路可能面临的山地峡谷等复杂环境，寻求一种性能更优且更满足铁路定位需求的非线性信息融合滤波算法，可以有效提升所获取列车位置的精确性与可靠性。
　　论文根据列车运行环境特征和列车动力学特性，建立了GNSS/DR组合定位系统信息融合模型，设计了分布式GNSS/DR信息融合估计算法，从卫星定位过程本身、GNSS/DR组合定位两个层级实现了定位算法的优化和信息的有效融合。
　　论文完成的主要研究共工作包括：
　　(1)根据列车运行加减速平缓、转弯半径较大、爬坡和下降过程平稳等运动学特性，选用“当前统计”动力学模型，同时考虑GNSS、航位推算系统传感器的观测特性，完成了列车状态转移模型和观测模型的构建。
　　(2)基于贝叶斯估计框架分析、比较了扩展卡尔曼滤波、标准粒子滤波、扩展卡尔曼粒子滤波等非线性信息融合估计算法，基于粒子滤波和列车运行轨迹的受限约束条件，提出了一种结合轨道约束的改进型粒子滤波融合估计方法。
　　(3)针对复杂列车运行环境下卫星定位可能因多径效应导致观测误差统计特性存在不确定性，建立了卫星定位接收机原始观测误差模型，采用Dirichlet过程混合模型这一贝叶斯非参数模型策略，用于卫星定位接收机的非线性滤波计算，实现对列车位置及运行状态的准确估计。
　　论文为验证所提出的非线性估计方法的性能，搭建了实验平台，结合青藏铁路现场实验以及仿真实验结果，与其他非线性滤波估计方法进行了比较，用于对本文所提出方法的可行性及性能分析，结果表明，论文提出的列车组合定位非线性信息融合估计方法能够在复杂不确定运行环境下取得期望的性能水平，能够满足列车运行控制等应用对定位的具体需求。

目录

声明

致谢

摘要

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 列车组合定位应用现状

1．2．2 非线性滤波理论研究现状

1．3 论文主要研究内容与结构安排

2 GNSS／DR组合定位系统

2．1 列车定位系统

2．2 列车定位传感器原理概述

2．2．1 GNSS卫星接收机原理

2．2．2 DR系统原理

2．3 GNSS／DR组合定位

2．3．1 列车组合定位集中式融合与分布式融合

2．3．2 GNSS／DR组合定位“当前”统计模型

2．3．3 GNSS／DR系统状态模型

2．3．4 GNSS／DR系统观测模型

2．3．5 组合定位信息融合过程

2．4 本章小结

3 粒子滤波方法

3．1 贝叶斯估计

3．1．1 贝叶斯定理

3．1．2 贝叶斯估计理论

3．2 蒙特卡洛方法

3．2．1 蒙特卡洛积分

3．2．2 序贯重要性采样

3．2．3 重采样技术

3．3 粒子滤波

3．3．1 标准粒子滤波

3．3．2 标准粒子滤波的局限性

3．3．3 采用高斯分布作为建议分布的粒子滤波

3．3．4 粒子滤波总结

3．4 本章小结

4 列车组合定位非线性滤波算法

4．1 改进粒子滤波列车组合定位算法设计方案

4．2 基于Dirichlet过程混合模型的底层滤波器设计

4．2．1 Dirichlet过程

4．2．2 Dirichlet过程混合模型

4．2．3 Dirichlet过程混合的Gibbs采样

4．2．4 基于Dirichlet过程混合模型的GNSS定位解算

4．3 基于轨道约束的顶层融合估计算法设计

4．4 列车GNSS／DR组合定位算法总结

4．5 本章小结

5 实验验证与仿真分析

5．1 实验平台介绍

5．1．1 参考系统

5．1．2 实验系统

5．1．3 实验平台介绍

5．2 仿真实验验证

5．2．1 仿真实验数据准备

5．2．2 底层滤波估计算法验证

5．2．3 顶层融合估计算法验证

5．3 现场实验验证

5．3．1 现场实验背景

5．3．2 现场实验结果分析

5．4 本章小结

6．1 全文总结

6．2 研究展望

参考文献

表索引

图索引

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集