摘  要： 為了滿足VANET（Vehicular Ad-hoc Network）中對(duì)車(chē)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(chē)輛安全行駛以及車(chē)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(chē)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(chē)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(chē)輛相對(duì)定位。

1 車(chē)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(chē)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(chē)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(chē)輛之間能夠進(jìn)行車(chē)與車(chē)（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(chē)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(chē)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(chē)輛k和車(chē)輛l到衛(wèi)星i的幾何距離之差。由于衛(wèi)星與車(chē)輛之間的距離遠(yuǎn)遠(yuǎn)大于車(chē)輛之間的距離，因此可以將車(chē)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(chē)輛k指向衛(wèi)星i的單位方向向量，rkl=rl-rk，表示為兩車(chē)輛之間的相對(duì)位置向量，ri、rk、rl分別是衛(wèi)星i、車(chē)輛k、l的位置矢量。

　　對(duì)車(chē)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(chē)輛自身的偽距以及V2V通信從鄰近的車(chē)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(chē)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(chē)輛間基于載波頻移的相對(duì)速度的測(cè)量

　　在t時(shí)刻，車(chē)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(chē)輛k與車(chē)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(chē)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(chē)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(chē)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(chē)輛間基于INS的相對(duì)加速度的測(cè)量

　　車(chē)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(chē)輛k、l的加速度矢量。兩車(chē)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(chē)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(chē)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(chē)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(chē)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(chē)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(chē)輛僅沿X軸方向行駛，車(chē)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(chē)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(chē)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(chē)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(chē)輛i相對(duì)定位最佳為：。當(dāng)車(chē)輛（即是目標(biāo)車(chē)輛）為1時(shí)，。在此假設(shè)參與協(xié)作的車(chē)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(chē)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(chē)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(chē)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.