基于新息探测的INS/GNSS/ODO车辆组合定位数据融合方法

摘要

[目的]为提高车辆组合定位系统的定位精度与系统内可靠性，提出一种基于新息探测准则的自适应无迹卡尔曼滤波联邦数据融合方法（innovation detection adaptive unscented Kalman filter-federated Kalman filter,IDAUKFFKF）。[方法]当传感器因故障或环境干扰产生含粗差及其他异常的观测数据时，该算法通过新息探测技术对观测信息进行检测，识别并剔除异常量测数据；同时，采用噪声估计器对局部滤波器子系统的量测噪声统计特性进行在线调整，以此约束局部估计误差对全局滤波结果的影响。[结果]所提多传感器数据融合方法能精准剔除异常观测数据并优化局部估计效果：相较于传统联邦卡尔曼滤波（federated Kalman filter,FKF）与无迹卡尔曼滤波（unscented Kalman filter,UKF）算法，该算法使系统位置均方根误差分别降低约44.15%和34.70%，显著提升了车辆组合定位系统的定位精度与抗干扰性能。[结论]所提多传感器数据融合方法可为复杂环境下车辆高精度定位提供可行的技术方案。

关键词

INS/GNSS/ODO车辆组合定位系统 / 数据融合 / 无迹卡尔曼滤波 / 新息探测 / 噪声估计器