多傳感器融合定位在高速鐵路的應用1

　　遇到“城市峽谷“等障礙區時，GPS信號會消失或減弱，這時采用DR信息作為主信息。GPS失效前一點位置正好可以作為DR的初始位置，有了初始位置以后，利用里程儀和陀螺儀就可以對下一時刻列車的位置做出估計。

　　列車進入車站后，由于股道線間距很小，GPS和DR的定位精度已經不能很好的表現出股道的差異，因此采用查詢應答器來獲得列車在站內的定位信息。此時查詢應答器信息作為主信息，而GPS信息和DR信息作為校驗信息。

　　2．2 數據融合方法

　　該方案最核心的問題就是系統基于數據融合的定位算法的設計。在列車測速定位領域應用的數據融合方法有判斷檢測理論、估計理論、數據關聯等，而應用最廣泛的就是估計理論中的卡爾曼濾波方法。與其他估計算法相比，卡爾曼濾波具有顯著的優點：采用狀態空間法在時域內設計濾波器，用狀態方程就可以描述任何復雜多維信號的動力學特性，避開了在頻域內對信號功譜做分解帶來的麻煩，濾波器的設計簡單易行，采用遞推算法。所以卡爾曼濾波能適用于任何平穩或非平穩隨機向量過程的估計，所得估計在線性估計中精度最佳。目前已經開發的濾波算法包括線性卡爾曼濾波，擴展卡爾曼濾波以及聯邦卡爾曼濾波。該方案采用聯邦卡爾曼濾波進行數據融合。

　　2．2．1 數據融合的聯合卡爾曼濾波模型

　　此濾波算法中，取βm=0，即主濾波器沒有信息輸入，進一步優化系統，減少了運算量。