互联车辆的协作定位:使用稳健的卡尔文卡尔曼滤波器将GNSS与DSRC集成

对于许多先进的智能运输系统(ITS)应用而言,互联车辆的协作定位至关重要。 使用专用短距离通信(DSRC)的车对车通信具有巨大潜力,可以增强全球导航卫星系统(GNSS)的协作定位能力。 在DSRC和GNSS的集成中,对未知和时变观测条件的容忍度是满足几种特定ITS应用程序要求的关键因素。 在用于协作定位的GNSS / DSRC集成架构下,本文提出了一种新型的鲁棒库曼卡尔曼滤波器(CKF),以提高在不确定的传感器观测环境下数据融合的性能。 在提出的解决方案中,使用Huber M估计技术增强了标准CKF的结构,其中考虑了状态估计中可能出现的异常,对CKF中的原始测量更新进行了修改。 此外,基于对约束因素的调整效果的研究,针对该参数引入了一种自适应策略,以全面优化性能。 使用特定的仿真系统对提出的方法进行了验证。 实验和仿真结果表明,在未知工作条件下,该滤波器能够提高原始滤波器的鲁棒性和自适应性能。