论文部分内容阅读
在城市环境中，由于卫星信号受阻挡以及多径效应等原因，车载GPS的定位性能并不尽如人意。为此，论文所在课题组提出了一种基于RFID的车辆主动定位方法(RAVP, RFID based Active Vehicle Positioning)，其瞬时定位精度要远远高于普通GPS接收机获得的定位精度。但是，如果单纯采用RFID定位，其定位误差与RFID标签的间隔距离基本成正比关系，这就意味着要实现高精度的定位，需要进行高密度、大量标签部署，因而短期内实施RAVP方法有一定困难。为此，本文提出一种结合RFID和GPS的定位方法，将RAVP与GPS定位相结合，在提高GPS定位精度的同时，降低所需标签的数量。本文主要内容包括：1)将GPS定位所使用的扩展卡尔曼滤波算法(EKF)与最新RVAP相结合，使用RFID标签所提供的精确位置坐标修正EKF算法中的状态估计值。另外，该方法还可以在卫星数目少于4颗的情况下完成定位并抑制定位误差累积。2)进一步，根据RFID标签的精确定位特性，用车载GPS接收机与RFID标签共同实现了虚拟差分阵。该系统同普通的差分系统一样，可以估计出GPS测量的公共误差，并且还可以有效抑制普通差分GPS中非公共误差增大的弊端，同时，还可估计出观测噪声方差。仿真表明，将该方法与加权最小二乘法以及EKF结合都可以取得较好的定位效果。3)在通过2)获得观测噪声之后，本文提出利用获取的观测噪声配合Sage-Husa自适应滤波算法进行系统噪声的估计，从而使得卡尔曼滤波器运行在最佳状态，避免滤波发散。同时，针对Sage-Husa算法可能导致的系统噪声不满足半正定性的问题，讨论了一种可以保证Q矩阵半正定性的有偏估计方法，指出其估计值偏大，但实际应用中仍然有价值。另外北京航空航天大学的张常云提出了比例法Q估计，他认为通过这种方法可以迭代逼近真实的Q值。本文证明了该方法得出的估计值会偏小于真实值，并提出了一种指数法Q估计，从理论上证明该方法可以使估计值稳定在真实值上，并通过仿真表明，该估计方法具有很好的效果。