引言

随着城市现代化的不断发展，市区全球定位系统信号受到日益增多的高层建筑和立体式交通的影响，多路径效应和遮挡严重，无法保证稳定的定位精度和可靠性；航位推算系统采集车辆运动传感器信息进行独立连续的导航，但由于传感器和计算误差随时间不断累积，因此，只能保证短时间的定位精度。数字地图匹配是提高定位精度非常有效的手段，但只有在拐弯处才能提供与地图精度相当的修正信息，且当匹配前原始位置信息偏差较大时，MM很难匹配出正确的位置。因此，单一系统或简单的组合均难以胜任城市中车辆高精度的导航定位，即存在一定范围的导航“盲区”。

蓝牙技术是一种无线数据与语音通信的开放性全球规范，具有抗干扰、低功耗、点对多点连接、语音和数据混合传输等优点。将蓝牙技术应用于城市车辆导航，通过布置一定数量的蓝牙路标传感器进行车辆的精确定位，是本文实现城区无“盲区”高精度导航定位的关键。

传感器及定位信息的增加能够提高车辆导航的精度和观测信息的冗余度，如何有效融合多组传感器信息是决定最终性能的关键。本文分析了新型BB传感器定位原理和结构设计，研究了GPs／DR／BB／MM多信息融合原理及算法，最后，通过跑车结果分析，验证方案具有很高的定位精度和实用性。

1 BB传感器定位原理与设计

路标传感器是一种无线电信标（signpost），由发射和接收装置两部分组成，为达到定位的目的，必须使发射和接收信号在某一特定的范围之内有效。新兴的短距离无线蓝牙通讯技术的出现，为实现城市导航“盲区”车辆的精确定位提供了可能。利用BB传感器实现车辆的精确定位，是基于路标和车载单元中嵌入式主从蓝牙模块（Bluetoothmodule）间无线通讯进行的，具体定位原理如图1所示。

设BB有效作用范围为半径的圆，路标存储道路中心的精确的位置坐标为（‰，Y0）。当车驶至路标有效作用区域（A点）时，两模块间开始试图建立通讯，直至车行驶到曰点时通讯建立完毕，车辆完成精确的位置校正，即，=‰，Y=Y0。（，Y）为最终输出的车辆经纬度位置信息。

根据BB定位原理，本文实现的新型BB传感器及通讯结构如图2所示。

BB主要包括C8051F单片机和蓝牙主通讯模块（mas.termodule）两部分。C8051F单片机作为路标传感器的主控制芯片，硬件配置其两路UART串口资源中COM1口连接主蓝牙模块，并控制与车载单元中从蓝牙模块（slavemodule）之间的通讯链路建立和定位信息的通讯；COM2口扩展为上位机接口，用于接收PC上位机的路标位置参数设定信息。根据选用的蓝牙模块的不同，蓝牙主从模块间通讯距离也有所差异。本文选取有效通讯距离为10m的蓝牙模块，通过BB位置校正后，组合定位误差可确保在10m。

2 GPs／DR／MM／BB组合

导航原理引入BB后，新型城市车辆组合导航系统中包括了4个子系统，即GPS／航位推算／地图匹酉己／BB辅助定位系统。

为有效融合各子系统导航信息，下面研究了城市车辆GPS／DR／MM／BB四组合导航定位原理，组合原理框图如图3所示。

首先，DR系统采集车辆里程仪的脉冲信息n和陀螺仪角速率W，计算获得车辆的位置Z、速度和航向A。当城区GPS信号稳定有效时：输出精确的航向信息A：修正DR航向，并与DR导航信息进行最优滤波组合，估计出车～～辆的位置Z和速度V。GPS／DR组合信息进行数字地图匹配后，获得最终的位置Z、速度和航向A，同时，反馈位置和航向信息给DR系统校正累积误差。组合运算过程中，一旦接收到蓝牙路标传感器发送的精确位置信息，直接对GPS／DR的组合位置信息进行校正。

3 组合算法研究

从GPS／DR／MM／BB组合原理分析可知，GPS／DR最优组合是本文研究的多传感器信息融合算法的核心。目前，车辆导航系统中常用的GPS／DR组合包括加权平均、集中卡尔曼滤波和联合卡尔曼滤波3种方法。由于城市中GPS接收可靠性较低，定位精度差异很大，因此，采用简单的加权平均或者一般集中式卡尔曼滤波算法无法实现GPS与DR信息的最优组合，甚至会引入GPS的粗差，严重影响定位精度，下文主要研究了自适应联合卡尔曼滤波算法在城市高精度车辆导航系统中的应用。

3.1 联合卡尔曼滤波算法

在多传感器的组合导航系统中，如采用单滤波器来融合所有传感器信息，则任何一个传感器或子系统的故障都可能影响整个组合系统。Carlson于1987年提出了基于信息分配原则的联合滤波（federatedfilter）算法。对应于各个传感器构成若干个子系统，由子滤波器（1ocalfilter，LF）进行独立的并行处理。再利用一个主滤波器（masterfilter，MF）对各个子系统的信息进行融合。

子系统估计和全局估计之间的关系按以下融合算法确定：

主滤波器的信息通过信息分配因子分配到各子滤波器和主滤波器，即：

式中Q，（i=1，2?N）分别为系统组合和子滤波器i的噪声方差阵。

3.2 GPS／DR联合卡尔曼滤波器设计

限于城市的交通状况，车辆一般视为低动态运动载体，因此，可采用相对简单的匀速模型（constantvelocity，CV）作为车辆的动态模型，即对车辆用位置、速度以及噪声组成的参数来描述。

采用CV模型后，GPS／DR联合卡尔曼滤波器的状态变量选取为：

式中，Y，分别为车辆沿东向和北向的位置、速度分量。

车辆运动的系统方程建立如下：

对于DR航位推算子系统（LF1），取其系统状态变量X-=，系统方程同总体系统方程，其外观测量为压电晶体陀螺输出角速率和车辆里程仪输出的在采样周期时间内行驶的距离s，观测方程为：

4 综合试验

为进一步验证基于多传感器信息融合车辆导航定位性能，对原理样机在南京、广州、沈阳和香港等多个城市进行了大量的跑车试验，下面主要对香港的跑车试验结果进行分析。

试验采用GARMINGPS接收机，ENV-5型压电晶体陀螺仪，里程仪信号取自香港理工大学的Honda试验车，利用IBM笔记本进行GPS／DR／BB组合数据的采集和数字地图显示。路线从香港理工大学出发，沿红瑚一中区海底隧道一铜锣湾一湾仔一中环，最后至上环。图4反映了试验过程中GPS受到城市高层建筑及立交等影响，HDOP值剧烈变化情况，试验过程中，自适应调节GPS信息分配因子岛值大小。

试验中，香港岛湾仔段GPS接收状况较差，利用GPS／DR自适应联合卡尔曼滤波组合后定位结果如图5所示。分析表明：此段GPS几乎无法提供有效的定位，定位点发散严重，误差最高达151.7m。采用GPS／DR自适应联合卡尔曼滤波组合后，车辆定位精度得到显着提高，最大定位误差有效降低至l8.7m。

试验过程中，车辆经过全长约1.9km的九龙半岛一港岛中区海底隧道，DR误差不断累积，为验证GPS／DR／BB组合效果。在隧道出口处布置BB进行误差修正，表1为BB校正前后定位结果和误差分析。

试验结果表明：本文研究的新型BB传感器可精确校正系统定位误差，GPS／DR／BB组合定位能够有效弥补城市中车辆定位精度和可靠性的不足，确保车辆全程较高精度的导航定位，组合结果进一步经过MM后，可完全匹配到行驶道路中，从而提供更高的定位精度（E<10m）。

5 结语

本文研究了新型BB传感器及GPs／DR／MM／BB多信息融合技术，建立了基于自适应联合卡尔曼滤波的GPS／DR组合算法。实际跑车试验结果达到了理想的导航精度，验证了BB传感器定位和多传感器信息融合算法是可行的，能够有效地提高城市车辆导航定位的性能和可靠性，符合高精度导航定位要求。