城市峽谷中粒子濾波融合定位技術(shù)研究.pdf

1、隨著移動互聯(lián)網(wǎng)的發(fā)展和智能終端的普及，人們對基于位置服務（Location Based Service，LBS）的需求正與日俱增，而精確的位置信息是實現(xiàn)LBS的關(guān)鍵。然而，在最廣泛應用場景之一的城市峽谷中，由于其高樓林立、高樓間距短使得全球衛(wèi)星導航系統(tǒng)(Global Navigation Satellite System，GNSS)接收機接收的信號受建筑物阻擋、反射、衍射及可見衛(wèi)星條狀分布等影響，導致其定位誤差偏大甚至不能定位。針對上述

2、問題，本文對城市峽谷中的定位技術(shù)展開研究，主要工作如下：
　　基于高分值加權(quán)的改進SM定位算法研究。在介紹陰影匹配（Shadow Matching，SM）定位算法原理的基礎(chǔ)上，使用RTK（Real-Time Kinematic）和全站儀測量技術(shù)構(gòu)建了該算法所需的3D建筑模型；結(jié)合衛(wèi)星星歷計算衛(wèi)星位置預測衛(wèi)星可見性；最終與衛(wèi)星信噪比（Signal-to-Noise Ratio，SNR）觀測衛(wèi)星可見性進行模板匹配打分實現(xiàn)了SM算法。通

3、過分析SM在真實環(huán)境中存在的衛(wèi)星SNR觀測可見性誤差，在最高分值候選位置的基礎(chǔ)上引入次高分值候選位置加權(quán)計算最終定位結(jié)果，提出了基于高分值加權(quán)的改進SM定位算法。城市峽谷中的靜態(tài)實驗結(jié)果表明：該算法在沿街和過街方向平均定位誤差為2.07m和0.88m，相對于傳統(tǒng)SM的2.95m和2.64m，分別降低了30%和66.7%。證實了SM定位算法的有效性和基于高分值加權(quán)的改進SM算法的優(yōu)越性。
　　基于粒子濾波的改進SM/GPS融合定位算

4、法。介紹了卡爾曼濾波（Kalman Filter，KF）、擴展卡爾曼濾波（Extended Kalman Filter，EKF）、無跡卡爾曼濾波（Unscented Kalman Filter，UKF）和粒子濾波（Particle Filter，PF）算法的基本原理和計算步驟。使用PF建立了改進SM定位算法模型，并詳細闡述了其具體計算步驟，但算法改善效果不明顯。通過引入GPS速度信息，使用PF建立了改進SM/GPS融合定位算法模型，城市

5、峽谷中的動態(tài)實驗結(jié)果表明：該算法在沿街方向定位誤差均值為3.57m，相對于改進SM算法、EKF-改進SM/GPS算法和UKF-改進SM/GPS算法的5.62m、4.64m和3.74m，分別降低了36.5%、23.1%和4.5%，過街方向各種定位算法的誤差相近。
　　基于粒子濾波的INS/磁力計融合定位算法研究。介紹了小米2S智能終端內(nèi)置傳感器，在分析城市峽谷場景中GPS定位誤差的基礎(chǔ)上，在智能終端上實現(xiàn)了基于粒子濾波融合INS輸出