沈开淦, 侯志宽, 陈依玲, 陈帅, 向峥嵘
在GNSS信号拒止的复杂室内环境中,超宽带(Ultra Wideband,UWB)技术以其高精度和高稳定性等优势备受关注。针对室内复杂环境下无人车的定位问题,以惯性导航系统(Inertial Navigation System,INS)和UWB为基础,提出了基于自适应矢量分配联邦卡尔曼滤波(Adaptive Federated Kalman Filter Algorithm for Line-of-sight Reconstruction,Re-Los-AFKF)的INS/UWB/高度计/磁罗盘组合导航算法。算法建立了各子滤波器的数学模型,使用了基于矢量的自适应信息分配因子算法。设计了INS/UWB紧组合子滤波器,利用INS短时精度高的特点预测无人车的位置参数实现了UWB测距信息中的非视距(Non Line-of-sight,NLOS)误差检测,使用相邻时刻的数据对NLOS信息进行视距重构,并对重构后的距离信息进行过补偿识别和过补偿矫正。实验结果表明,在视距(Line-of-sight,LOS)环境中,Re-Los-AFKF的定位精度与基于双边双向测距(High Double Sided Two-way Ranging,HDS-TWR)的三边定位算法和基于平滑处理的联邦卡尔曼滤波(Movmean-federated Kalamn Filter,MFKF)算法的定位精度相当。在复杂的NLOS环境中,相较于HDS-TWR和MFKF,Re-Los-AFKF在水平位置上的误差均值分别减小了46.24%和29.35%,在水平位置上的误差RMS分别减小了41.40%和29.18%。研究表明,该算法不仅在LOS环境中能够进行稳定定位,在NLOS环境中也具有良好的定位性能,具有一定的适应性、鲁棒性和工程应用性。