[发明专利]基于MEMS惯性传感器和无线电广播信号的车载导航定位方法

说明书

本发明公开了一种基于MEMS惯性传感器和无线电广播信号的车载导航定位方法，解决了丢星情况下MEMS惯导解算误差迅速累积的问题。与现有使用惯导传感器输出信息预测定位误差方法相比，无线电广播信号的衰减随距离变化呈现函数关系，解决了MEMS惯导误差特性随时间改变导致预测结果不准确的问题。本发明使用无线电广播信号，由无线电发射塔发射信号，手机接收，不需要布设其它外辐射源和传感器，降低对硬件平台的要求，以及对基础建设的要求。本发明通过在线建模和使用模型预测，无需事先采集大量的无线电信号进行指纹库的构建以及地图的约束，可以进行实时定位，可用性强。

技术领域

本发明涉及车载导航定位技术领域，具体涉及一种基于MEMS惯性传感器和无线电广播信号的车载导航定位方法。

背景技术

如今随着车辆的普及与发展，人们对车辆定位服务的要求也不断提升。全球卫星导航系统(Global Navigation Satellite System，GNSS)如GPS、北斗等已经能够提供全天候的实时、连续、精确定位的系统。但是当车辆行驶在隧道、峡谷等遮挡严重的地方以及城市街道等复杂的环境下时，GNSS信号受到阻碍，信号功率受到严重衰减，导致普通GNSS接收机无法正常捕获跟踪定位。故采用组合导航技术，将GNSS定位精度的长期稳定性与INS定位精度的短期精确性相结合，相互取长补短构成组合导航系统。但是对于低成本MEMS惯导而言，当卫导信号长时间不可用时，低成本惯性器件漂移大，随时间累积的误差会对系统的定位精度造成极大影响。

现有研究引入机器学习的方法，在GNSS信号仍可见的情况下，根据MEMS惯性器件输出对惯导定位的误差进行建模并训练，在GNSS处于丢星状态时，对MEMS-INS单独解算的导航定位误差进行预测并补偿，从而提升系统的定位精度。MEMS-INS作为一个复杂的系统，误差来源多种多样，包括元件误差、安装误差、初始值误差、原理及方法误差、干扰误差、外信息误差等，并随着载体的运动状态和惯导工作时间，其误差特性还会改变，因此预测的准确率容易受到惯导误差特性变化的影响，预测方法不稳定性。

现有的基于无线电广播——调频广播(Frequency Modulation，FM)信号和调幅广播(Amplitude Modulation，AM)信号的定位方法主要是指纹定位法，该方法通过在指定区域预先采集指定参考点的功率(Received Signal Strength Indication，RSSI)信息，结合参考点的坐标构建出区域的指纹数据库进行训练；然后，采集当前位置的无线电广播信号的RSSI指纹信息与数据库进行模式匹配，推算出当前的位置坐标。但是现有这种方案需要预先进行大量的测量，且信号的RSSI信息随时间变化，定位精度低，实用性差。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于MEMS传感器和无线电广播信号的车载导航定位方法，通过无线电广播信号特征和传感器特征与智能预测算法在GNSS可用情况下建立模型，在GNSS丢星情况下通过模型预测位置信息，辅助MEMS惯导定位的机制，能够有效地解决现有基于无线电广播信号指纹定位预先采集指纹库工作量大的问题和现有智能预测方法使用MEMS惯性器件误差作为特征值，而误差特性变化不稳定，导致预测定位不准确等问题；且无需大量采集信号建立指纹库，无线电信号特征变化稳定预测结果准确率高。

本发明采用的技术方案为：一种基于MEMS惯性传感器和无线电广播信号的车载导航定位方法，无线电广播信号为FM调频广播信号和AM调幅广播信号，其特征在于：通过MEMS惯导捷联解算和无线电广播信号位置预测定位方法的融合，实现车辆在卫导不可用情况下的定位，具体包括以下步骤：

步骤一：基于车辆行驶地区的AM和FM无线电发射塔的分布及不同广播信号发射塔的多个频道信号源，选择接收信号强度高于设定阈值的频道，计算接收信号强度变化与车辆行驶位移变化的相关性，选择相关系数最高的频道，完成无线电广播信号频道选择，对MEMS惯性传感器进行小波降噪、中值滤波和均值滤波混合降噪；