使用改进的自适应卡尔曼滤波器的车辆定位算法

（Improved vehicle positioning algorithm using enhanced innovation-based adaptive Kalman filter）

精确定位是使创新应用能够在各个领域正确执行其任务的关键因素，这些领域包括：智能交通系统（ITS）和智能汽车。车辆定位精度在很大程度上取决于定位技术的优劣和周围的测量条件。可用于提高车辆定位精度的技术有很多，可是这些定位技术仅仅在受控环境中实现了高精度，在真实环境中由于受到动态测量噪声的影响，测量精度降低。

本文的目的是提出一种在动态和不稳定测量条件下提高定位信息的准确性和完整性的算法。此定位算法是基于自适应卡尔曼滤波器（IAE_KF），并将定位测量与车辆运动信息相结合的定位算法。使用这种方法定位精度和定位信息的完整性方面都得到明显的改善，可以满足车辆对定位精度的要求。与其他自适应卡尔曼滤波不同，本文采用Yule_Walker方法来估计测量噪声的协方差，然后将其反馈到估计过程中，而不是随机调整理论噪声协方差。同时提出一种在线误差估计模型，用于估计本文所提出的算法的不确定性。通过全面的仿真研究，证明了所提算法的有效性。结果表明，算法在提高定位信息的准确性和完整性方面比现有的解决方案更有效，可以满足现有车辆的定位需求。