题目：车辆定位中信息融合的关键技术研究

智能交通系统对于改善当前日益严峻的交通问题起着非常重要的作用。智能交通系统提供的很多项服务功能都需要精确且可靠的车辆定位信息的支持。采用多传感器信息融合的理论和方法有效地综合多传感器信息，从整体上提高系统的精度和可靠性成为车辆定位技术的主要发展方向和研究热点。本论文的工作主要围绕车辆定位中的信息融合技术展开，针对车辆定位中信息融合常用的分层级联结构的特点，分层次地对信息融合中的关键技术进行了研究和总结。论文的主要内容包括如下几个部分：第一部分对于数据级融合中系统模型这一关键问题开展了较为深入的研究。对于系统模型的基本形式进行了分析比较，指出车辆运动跟踪模型更适用于目前相对低成本的车辆定位导航系统；说明了目前车辆运动跟踪模型常采用的局部地平坐标系存在的问题；推导建立了三种地球坐标系下基于不同加速度假设的车辆运动跟踪模型；采用不同情况下的实际跑车数据对所建立的三种形式的车辆运动跟踪模型进行了半实物仿真，对仿真结果进行了分析比较，指出Singer 模型是更适合一般的车辆定位应用的跟踪模型。第二部分对数据级融合中核心的滤波算法进行了研究。针对所建立的条件线性高斯形式的系统模型，对目前应用广泛的非线性滤波UKF算法进行了改进，得到了一种RBUKF算法，提高了算法的融合精度和计算效率；针对车辆定位中普遍采用的GPS/DR组合模式，设计了一种具有四种工作模式的联邦式RBUKF数据级滤波融合方案，利用实际跑车数据验证了该方案具有较好的具有较好的容错性且能保持较高的融合精度。第三部分对特征级融合中地图匹配算法以及其实际应用效果进行了总结。重点对本论文所采用的用于地图匹配的道路选择算法和匹配点确定方法进行了介绍；利用实际跑车数据进行的仿真结果说明了地图匹配算法通过将数据级融合结果与高精度地图信息融合，能从整体上将定位的精度水平提高至地图的精度水平；对地图匹配中无法避免的误匹配问题进行了分析介绍，指出由于误匹配问题的存在使得对于地图匹配的结果不能完全依赖。第四部分对车辆定位中目前研究工作开展相对较少的决策级融合算法进行了研究。对目前车辆定位中主要的决策级融合算法进行了介绍，指出了其中存在的不足；将一种结合了自适应网络和模糊推理系统优点的基于零阶Sugeno模糊模型的ANFIS结构应用于车辆定位的决策级信息融合中，用于解决常用的决策级方法中存在的人为设置融合参数导致鲁棒性较差的问题；利用实际跑车数据对所设计的用于决策级融合的ANFIS结构参数进行训练，分别采用训练后的ANFIS以及目前应用较多的确定规则方法和模糊推理方法对实际跑车试验数据进行了融合处理，仿真试验结果证明采用ANFIS进行融合的优越性。第五部分对实际车辆定位应用中信息融合算法的设计与开发进行研究。讨论了信息融合算法的设计开发流程，重点介绍了面向实际应用的算法总体设计及一些细节考虑，结合已取得的研究成果和项目经验对算法开发试验中所依赖的软件仿真试验环境和车载试验终端的设计进行了说明和讨论。