一种车载BD定位防漂移滤波方法与流程

一种车载bd定位防漂移滤波方法
技术领域
1.本发明属于油罐车的电子围栏技术领域，尤其涉及一种车载bd定位防漂移滤波方法。


背景技术：

2.北斗(bd)卫星定位系统的基本原理是根据高速运动的卫星瞬间位置作为已知的起算数据，采用空间距离后方交会的方法，确定待测点的位置，从bd使用原理可以知道，bd接收机并不发射信号，它仅仅接收卫星发射数据进行运算后解决定位问题。
3.但是如果在城市高楼区中，常常面临的是搜星的数目量少，实际使用过程中，一般情况四颗星基本可以初步定位，由此可确定横向坐标、纵向坐标及高度，有一颗卫星被高楼阻挡，bd信号接收不到，此时经过高楼反射回来的信号出现在bd接收机中，根据运算公式，可以得到油罐车的位置在红三角的位置，当然这个位置是存在误差的，在城市高楼区，尤其在bd结合搜集卫星信号受到遮挡的情况下，在加油站、油库等地方容易产生多路径效应，严重影响油罐车的正常定位和电子铅封监控系统的正常工作。


技术实现要素：

4.针对上述情况，为克服现有技术之缺陷，本发明提供一种车载bd定位防漂移滤波方法，能够有效的降低油罐车车载bd定位系统的静止位置漂移，满足在电子围栏半径为1km的定位需求。
5.其技术方案是，包括以下步骤；
6.s1，对油罐车的测量速度进行速度约束；
7.s2，在步骤1的基础上，采用1阶ar自回归模型进行历史数据平滑滤波。
8.进一步的，所述步骤s1对油罐车的测量速度进行速度约束的步骤为；
9.步骤1，监控每个时刻得到的bd数据；
10.步骤2，判断此时刻的位置与上一时刻的位置相差是否大于1000米；
11.步骤3，大于1000米，判定为粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值；
12.小于1000米且速度不为0时，输出此时刻的位置。
13.步骤4，当检测到速度为0时，此时便不再更新位置数据，利用最后一次更新的位置作为静止后的位置。
14.进一步的，所述步骤s2采用自回归模型进行历史数据平滑滤波的步骤为；
15.步骤1，利用dixon准则进行多个粗大误差剔除；
16.步骤2，在步骤1的基础上，采用1阶ar自回归模型进行历史数据平滑滤波，1阶ar自回归模型公式如下：
17.u(t
k
)＝ρ
k，k
‑1u(t
k
‑1) ξ
k
，其中，ρ
k，k
‑1是相关系数矩阵，u(t
k
)为k
‑
1点的观测误差向量，ζ
k
是高斯白噪声向量，协方差矩阵为
18.本发明的有益效果：监控每个时刻得到的bd数据，如果出现此时刻的位置与上一时刻的位置相差大于1000米，则认为是粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值，小于1000米且速度不为0时，输出此时刻的位置，当检测到速度为0时，此时便不再更新位置数据，利用最后一次更新的位置作为静止后的位置，对油罐车的测量速度进行速度约束；
19.有时速度的测量也会出现偏差，在进行速度约束的同时，也要进行历史数据平滑，采用1阶ar自回归模型进行历史数据平滑滤波，首先利用dixon准则进行多个粗大误差剔除，其次采用1阶ar自回归框架对信号进行滤波，能够有效的降低油罐车车载bd定位系统的静止位置漂移，满足在电子围栏半径为1km的定位需求。
附图说明
20.图1是本发明电路总体流程图。
21.图2是本发明静态测试结果图。
22.图3是本发明误差曲线图。
具体实施方式
23.以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。
24.以下结合说明书附图1至图3，对本发明的具体实施方式做进一步详细说明。
25.一种车载bd定位防漂移滤波方法，包括以下步骤；
26.s1，对油罐车的测量速度进行速度约束，由于gps的速度测量是利用多普勒效应进行测量的(具体原理不过多介绍)，与位置测量不相关，并且油罐车的车速不高，一般在30km/h左右，因此可以利用速度值来约束油罐车的静态漂移，一旦测量到其速度在2km/h以内时，开始启动约束机制，即监控每个时刻得到的bd数据，如果出现此时刻的位置与上一时刻的位置相差大于1000米(油罐车电子围栏的半径)，则认为是粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值，大于1000米，判定为粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值，小于1000米且速度不为0时，输出此时刻的位置，当检测到速度为0时，此时便不再更新位置数据，利用最后一次更新的位置作为静止后的位置；
27.s2，在步骤1的基础上，采用1阶ar自回归模型进行历史数据平滑滤波，有时速度的测量也会出现偏差，在进行速度约束的同时，也要进行历史数据平滑，由于油罐车车速不高，并且实际情况下其轨迹一定是平滑的，由于bd模块的数据输出频率是1hz，而油罐车智能电子铅封监控系统的车载中控是每5s向服务器上报一次信息，可以利用间隔一次上报之间的9次bd数据作为样本进行历史数据平滑，首先利用dixon准则进行多个粗大误差剔除，其次利用1阶ar模型进行单步预测当前坐标，从图2静态测试结果图中，(1)表示gps测量坐标，(2)表示滤波后的效果，(3)为地图坐标，图3误差曲线图中显示，(1)表示gps测量数据误差曲线，(2)表示滤波后的误差曲线，可以看到有效抑制了噪声(从最大误差35米降低到了不到10米)，能够有效的降低油罐车车载bd定位系统的静止位置漂移，满足在电子围栏半径为1km的定位需求。
28.实施例二，在实施例一的基础上，所述步骤s1对油罐车的测量速度进行速度约束的步骤为；
29.步骤1，监控每个时刻得到的bd数据；
30.步骤2，判断此时刻的位置与上一时刻的位置相差是否大于1000米；
31.步骤3，大于1000米，判定为粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值；
32.小于1000米且速度不为0时，输出此时刻的位置。
33.步骤4，当检测到速度为0时，此时便不再更新位置数据，利用最后一次更新的位置作为静止后的位置。
34.实施例三，在实施例一的基础上，所述步骤s2采用1阶ar自回归模型进行历史数据平滑滤波的步骤为；
35.步骤1，利用dixon准则进行多个粗大误差剔除；
36.步骤2，在步骤1的基础上，采用1阶ar自回归模型进行历史数据平滑滤波，在bd动态定位中，由于观测方程为非线性方程，普遍地应用各种非线性滤波算法，如ekf、ukf和ckf滤波，但由于各种原因gps的观测噪声往往不符合高斯白噪声的假设，因此对于非高斯有色噪声的处理显得更加重要，采用1阶ar自回归框架对信号进行滤波，自回归模型(autoregressive model)是用自身做回归变量的过程，即利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型，它是时间序列中的一种常见形式，简单地说就是预测第n 1个时间序列时，使用前n个时间序列，ar模型则假设第n 1个时间序列与前n个时间序列存在着线性关系，1阶ar自回归模型公式如下：
37.u(t
k
)＝ρ
k，k
‑1u(t
k
‑1) ξ
k
，其中，ρ
k，k
‑1是相关系数矩阵，u(t
k
)为k
‑
1点的观测误差向量，ξ
k
是高斯白噪声向量，协方差矩阵为以此通过速度约束、1阶ar自回归框架对信号进行滤波，能够有效的降低油罐车车载bd定位系统的静止位置漂移，满足在电子围栏半径为1km的定位需求。
38.本发明具体使用时，首先，对油罐车的测量速度进行速度约束，利用速度值来约束油罐车的静态漂移，一旦测量到其速度在2km/h以内时，开始启动约束机制，即监控每个时刻得到的bd数据，如果出现此时刻的位置与上一时刻的位置相差大于1000米，则认为是粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值，大于1000米，判定为粗大误差数据，利用速度、航向和上一时刻的位置信息推算这一时刻的位置作为此时刻的真值，当检测到速度为0时，此时便不再更新位置数据，利用最后一次更新的位置作为静止后的位置；其次，采用1阶ar自回归模型进行历史数据平滑滤波，有时速度的测量也会出现偏差，在进行速度约束的同时，也要进行历史数据平滑，首先利用dixon准则进行多个粗大误差剔除，其次利用1阶ar模型进行单步预测当前坐标，具体的采用1阶ar自回归框架对信号进行滤波，1阶ar自回归模型公式如下：
39.u(t
k
)＝ρ
k，k
‑1u(t
k
‑1) ξ
k
，其中，ρ
k，k
‑1是相关系数矩阵，u(t
k
)为k
‑
1点的观测误差向量，ξ
k
是高斯白噪声向量，协方差矩阵为以此通过速度约束、1阶ar自回归框架对信号进行滤波，能够有效的降低油罐车车载bd定位系统的静止位置漂移，满足在电子围栏半径为1km的定位需求。