利用 Rao-Blackwellized 粒子滤波提高连接车辆网络中的定位精度：理论、仿真与实验
系统与控制
2017-03-28 v2
摘要
自动驾驶车辆技术的一项关键功能是精确定位。由于多径误差和大气偏差等因素，低成本全球导航卫星系统 (GNSS) 接收机不易获得车道级精度。诸如差分 GNSS 等方法可提高定位精度，但通常需要对昂贵基准站的投资。连接车辆技术提供了一种提高定位精度的替代方法。本文将表明，通过把一组连接车辆的位置匹配到数字地图，可利用这些车辆的粗略 GNSS 测量值来增强定位精度。采用 Rao-Blackwellized 粒子滤波 (RBPF) 联合估计伪距的公共偏差与车辆位置。由多径偏差引入的接收机特定（非公共）误差，通过多假设检测-拒绝方法得以缓解。估计的时间相关性通过预测-更新过程加以利用。所提方法使用仿真与实验结果同现有方法进行比较。研究发现，所提算法能够消除公共偏差，并在开阔天空条件下将定位误差降低至 1 米以下。
引用
@article{arxiv.1702.05792,
title = {Improving Localization Accuracy in Connected Vehicle Networks Using Rao-Blackwellized Particle Filters: Theory, Simulations, and Experiments},
author = {Macheng Shen and Ding Zhao and Jing Sun and Huei Peng},
journal= {arXiv preprint arXiv:1702.05792},
year = {2017}
}
备注
11 pages, 14 figures. arXiv admin note: text overlap with arXiv:1606.03736