无整数歧义解决的鲁棒位置估计：基于鲁亚-布尔谢林化 particle filter 的城市环境定位
机器人学
2025-06-16 v1
摘要
本研究提出一种无需在全球导航卫星系统（GNSS）载波测量中进行整数歧义解决即可实现厘米级定位的方法，利用鲁亚-布尔谢林化 particle filter（RBPF）。传统采用particle filter（PF）的定位方法通过计算基于particle位置残差的载波测量似然度来消除歧义解决的必要性。然而，该方法在由非视线（NLOS）多径误差特征的城市环境中面临挑战。 在此类场景下，PF跟踪可能因速度估计精度下降而失败，从而复杂化后续的位置估计。为解决此问题，我们将鲁亚-布尔谢林化应用于传统PF框架，将位置和速度视为独立状态，并采用卡尔曼滤波器进行速度估计。该方法提高了速度估计精度，从而提高了位置估计的精度。此外，所提方法在速度估计步骤中基于每个particle位置的 pseudorange 残差对NLOS多径信号进行鲁棒性抑制。这一过程不仅提高了速度精度，还通过允许particles过渡到具有不同速度的唯一状态来保持particle多样性。因此，particles更可能集中在真实位置，从而实现更精确的位置估计。城市环境中的车载实验表明，所提方法在实现更高定位精度方面优于传统PF基于和传统GNSS定位方法。
引用
@article{arxiv.2506.03537,
title = {Robust Position Estimation by Rao-Blackwellized Particle Filter without Integer Ambiguity Resolution in Urban Environments},
author = {Daiki Niimi and An Fujino and Taro Suzuki and Junichi Meguro},
journal= {arXiv preprint arXiv:2506.03537},
year = {2025}
}
备注
Accepted to the 2025 IEEE/ION Position, Location and Navigation Symposium (PLANS)