多源数据融合导航定位+飞机多源数据融合导航定位+室内多源数据融合定位+车载多源数据融合定位

针对多源数据融合定位的数据的种类及数据融合处理方法进行了整理，整理了几篇文章的主要摘要部分，供大家参考，能了解到多源数据融合具体应用在了那些方面，每一方面进行数据融合定位用到的方法，包括车载定位、航空器/飞机定位、室内定位。

 

1. 综述

遥测遥控期刊论文《多源融合导航技术综述》哈尔滨工业大学，博士生导师  2016

 

随着定位与导航技术的快速发展，基于位置的服务给人们带来越来越好的用户体验。但是单一的导航源往往达不到用户的精度要求，同时也不具备足够好的鲁棒性和可靠性。多源融合导航基于信息融合技术，将来自不同导航源的同构或者异构的导航信息按照相应的融合算法进行融合，从而得到最佳的融合结果。相对于传统的单一导航源，多源融合导航可以充分利用每一个导航源的优势，从而提供最好的定位与导航服务。对多源信息融合以及多源融合导航技术进行分析和概述，同时阐述常用的多源融合算法及多源融合导航的性能评估。

现有的导航系统种类多样，例如卫星导航、惯性导航、光/声学导航、重力/磁力导航以及典型室内定位方法等等。

1) 卫星导航系统由导航卫星、地面台站以及用户定位设备组成。

定位方法：多普勒测速、时间测距。

多普勒测速是用户测量实际接收到的信号频率与卫星发射的频率之间的多普勒频移，并根据卫星的轨道参数算出用户的位置。

时间测距则是通过测量卫星信号的传播时间，继而通过特定方程式的数学模型计算，得出用户位置信息。

2)惯性导航技术是通过陀螺和加速度计测量目标的角速率和加速度，然后通过积分运算计算出目标的位置信息以及速度信息。在 x 轴和 y 轴方向上分别对分项加速度求积分，从而得到速度信息。然后在已知初始速度的情况下再次求积分，得到测量目标的位置坐标(x,y)。

3）光/声学导航

光学导航主要为可见光通信定位，可见光通信定位将配备信号控制装置的 LED 灯发光的明暗变化作为 ID 信号发送，接收到 ID 信号的便携终端将其转换成位置信息。该技术的定位精度约为 1m。

声学导航系统主要应用于水下潜艇的定位。与其他导航系统相比，声学导航具有以下优点：既可以用于水面，也可以用于水下导航；能够实时准确地测量载体的速度、艏向等信息。

4）重力/磁力导航

重力导航是在重力测量、重力异常及垂线偏差的测量和补偿的基础上发展起来的。磁力导航则是根据地球上不同位置的地磁场各不相同，首先采用地磁传感器测量地磁矢量数据库，然后在线定位时根据匹配算法，将实时测量的地磁场与地磁矢量数据库进行比对，从而获取当前用户位置信息。

5）典型室内定位方法得益于卫星导航系统的存在，室外定位很大程度上满足了人们对定位导航服务的要求。但是由于室内环境中可见星的遮挡问题，卫星导航无法使用。目前室内定位方法主要包括无线传感器网络定位、超宽带定位、蓝牙定位、WLAN 定位等等。其中 WLAN 定位具有定位成本低、实现方便的特点，被认为是最具有前景的定位手段。WLAN 室内定位主要有基于匹配算法的指纹定位和基于接收信号强度RSS（Received  Signal  Strength）测距的无线定位。

3   多源融合算法

在多源融合导航系统中，多源融合算法是充分利用导航源实现融合定位的关键步骤。下面就几种典型的融合算法进行介绍。

1）加权融合算法

加权算法是一种最简单直观的融合算法。在加权融合算法中，将多个融合源提供的位置信息分别冠以相应的权重，从而获取最后的融合结果，优点：加权融合具有算法简单、实现方便的特点，缺点：但是当权重因子选取不当的时候，并不能获得较佳的融合结果。

 

2）基于贝叶斯估计的滤波融合算法

贝叶斯统计理论相对于经典统计理论的主要优势是，其对先验知识进行了充分的利用，将每一次检验过程动态地认为是对先验知识的不断修正过程。优点：贝叶斯估计方式充分利用先验信息，系统预测准确，缺点：但是它需要明确地了解量测的先验模型，而在实际应用中较难取得所有传感器的先验信息。

作为贝叶斯滤波的一个特例，卡尔曼滤波就是在线性滤波的前提下，以最小均方误差为最佳准则采用最小均方误差作为最佳准则是因为在这种准则下的理论比较简单。

对于非线性系统来说，贝叶斯滤波中的状态后验概率密度函数将难以求解。为此，贝叶斯滤波的各种近似解相继出现，例如扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波等等。

3）基于因子图的融合算法

因 子 图 是 指基 于 贝 叶 斯网 络 或 者 马尔 科 夫 随 机游 走 模 型 的概 率 图 像 模型 。 以 全 局函 数为例，其为具有 5 个变量的实值函数,将其分解为 5 个局部函数之积。

因子图的因式分解特性为多源信息融合的精度提高提供了可能性。在基于因子图的多源融合导航算法中，将每一个导航源视作一个变量节点，变量节点在函数节点实现局部融合，最终通过基于和积算法的消息传递过程，得到最终的融合结果。 

当添加和删除导航源时，启用或者弃用相应的函数节点。在融合过程中，充分利用因子图的这一特性，可以实现多源融合导航的即插即用性。

 

4）交互式多模型融合算法交互式多模型算法是一种高效的混合估计方案，已经成功应用于很多问题。交互式多模型算法是一种具有马尔科夫切换系数的算法，其估计算法采取递推形式，主要分为四个步骤，分别是模型条件初始化、模型条件滤波、模型概率更新以及估计融合。

此种算法性能非常依赖于所使用的模糊集，而大量模型在提高估计精度的同时也带来了极

大的计算量，所以模糊集的选取是交互式多模型算法研究中的重要问题。 

 

5.评价

对于模型性能的评价，一些学者特别提出了即插即用性指标，提出了多源融合导航系统

的即插即用性要求。即插即用性可用于评价添加和删除导航源过程中融合系统的适配性。

 

1. 毕业论文

1）硕士 . 2019 . 室内定位 .《基于自适应矢量粒子滤波的多源融合定位筧法研究与实现》北京邮电大学  2019

 

室内定位技术   粒子滤波器，考虑到无线电信号非线性、非高斯的特点，在室内信号中断问题。 

 

非自主导航定位技术	无线电			红外线	TC-OFDM
	无线保真技术Wi-fi	蓝牙	超宽带（UWB）
	室内多遮挡、强干扰、非视距等恶劣环境下，往往会产生不连续的定位结果,但是长时间定位会出现较大的累积误差，导致定位精度严重下降
自主导航定位技术	惯性导航系统(IMU)	行人航位推算(PDR)

对无线信号、PDR和地图信息的融合定位技术开展研究，以提高定位系统的定位精度与鲁棒性，为位置服务提供高精度尚鲁棒的定位保障。 

室内无线信号指纹定位由于起成本低、无需布设额外设施而被广泛应用，具有非线性、非高斯、非平稳的特点。 

卡尔曼滤波为线性滤波器，不能滤出系统非线性产生的误差，精度会低。

例子滤波具有非参数化的特点，可以表征比高斯模型更广泛的分布，所以粒子滤波被广泛应用于多源融合定位系统。 

线信号在复杂室内环境下，由于在离线阶段和在线阶段接受的信号强度测量值匹配度不高，降低了无限信号的定位精度， 

文中提出一种模型校准在线RSSI的指纹定位算（mcrt），旨在通过建立离线阶段RSSI和在线阶段到达时间差（TDOA）的映射模型来探究离线阶段和在线阶段的环境波动规律，从而利用该映射模型估计出最匹配离线指纹的在线RSSI值，但是根据模型估计出的RSSI值仍然不可避免的会存在噪声，所以该算法利用卡尔曼滤波来优化模型估计值和在线测量值，从而减小离线阶段和在线阶段测量值的波动差异，提高指纹定位的定位精度，为基于自适应矢量粒子滤波算法的无线信号、PDR和地图的融合定位系统奠定坚实的基础。

 

2）硕士 . 2015 . 室内定位 .《多源室内定位系统的设计与实现》华中科技大学

传统的基于 WiFi的单源室内定位虽然成本低、易部署的特点得到了广泛的应用，但其定位精度不高。为此，本文主要讨论多源室内定位系统的设计与实现。 首先本文设计了一种多源室内定位算法，算法的多源体现在算法采用了声音、WiFi 和加速度多个信息源，且算法不仅仅是对这些多源信息进行简单的融合处理，而是利用多源的信息提出一种新型的定位框架。该算法充分利用目标用户周围一些静态用户的位置信息来协助完成目标用户位置的确定。首先在定位区内找寻一些移动频率较低的静态用户，将他们作为基站（Beacon），并事先确定这些 Beacon 的位置。然后利用声音测距的方法计算待定位目标用户与这些 Beacon 间的距离，最后利用三边定位法求出目标用户的位置。同单源 WiFi 定位系统一样，多源室内定位系统不需要任何额外硬件的部署，然而它的定位精度却有明显的改善。 接着，本文给出了该室内定位算法的系统实现。此种多源室内定位系统的平均定位误差在 3M 左右。

3）硕士 . 2018 . 车载定位 .《基于多源信息融合的车载定位技术研究 》中国航天科技集团公司第一研究院

多源信息融合车载定位技术 

论文以车载捷联惯导为核心，结合了多种定位信息源，以提高系统的定位精度和复杂环境适应能力为目的，对多源信息融合车载定位技术进行了研究。研究的主要内容和成果有：

(1) 提出了一种开放式多源信息融合算法架构。算法架构以捷联惯性导航系统（SINS）为主参考系统，分别与其他定位信息源组成子滤波器。对子滤波器的输出结果进行故障诊断，由重构机制决定是否采用子滤波的数据融合结果。将定位信息源按信号输出特性划分为三类，信号以固定频率发送的信息源、信号异步输出且间隔较短的信息源、信号异步输出且间隔较长的信息源。并采用相应的数据融合方法分类进行信息源的数据融合处理。

(2) 采用联邦卡尔曼滤波器融合了第一类定位信息源的数据。以 SINS 为主参考系统，分别与其它信息源组成子滤波器，子滤波器的输出结果经故障诊断和系统重构后，进入主滤波器进行信息融合。各子滤波器独立滤波、互不影响，提高了算法框架的扩展能力与容错性能。通过仿真试验和跑车试验，结果表明：相较于传统的集中式卡尔曼滤波算法，该算法的误差状态维数较低，具有鲁棒性。且在信息源出现故障时，算法仍能保持系统的定位精度。提高了车载定位系统的环境适应能力，保证了车载定位系统的性能稳定性。

(3) 采用基于因子图的异步非等间隔信息融合算法融合了第二类定位信息源的数据。采用因子图关联系统状态模型与观测模型，基于最小方差估计进行状态估计，对量测信息进行序贯处理，有效解决了传统非等间隔数据融合算法存在的拟合误差，以及信息源的即插即用问题。对异步非等间隔信息融合算法进行了仿真，结果表明：与采用 GMNS信息直接校正惯导位置的校正方法相比，异步非等间隔信息融合算法的定位误差减少了30%。此外，进行了实车试验，试验进一步验证了该算法的定位精度，并解决了车载定位信息源的即插即用问题。

(4) 采用基于位置信息的捷联惯导系统综合校正技术融合了第三类信息源的数据。针对以地为代表的第三类信息源采用位置综合校正算法，利用间歇获得的外部位置信息，建立了陀螺漂移与方位误差的误差传递模型，利用最小二乘法估计出陀螺漂移并进行误差补偿。充分利用了以地标为代表的第三类信息源，显著提高了捷联惯性导航系统的长时间定位精度。

(5) 针对论文提出的开放式多源信息融合整体算法架构进行了仿真分析与实车试验。将联邦卡尔曼滤波算法、基于因子图的异步数据融合算法，基于位置的综合校正算法综合运用。仿真分析表明：论文提出的算法可融合多种类型的定位信息源，数据融合后的定位精度与融合时定位精度最高的定位子系统一致，实车试验表明：论文提出的算法可融合多种类型的定位信息源，明显改善了传统组合定位算法误差发散的缺陷，在长时间、大范围机动过程中将定位误差控制在一定范围内，具备良好的故障诊断与系统重构能力，实现了定位信息源的“即插即用”。 

4）硕士 . 2016 . 飞机定位 .《飞行定位数据采集传输系统研究与设计》硕士学位论文

飞行定位信息数据的采集传输方式从单一的传感器数据系统发展到多传感器信息数据的融合系统，数据的采集传输模式也由传统的串口传输趋向无线传输方式，传输系统采用的是更加符合用户操作的移动终端平台。实际应用过程中对飞行定位的数据的精度、可靠性和容错能力的要求越来越高，对设备的便携性、可移动性、小型化也提出了更高要求。

本文以GPS导航系统为依托，对多传感器定位信息数据的采集与融合算法、传输模型进行研究，运用无线传输方式将島精度数据有效传输并对数据进行融合，实现实时的低空飞机的空中跟踪定位。

本文首先简要介绍了数据处理的插值算法、数据的加权平均融合算法、定位数据误差修正算法等，将处理后的数据有效融合使得终端系统集于一体构成完整的定位系统。 

当前对于导航定位数据采集传输技术方法主要包括基于GPS和A-GPS定位技术，基于传感器数据融合定位技术，无线wifi网络节点定位技术（室内），红外线定位技术（适合短距离的范围），超声波定位技术，蓝牙通信定位技术（室内），射频识别定位技术（短距离），ZigBee定位技术（短距离）和超宽带定位技术（室内机器人等）等。近年来对于导航定位数据采集与传输技术应用较为广沒的飞行定位数据采集传输技术研究取得重要发展，对于飞行定位数据采集与传输技术应用比较多的是基于GPS、A-GPS定位、惯性导航定位数据采集传输技术和多传感器数据融合定位技术等。 

5）博士 . 2018 . 飞机导航 .《多源组合导航系统信息融合关键技术研究》 电子科技大学

论文针对以上问题展开如下研究：

(1) 研究了多源组合导航系统可导航性增强方法；

首先，针对由于 DGNSS 参考站短时间失去 GNSS 信号的锁定，或由于硬件或软件故障造成 DGNSS 校正传输的无意中断导致的 DGNSS 导航服务的不连续性，提出了一种 DGNSS 伪距和载波相位校正信息的差分修正量的组合预测方法，并对该模型进行了有效性评估，理论分析和仿真结果都表明该组合模型较好地符合DGPS 差分修正量预测规律，有助于提高预测精度。

然后，针对捷联惯性测量单元(IMU)噪声大、误差累积的缺点和传统的姿态解算算法精度不高、环境适应性能力差等缺点，提出了 Elman 神经网络辅助的姿态解算算法。仿真结果表明该方法很大程度上提高了姿态解算的精度和自适应性。

最后，研究了 X 射线脉冲星编队飞行航天器相对导航算法。提出了一种新的使用 X 射线脉冲星测量的多星编队相对导航算法，使用 X 射线脉冲星测量的编队飞行之间的相对导航问题，在分析相对导航需求的基础上，提出了一种受约束的自适应卡尔曼滤波器来估计编队飞行之间的相对位置和速度，最后进行了仿真以评估所提出的导航算法，仿真结果证明了该方法的有效性。

(2) 多模组合导航系统状态估计和智能主动容错方案设计

根据多源组合导航系统需要面对的环境中惯性、地形、地磁等的导航特点，将拉普拉斯特征映射(LE)这种把数据从原来的高维空间投影到低维空间以提取更具代表性的特征的方法与深度神经网络模型相融合而提出了一种新的在建模存在不确定性以及可能存在时变的系统和观测噪声时进行稳定的状态估计的方法，仿真表明在恶劣环境或干扰大的情况下该方法的有效性。 提出了基于 one-class 支持向量机的系统故障诊断方法，仿真结果表明该方法能够很好的检测出导航子滤波系统的突变故障和缓变故障，延迟短，实时性较强，并且通过分析与对比，表明该方法在小样本时检测性能更好。在此基础上，提出了基于神经网络和支持向量机的智能主动容错方案设计，相比于一般的容错组合导航而言，主动容错组合导航能够让每个子滤波器不间断地工作，无论子导航系统是否出现故障都能够对整体的状态进行最优估计。

(3) 多源组合导航系统信息融合模型和滤波方法

从组合导航系统的一般组成出发，在对传统组合导航系统的信息融合结构分析的基础上，针对传统的算法在真实环境中存在的数据复杂、密集的情况下，当前时刻接收到的数据量与数据处理速度无法匹配，从而使待处理队列内数据逐渐积累，处理时间变长以后，后接收数据需要等待的时间逐渐不能被忍受，并成为恶性循环，使系统运行的效率受到严重干扰，在分析 GPU 并行结构的基础上，以处理非线性问题非常有效的粒子滤波算法为例对基于 GPU 的多源组合导航系统信息融合模型展开研究。最后，针对系统存在的非高斯非线性状态以及线性非线性并存的情况，提出了基于高斯混合容积粒子滤波和基于混合动态滤波算法的多源组合导航系统滤波方法，并对其进行了仿真分析。

1.文中以处理非线性问题非常有效的粒子滤波算法为例对基于 GPU 的多源组合导航系统信息融合模型展开研究。 对于系统信息融合的滤波方法，由于系统的非线性，目前较为流行的是 EKF、UKF、CKF 和 PF 等典型的非线性波算法。其中，粒子滤波在解决非线性滤波问题时没有随机量必须满足高斯分布的限制，能实现比高斯模型更广泛的分布。 

2.基于混合动态滤波的多源组合导航系统滤波算法

多源组合导航系统的本质是多个系统的综合与集成，因此系统中线性和非线性状态共存。常用方法是采用RBPF 滤波器（Rao-Blackwellized Particle Filter），其基本思想是用 PF 估计模型中的非线性状态，用 KF 估计其中的线性状态。

文中提出了一种可用于多源组合导航系统状态估计的边缘 RBPF 滤波—MRBPF算法，以粒子滤波为基础框架，融合 RBPF 算法和 MPF 边缘粒子滤波（Marginal Particle Filter）算法，将多源组合导航系统导航信息的线性和非线性状态分离，用 MPF 处理系统的非线性状态，然后将其估计值对线性状态进行卡尔曼滤波估计。

3.多源组合导航系统中的高斯 cubature 粒子滤波算法

传统的非线性滤波算法很难解决这种非线性和非高斯并存的问题。

非线性滤波方法：

1）以扩展卡尔曼滤波（EKF）为代表的将系统方程的非线性部分线性化来得到非线性函数。

2）以无迹卡尔曼滤波（UKF），容积卡尔曼滤波（CKF）和粒子滤波（PF）为代表的利用采样的方法获得非线性密度函数进而得到状态量的估计值。

在非线性高斯滤波环境中通常使用 EKF、UKF、CKF 算法，适用于在非线性非高斯滤波环境中通常使用 PF 算法，但 PF 滤波存在计算量大，粒子退化和粒子贫乏等问题。

文中以容积卡尔曼滤波（CKF）为基础，用高斯混合模型来近似高斯与非高斯后验密度函数，能更好地估计重要性密度函数，如果观测数据的局部为变化的，同时单一的分布不能得到最优或次优估计，使用高斯模型具有明显的优越性。