复杂地貌环境中BDS精密定位关键技术研究

In complex landform, such as streets with tall buildings and road intersection, the satellite signals are blocked seriously so BDS (Beidou satellite navigation system) cannot achieve real-time high-precision dynamical positioning, which seriously restrict its widespread in precision mapping and disaster relief. This project intends to utilize crowd sensing and 3D map matching, and construct the BDS data processing platform to achieve BDS precision positioning in complex landform. A crowd sensing model is to collect mobile sensing data of high accuracy BDS users and design the BDS users selection mechanism, At the same time, the object designs BDS users grouping mechanism to packet processing the collected BDS data through the BDS data processing platform, calculate to obtain the rough position error, finally utilize ray-tracing to analyze the multipath signal transmission path in 3D map, and further realize high precision positioning of each BDS users. The project will achieve the precision positioning with decimeter level in complex landform and have strong extensibility, which will have a broad application prospect in the transportation, rescue and disaster relief, staff scheduling, and other fields.

在城市高楼林立的街道、道路交叉口等复杂地貌环境中，北斗卫星信号被严重遮挡，导致北斗卫星导航系统（BDS）不能实现实时高精度动态定位，严重制约了其在精密测绘、救人救灾等领域中的广泛应用。本项目拟借助群智感知和3D地图匹配技术，搭建BDS定位数据处理平台，开展复杂地貌环境中BDS精密定位关键技术研究。本项目将建立群智感知模型，收集复杂环境中有高精度定位需求的BDS用户移动感知数据，并设计BDS用户选择机制，通过BDS定位数据处理平台对收集到的BDS数据实时进行分组处理，解算得到每个用户的粗略位置误差，然后在3D地图中通过射线跟踪技术分析BDS多径信号的传输路径，进一步实现每个BDS用户的高精度定位。项目可以实现复杂地貌环境中BDS的分米级实时定位，可扩展性强，课题预期的研究成果将在交通运输、救人救灾、人员调度等领域有着广阔的应用前景。

在高楼林立的城市街道、城市道路交叉路口这两种复杂地貌环境下，单系统北斗卫星导航系统接收机定位误差较大，其中产生的的多径效应对接收机实时动态定位的性能影响最为严重，从而影响北斗卫星导航系统在精密测绘、抗震救灾等精密定位导航领域中的应用。目前在缩小接收机实时定位误差的相关研究中，抗多径干扰算法、多系统组合定位导航算法以及惯性系统辅助北斗卫星系统定位导航算法被提出，但是这些方法均受限于多径信号难以建模、算法复杂度高、可见卫星数目不稳定等问题。因此，本项目借助群智感知和3D地图匹配技术，搭建BDS定位数据处理平台，从三个方向实现复杂地貌环境中BDS精密定位关键技术的研究。首先，结合机器学习中的时间序列预测模型对滤波后的目标信号进行建模预报，以星历数据为基准提高钟差的预测精度，补足缺失数据，实现信息的共享，提高单个定位目标的精度。其次，为了解决卫星信号可能长时间被遮挡而影响定位精度的问题，本项目从神经网络和多系统导航算法的交互式组合模型出发，利用不同的自适应鲁棒卡尔曼滤波的信号处理方法，结合神经网络中门控递归元结构的预测功能进行前后时刻的状态协方差估计，实现BDS信号丢失时，特定的神经网络也可预测接收机的位置增量，验证了本项目提出的组合定位导航系统的鲁棒性。最后，在完成之前研究的基础上，对已经得出的每个用户的粗略位置误差进行后续的优化。这一部分，为了使后续的目标位置的定位更加精准，本项目基于3D地图匹配技术结合接收机环路内部的协同自适应多径参数估计方法，使得可视距（LOS）最佳估计块能在反馈回路中控制误差信号，用于自适应更新滤波器系数，保证后期接收机输出的解算精度。此外，在上述理论研究进展如期实现的条件下，本项目从仿真实验和实测环境两个角度对所搭建的数据处理组合平台验证其对多径干扰性能的缓解效果。结果表明，课题组所做的工作能更精准的捕获和估计多径干扰信号并有效缓解其性能，从而实现对复杂地貌环境的数据分析、形变预测报警、精密测绘等功能。