專利名稱：用于在多個車輛中進行精確相對定位的方法和設備的制作方法
技術領域：
本發(fā)明總體上涉及用于確定多個車輛相對于主車輛的位置和速度的系統(tǒng)和方法， 且更具體地涉及使用GPS信號來確定多個車輛相對于主車輛的位置和速度的系統(tǒng)和方法， 其中，所述系統(tǒng)計算所述車輛之間的最佳基線。
背景技術：
多個車輛的短基線精確相對定位具有很多民用應用。通過使用實時的相對GPS信 號，車輛能夠建立配備有GPS接收器和數(shù)據(jù)通信信道(例如，專用短程通信(DSRC)信道) 的周圍車輛(車輛至車輛目標地圖)的相對位置和速度的分米以下水平的準確性。該協(xié)作 安全系統(tǒng)能夠以與雷達系統(tǒng)相同的方式提供位置和速度信息。為了進行精確相對定位，車輛需要傳送其原始GPS數(shù)據(jù)，例如代碼范圍、載波相位 和多普勒測量值。在涉及大量車輛的擁擠交通情形下，這樣做所需的帶寬將成問題。 The Radio Technical Commission for Maritime Service SpecialCommittee 104(RTCM SC104)中所定義的數(shù)據(jù)格式包括不想要的冗余性。例如，信息類型#1 (L1C/A代 碼相位校正)用0. 02米分辨率一致地量化校正值。偽距測量值因而被表示在士0. 2X215 米的范圍內。然而，偽距測量值通常限于大約士 15米。因而應當注意的是，如果RTCM協(xié)議 直接用于協(xié)作安全系統(tǒng)，將會發(fā)生過多的帶寬浪費。

發(fā)明內容
根據(jù)本發(fā)明的教導，公開了使用GPS信息來確定多個車輛相對于主車輛的位置和 速度的系統(tǒng)和方法。所述方法包括建立在每個車輛和主車輛之間限定加權基線的車輛和每 個其它車輛的圖表，其中，所述加權基線限定車輛之間的幾何精度因子。所述方法然后使用 所述加權基線基于幾何精度因子來確定在主車輛和每個其它車輛之間具有最低幾何精度 因子的最佳基線。所述方法然后使用所述最佳基線來計算所有車輛和主車輛之間的相對位 置和速度。方案1 一種確定主車輛和多個其它車輛之間的相對位置和速度的方法，所述方 法包括由所述主車輛接收關于其它車輛的位置的GPS信息；建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的加權圖表， 其中，所述加權基線限定車輛之間的幾何精度因子；使用所述加權基線來確定主車輛和每個其它車輛之間的最佳基線，其中所述最佳 基線是最低幾何精度因子；以及使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度。方案2 根據(jù)方案1所述的方法，其中建立加權圖表包括使用單基線精確定位算 法。方案3 根據(jù)方案1所述的方法，其中建立加權圖表包括使用多車輛精確相對定位算法。方案4:根據(jù)方案3所述的方法，其中多車輛精確相對定位算法采用 Bellman-Ford 算法。方案5 根據(jù)方案3所述的方法，其中多車輛精確相對定位算法采用Dijkstra算法。方案6 根據(jù)方案1所述的方法，其中確定最佳基線包括采用狀態(tài)跟蹤濾波器，所 述狀態(tài)跟蹤濾波器估計三個位置和三個速度分量。方案7 根據(jù)方案6所述的方法，其中所述狀態(tài)跟蹤濾波器接收每個車輛的獨立 位置、衛(wèi)星星歷表信號和GPS觀測信號的雙重差分。方案8 根據(jù)方案1所述的方法，其中接收GPS信息包括接收衛(wèi)星星歷表、代碼范 圍、載波相位和多普勒頻移觀測信息。方案9 根據(jù)方案1所述的方法，其中確定最佳基線包括確定主車輛和另一車輛 之間的幾何精度因子，所述幾何精度因子取決于對于該基線而言共用衛(wèi)星的數(shù)量和共同衛(wèi) 星的星座。方案10 根據(jù)方案1所述的方法，其中確定主車輛和每個其它車輛之間的最佳基 線包括確定最佳基線不是從主車輛到其它車輛的直接基線，而是通過一個以上的車輛的基 線。方案11 一種確定主車輛和多個其它車輛之間的相對位置和速度的方法，所述方 法包括由所述主車輛接收關于其它車輛的位置的GPS信息，所述GPS信息包括衛(wèi)星星歷 表、代碼范圍、載波相位和多普勒頻移觀測信息；建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的加權圖表， 其中，所述加權基線限定車輛之間的幾何精度因子，其中，確定幾何精度因子取決于對于該 基線而言共用衛(wèi)星的數(shù)量和共同衛(wèi)星的星座；使用所述加權基線來確定主車輛和每個其它車輛之間的最佳基線，其中所述最佳 基線是最低幾何精度因子；以及使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度。方案12 根據(jù)方案11所述的方法，其中建立加權圖表包括使用單基線精確定位 算法或多車輛精確相對定位算法。方案13 根據(jù)方案11所述的方法，其中確定最佳基線包括采用狀態(tài)跟蹤濾波器， 所述狀態(tài)跟蹤濾波器估計三個位置和三個速度分量。方案14 根據(jù)方案13所述的方法，其中所述狀態(tài)跟蹤濾波器接收每個車輛的獨 立位置、衛(wèi)星星歷表信號和GPS觀測信號的雙重差分。方案15 根據(jù)方案11所述的方法，其中確定主車輛和每個其它車輛之間的最佳 基線包括確定最佳基線不是從主車輛到其它車輛的直接基線，而是通過一個以上的車輛的基線。方案16 —種確定主車輛和多個其它車輛之間的相對位置和速度的系統(tǒng)，所述系 統(tǒng)包括用于由所述主車輛接收關于車輛位置的GPS信息的裝置；
用于建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的加權 圖表的裝置，其中，所述加權基線限定車輛之間的幾何精度因子，其中，幾何精度因子取決 于對于該基線而言共用衛(wèi)星的數(shù)量和共同衛(wèi)星的星座；用于使用所述加權基線來確定主車輛和每個其它車輛之間的最佳基線的裝置，其 中所述最佳基線是最低幾何精度因子；以及用于使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度的裝置。方案17 根據(jù)方案16所述的系統(tǒng)，其中用于建立加權圖表的裝置使用單基線精 確定位算法或多車輛精確相對定位算法。方案18 根據(jù)方案16所述的系統(tǒng)，其中用于確定最佳基線的裝置采用狀態(tài)跟蹤 濾波器，所述狀態(tài)跟蹤濾波器估計三個位置和三個速度分量。方案19 根據(jù)方案18所述的系統(tǒng)，其中所述狀態(tài)跟蹤濾波器接收每個車輛的獨 立位置、衛(wèi)星星歷表信號和GPS觀測信號的雙重差分。方案20 根據(jù)方案16所述的系統(tǒng)，其中用于確定主車輛和每個其它車輛之間的 最佳基線的裝置確定最佳基線不是從主車輛到其它車輛的直接基線，而是通過一個以上的 車輛的基線。本發(fā)明的附加特征將從以下說明和所附權利要求書結合附圖顯而易見。


圖1是用于主車輛和遠程車輛的系統(tǒng)通信架構的框圖；圖2是示出了圖1所示的架構中的處理單元的操作的流程圖；圖3是示出了用于求解車輛之間的相對位置和速度矢量的過程的框圖；圖4是車輛和衛(wèi)星之間的相對位置的圖示；圖5(a)是示出了車輛主節(jié)點和其它車輛節(jié)點的圖表的圖示，其中具有相對于車 輛主節(jié)點和其它車輛節(jié)點的基線；圖5(b)示出了包括主節(jié)點和其它車輛節(jié)點的最佳生成樹，其中具有在主節(jié)點和 其它車輛節(jié)點之間的最佳基線；圖6是示出了多車輛精確相對定位的過程的流程圖；圖7是示出了 GPS測量值的壓縮的系統(tǒng)的框圖；圖8是示出了用于解壓縮GPS測量值的系統(tǒng)的框圖；圖9是提出的壓縮方案的總體框圖；圖10是協(xié)議堆棧的圖示；圖11是幀序列的示例；圖12是示出了用于建立Huffman碼字字典的過程的流程圖；和圖13是用于編碼GPS數(shù)據(jù)以便傳輸?shù)乃惴ǖ牧鞒虉D。
具體實施例方式涉及使用GPS信號和最佳生成樹分析來確定多個車輛相對于主車輛的位置和速 度的系統(tǒng)和方法的本發(fā)明實施例的以下討論本質上僅僅是示例性的，而決不旨在限制本發(fā) 明或其應用或使用。
圖1示出了用于主車輛12和遠程車輛14的通信架構10。主車輛12和遠程車輛14各配備有無線收音機16，所述無線收音機16包括用于通過天線18傳送和接收無線信息 包的發(fā)送器和接收器(或收發(fā)器)。每個車輛包括GPS接收器20，GPS接收器20接收衛(wèi)星 星歷表、代碼范圍、載波相位和多普勒頻移觀測值。每個車輛也包括用于減少通信帶寬要求 的數(shù)據(jù)壓縮和解壓縮單元22。每個車輛也包括用于建立車輛至車輛(V2V)目標地圖的數(shù)據(jù) 處理單元24。所建立的V2V目標地圖由車輛安全應用26使用。架構10還可包括用于收集 信息的車輛接口裝置28，所述信息包括但不限于車輛速度和偏航速率。圖2是示出了架構10中的處理單元24的操作的流程圖38。一旦在決策菱形塊40 處接收新數(shù)據(jù)，就觸發(fā)處理單元24。在框42，第一步驟收集衛(wèi)星星歷表(即具體時間時的 衛(wèi)星軌道參數(shù))、代碼范圍(偽距)、載波相位觀測值、和主車輛12的車輛數(shù)據(jù)。在框44，第 二步驟確定主車輛12的位置和速度，其用作隨后精確相對定位方法的移動參考。在框46， 第三步驟壓縮GPS和車輛數(shù)據(jù)。在框48，第四步驟傳送GPS和車輛數(shù)據(jù)。在框50，第五步 驟從遠程車輛收集無線數(shù)據(jù)包。在框52，第六步驟解壓縮所接收的數(shù)據(jù)包且導出每個遠程 車輛的GPS和車輛數(shù)據(jù)。在框54，第七步驟使用精確相對定位方法來建立V2V目標地圖。 在框56，第八步驟將V2V目標地圖輸出給高級別安全應用，用于其危險評估算法。數(shù)據(jù)處理單元24可以在下文進一步描述。令X1, X2,…，XkSK個車輛。令Xi是 第i個車輛的狀態(tài)，包括在地心地固坐標(ECEF)中的位置和速度。令Xh是主車輛12的狀 態(tài)，其中，KHSK。令X是衛(wèi)星的狀態(tài)，包括在ECEF坐標中的位置和速度，其可以通過由 第j個衛(wèi)星傳送的星歷表消息確定。圖3示出了用于精確求解車輛之間的相對位置和速度矢量的流程圖60。流程圖 60包括空中(OTF)聯(lián)合定位及模糊度確定模塊62，其從各個源接收信息，包括在框64處的 車輛數(shù)據(jù)、在框66處的車輛獨立位置、在框68處的衛(wèi)星星歷表和在框70處的GPS觀測值 的雙重差分，如下所討論的。在框72，模塊62輸出其它車輛的位置速度和模糊度。要注意 的是，需要一個車輛的絕對坐標。在僅僅包括移動車輛的系統(tǒng)中，移動參考坐標簡單地使用 獨立定位模塊來估計，以提供參考基準坐標的近似坐標。使用用于短基線的雙重差分載波相位測量值來實現(xiàn)高定位精度。載波相位測量值 優(yōu)于代碼測量值，因為它們能夠被測量為優(yōu)于0.01 λ，其中λ是載波信號的波長，載波信 號對應于毫米精度且比其代碼對等物受多路徑的影響更少。然而，載波相位通過循環(huán)數(shù)的 整數(shù)模糊化，所述循環(huán)數(shù)必須在車輛操作期間被確定。令主車輛Xh是移動參考站。令bih是主車輛Xh和遠程車輛Xi之間的基線。載波 相位的以下雙重差分測量值、代碼和多普勒測量值可以寫成d = H (XH, bih) bih+ λ N+vih(1)H(XH，bih)是取決于移動主車輛Xh和基線bih的測量矩陣，λ是載波的波長，N是模 糊度雙重差分的矢量，Vih是未建模測量噪音。在不喪失一般性的情況下，假設等式(1)被 標準化，即，Vih的協(xié)方差矩陣是單位矩陣。流程圖60的核心是空中(OTF)聯(lián)合定位及模糊度確定模塊62。在模塊62中，采 用(6+J-1)維狀態(tài)跟蹤濾波器來估計三個位置和三個速度分量以及J-I浮動模糊度雙重差 分如下d = H(XH,bih)s+vlh(2)「N]其中，,~,、，，、是H(XH，bih)和聯(lián)合狀態(tài)S= 的擴展。注意到矩陣片(Xw，bift)對主車輛Xh和基線bih的變化不是非常敏感。借助于可獲 得的基線的過程等式，使用先前時刻的主車輛Xh和預測估計值^通常就足夠了。因而，當可 獲得值d時，通過下述濾波可以獲得基線bih的更好的估計。 令基線bih的過程等式為
(3)其中w表示未建模噪音。在等式(3)中，f是表示基線動態(tài)模型的函數(shù)。動態(tài)模型的一些候選是恒定速度 模型(CV)或恒定轉向模型(CT)。在先前循環(huán)的基線^的預測鄰域中線性化等式(3)且包 括模糊度N的雙重差分得出 其中，I是單位矩陣，s(i + l)= , ,^n 'S(0 = , .Α 且，漢、^7-
Lb",(i + 1)」 Lb,7'(0」u = /(b,7,) — Fb,7,。注意到OTF聯(lián)合濾波過程可以寫成下文所述的算法1。在等式(1)中，測量矩陣H(XH，bih)對上述單基線定位方法收斂至正確解起到重要 的作用。幾何精度因子(GDOP)(即，[H(XH, bjr1)影響對基線bih的估計的質量?？梢源_ 認⑶OP取決于對基線bih而言共用衛(wèi)星的數(shù)量和共同衛(wèi)星的星座。例如，當遠程車輛和主 車輛之間的可見共用共同衛(wèi)星在天空靠攏在一起時，幾何構型是弱的且GDOP值高。當遠程 車輛和主車輛之間的可見共用共同衛(wèi)星相距較遠時，幾何構型是強的且⑶OP值低。因而， 低GDOP值表示由于衛(wèi)星之間的更寬角間隔引起的更好的基線精度。極端情況是在共用衛(wèi) 星數(shù)量少于4時⑶OP無限大。圖4是用于說明上文的討論的車輛82、84和86的圖示，其中，車輛82是主車輛。 在車輛82和84之間限定基線88 (bAB)，在車輛84和86之間限定基線90 (bBC)，而在車輛82 和86之間限定基線92 (bAC)。建筑物94定位在車輛82和86之間，且操作阻擋某些衛(wèi)星的 信號，從而車輛82和86僅從相同衛(wèi)星中的一些接收信號。具體地，車輛82從衛(wèi)星1、9、10、 12、17和21接收信號，車輛84從衛(wèi)星1、2、4、5、7、9、10、12、17和21接收信號，而車輛86從 衛(wèi)星1、2、4、5、7和9接收信號。因而，車輛84和86從共同衛(wèi)星1、2、4、5、6和9接收信號， 而車輛82和84僅從共同衛(wèi)星1和9接收信號。因而，車輛82和86沒有從足以獲得相對 位置和速度的共同衛(wèi)星接收信號，因為需要最少四個衛(wèi)星。要注意的是，在多個車輛中進行定位有多于一個解?？紤]圖4所示的情形，其中主 車輛82需要分別估計車輛84和86的相對位置和速度，即基線bAB和bAC?；€bAC可以直 接使用單基線定位方法估計或者可以通過組合兩個其它基線估計值來導出，如下 類似地，基線具有兩個解?？梢源_認，兩個解的質量是不同的。目標是尋找最 佳解。如圖4所示，由于建筑物94引起的阻擋，基線bAC的估計值的質量由于觀測到少于四個共用衛(wèi)星(PRN1，9)而降級。另一方面，從基線bAB和bAC推出的基線bAC比基線bAC的直 接估計值更好。來自于圖4的構思可以通過引入圖表G來概括，其中頂點表示車輛而邊緣表示兩 個頂點之間的基線。令邊緣的權重為兩個車輛之間的基線的GD0P。目標是尋找生成樹，即 選擇形成跨越每個頂點的樹的G的邊緣，其中主車輛被指定為根，從而從根到所有其它頂 點的路徑具有最小GD0P。圖5(a)是示出了節(jié)點102處的主車輛和節(jié)點104處的其它車輛的這種加權圖表 100的圖示，其中，主節(jié)點102和節(jié)點104之間以及其它節(jié)點104之間的邊緣或基線106給 予由合適的GDOP算法確定的權重。圖5(b)示出了去除了非最佳邊緣或基線的最佳生成樹 108。圖6是示出了用于限定圖5(a)所示的加權圖表100和圖5 (b)所示的最佳生成樹 108的過程的流程圖110。流程圖110包括在框112建立節(jié)點的加權圖表100和然后在框 114尋找圖表100的最佳生成樹的步驟。所述算法然后在框114計算圖表100的邊緣的基 線，且在決策菱形塊118確定是否處理圖表100的生成樹中的所有邊緣，并且如果否，返回 框116以計算下一基線。所述算法然后在框120計算所有車輛相對于主車輛的相對位置和 速度。在流程圖110中計算基線以獲得最小⑶OP的步驟可以通過適合于本文所述目的 的任何算法執(zhí)行。第一算法(稱為算法1)基于單基線精確定位。令聯(lián)合狀態(tài)的先前估計 值且其協(xié)方差矩陣
雙重差分d ；接收器的GPS時標tK ；衛(wèi)星星歷表E ；系統(tǒng)的 動態(tài)等式(1)；測量等式(2)；等式(3)中噪音項w的協(xié)方差矩陣Q ；以及等式(2)中噪音項 ν的協(xié)方差矩陣R。在時間t聯(lián)合狀態(tài)和協(xié)方差矩陣戶(0的更新估計值可以求解如下1.使用等式(1)計算預測值 如下
且
2.計算修正誤差(innovation error)如下 其中 3.計算修正協(xié)方差 4.計算卡爾曼增益為。5.輸出更新估計值
和協(xié)方差矩陣
臺。多個車輛的精確相對定位也可以通過以下算法(稱為算法2)確定。1.建立車輛的加權圖表G，其中，每個車輛是頂點且如果共用觀測衛(wèi)星的數(shù)量大于或等于四那么在兩個車輛之間增加邊緣。令根表示主車輛。2.邊緣的權重等于由兩個車輛觀測的共同衛(wèi)星的幾何精度因子(⑶0P)，即，對于 頂點i和j之間的邊緣權重而言，等式(1)中的det[H(XH, bj]-1。3.使用動態(tài)編程(算法3的修改Bellman-Ford算法或算法4的Dijkstra算法) 來尋找生成樹，使得來自于任何其它節(jié)點的路徑具有用于定位的最佳衛(wèi)星幾何構型(最小 GD0P)。4.開始for循環(huán)對于圖表G中的所有E，進行(for all E in the graphG do)5.通過算法1所述的算法確定邊緣E所表示的基線。6.結束 for 循環(huán)(end for)7.基于圖表G計算從車輛到主車輛的相對位置和速度。算法3是反向Bellman-Ford算法給定圖表G，其中頂點V= {Vi|l<i彡I Vl }、邊緣E= {ejl^k^ |E|}、以及 邊緣的權重{wk 11彡k彡IE I}；頂點源H。確保生成樹I^PG: 1.開始for循環(huán)對于頂點集合中的所有頂點V，進行2.開始 if 條件如果 ν 是源，那么(if ν is the source then)3.令 cost(v)為 0。4.否則5.令 cost(v)為⑴。6.結束 if 條件(end if)7.令 predecessor (ν)為空。8.結束for循環(huán)9.開始for循環(huán)對于i從1至IV | _1，進行10.開始for循環(huán)對于E中的每個邊緣ek，進行11.令u Se的源頂點。令ν是ek的目標頂點。12.開始 if 條件如果 cost (ν)小于 max(wk，cost (U))，那么13.令 cost (ν) = max (wk，cost (u))。14.令 predecessor (ν) =u。15.結束if條件16.結束for循環(huán)17.結束for循環(huán)18.針對所有頂點使用predecessor (ν)來建立生成樹Τ。算法4是修改的Dijkstra算法給定圖表G，其中頂點V= {Vi|l<i彡I Vl }、邊緣E= {ejl^k^ |E|}、以及 邊緣的權重{wk 11彡k彡IE I}；頂點源H。確保生成樹I^PG:1.開始for循環(huán)對于頂點集合中的所有頂點V，進行2.開始if條件如果ν是源H，那么3.令 cost(v)為 0。
4.否貝Ij5.令 cost(v)為①。6.結束if條件7.令 predecessor (ν)為空。8.結束for循環(huán) 9.令集合Q包含V中的所有頂點。10.開始for循環(huán)對于Q非空，進行11.令u是Q中具有最小成本的頂點。從Q去除U。12.開始for循環(huán)如果對于u的每個鄰居V，進行13.令 e 是 u 禾口 ν 之間的邊緣。令 alt = max (cost (U)，weight (e))。14.開始if條件如果alt < cost (ν)，那么15. cost (ν) = alt16.令 predecessor (ν)為 U。17.結束if條件18.結束for循環(huán)19.結束for循環(huán)20.針對所有頂點使用predecessor (ν)來建立生成樹Τ。GPS測量值通過GPS接收器的位置和速度的本征矢量相關聯(lián)，其可以表示如下。令X是包括ECEF坐標中的位置和速度的六維本征狀態(tài)矢量。令C是包括ECEF坐 標中的衛(wèi)星的位置和速度的衛(wèi)星星座，其可以通過由衛(wèi)星傳送的星歷表消息確定。令GPS 測量的量0包括來自于衛(wèi)星的接收器的代碼范圍、載波相位和多普勒偏移。因而，測量等式 可以寫為Q = h{X,pJ,C) + v(6)其中，β是主接收器時鐘誤差，/j是β的變化率，以及ν是用于GPS測量值的未建 模噪音，包括由電離層和對流層折射、衛(wèi)星軌道誤差、衛(wèi)星時鐘偏移、多路徑等引起的偏差。圖7是包括獨立絕對定位模塊132的系統(tǒng)130的框圖，獨立絕對定位模塊132接 收框134處的衛(wèi)星觀測值和框136處的衛(wèi)星星歷表。來自于定位模塊132的預測觀測值和 衛(wèi)星觀測值提供給加法器138，其中，由編碼器140編碼信號之間的差。在框142，來自于編 碼器140的編碼信號和來自于定位單元132的絕對定位速度信號作為車輛絕對定位和速度 信號和壓縮修正誤差提供。獨立絕對定位模塊132監(jiān)測測量值(包括代碼范圍、載波相位和多普勒偏移)的 輸入、衛(wèi)星星座C的輸入、以及車輛數(shù)據(jù)(例如，車輪速度和偏航速率)。模塊132產生GPS 接收器的絕對位置和速度X。模塊132也產生由函數(shù)h表示的預測GPS測量值0 因而，修正誤差e可以定義為 可以確認，修正誤差矢量具有兩個屬性。分量彼此不相關，且對于每個分量，偏差 遠小于GPS測量值0的對等物。因而，標準數(shù)據(jù)壓縮方法(例如但不限于矢量化或Huffman編碼)可以應用于修正誤差e且實現(xiàn)良好的壓縮性能。圖8是示出了壓縮模塊的反向操作的框圖150且示出了如何從來自于無線收音機 模塊的接收壓縮數(shù)據(jù)恢復GPS測量值的步驟。具體地，在框152處的壓縮修正誤差提供給 解碼器154，且框156處的車輛絕對位置和速度信號以及框158處的衛(wèi)星星歷表信號提供給 計算預測觀測模塊160。在框164，來自于解碼器154和觀測模塊160的信號由加法器162 相加以提供衛(wèi)星觀測值，例如代碼范圍、載波相位和多普勒頻率。令GPS接收器的絕對位置和速度的估計值為夕。壓縮修正誤差被解碼以獲得對應 修正誤差e。可以確認，預測測量值0可以從GPS接收器的絕對位置和速度的估計值f和衛(wèi) 星星座C計算為
(9)
因而，恢復的GPS測量值可以計算為
(10)GPS測量值與時間高度相關。這使得它們非常適合于使用本征狀態(tài)矢量X的預測 模型來壓縮。令在時刻t時本征狀態(tài)的過程等式為X(t+1) = f (X(t))+w(11)其中，f是主車輛的系統(tǒng)過程函數(shù)(例如，恒定速度模型或恒定轉向模型)，其中 GPS接收器安裝在車頂上且w是過程等式中的未建模噪音。等式(11)中殘差非常適合于通過編碼當前狀態(tài)矢量和來自于先前時刻的預測狀 態(tài)矢量之間的差來壓縮。圖9是所提出的壓縮方案的系統(tǒng)170。獨立位置及速度估計器172監(jiān)測時刻t時 的GPS測量值的輸入0(t)和來自于先前時間t-1的本征狀態(tài)矢量的預測值1(0，且產生 本征狀態(tài)矢量的新估計值義0)。觀測預測模型模塊174使用等式(6)計算觀測預測值0(0。 Huffman編碼器I模塊176基于所導出的Huffman樹使用可變長度編碼來編碼來自加法器 184的輸入0(t)和模型預測值 ( )之間的差。單位延遲模塊178存儲先前本征狀態(tài)矢量 X{t-\)。狀態(tài)預測模型180計算本征狀態(tài)的預測值0⑴。Huffman解碼器II模塊182基于 Huffman樹使用可變長度編碼來編碼來自于加法器186的本征狀態(tài)矢量1(0和模型預測值 X⑴之間的差。GPS協(xié)議的最小描述長度壓縮(MDLCOG)設計為在傳輸層上方提供的應用層，如圖 10所示。具體地，MDLCOG是在協(xié)議堆棧190中位于GPS數(shù)據(jù)層192和傳輸層196之間的應 用層194。網絡層198在傳輸層196下方，且數(shù)據(jù)鏈路層200處于協(xié)議堆棧190的底部。MDLCOG包括消息集(稱為幀)，用于初始化和傳輸測量值和附加數(shù)據(jù)，例如觀測衛(wèi) 星的GPS時標和位圖。這些數(shù)據(jù)幀稱為初始幀(I-幀)、附加數(shù)據(jù)幀(A-幀)、差分幀(D-幀) 和測量幀(M-幀)。在數(shù)據(jù)傳輸開始時，編碼器發(fā)送I-幀以初始化解碼器處的狀態(tài)預測模塊。I-幀 類似于在音頻MPEG標準中使用的關鍵幀。I-幀包含由編碼器估計的在ECEF坐標中的GPS 接收器的絕對位置和速度。每當本征狀態(tài)X的當前和先前估計值之間的差大于閾值時，也 發(fā)送ι-幀。A-幀包含非測量數(shù)據(jù)，例如衛(wèi)星列表、數(shù)據(jù)質量指示器等。A-幀僅在啟動時和在內容變化時傳輸。最經常傳輸?shù)膸荄-幀和M-幀。在如下的意義上D-幀類似于在MPEG音頻編碼 標準中使用的P圖片幀它們參考先前編碼的樣本進行編碼。D-幀中的時間序列差使用在 等式(11)中表示的車輛動態(tài)模型。每個D-幀包含本征狀態(tài)X的當前和先前估計值之間的 Huffman編碼差。M-幀包括GPS時標以及測量值0和預測值0之間的Huffman編碼差。每 當接收新的GPS測量值時，M-幀被發(fā)送，且單獨的幀針對M-幀的Ll和L2頻率進行傳輸。一旦已經初始化解碼器，已經接收合適的I-幀和A-幀，編碼器就傳輸對應D-幀 和M-幀中的每個時間點(epoch)的量化預測殘差。幀序列的示例在圖11中示出。M-幀 在每個時間點被發(fā)送。在時間點1，I-幀和A-幀被發(fā)送以初始化解碼器中的預測模塊。在 時間點6，I-幀被再次發(fā)送，因為檢測到本征狀態(tài)X估計值的顯著變化。在時間點8，傳輸 A-幀，因為衛(wèi)星顯現(xiàn)出地平線或者衛(wèi)星著地。圖12是概述用于建立字典以編碼殘差的過程的流程圖210。在框212，收集雙頻 GPS數(shù)據(jù)的大量數(shù)據(jù)。在框214，計算測量殘差e或狀態(tài)預測殘差w的集合。在框216，選擇 量化殘差的具體分辨率(例如，根據(jù)RTCM協(xié)議偽距為0.2米)且獲得符號列表。在框218， 計算集合中每個符號的頻率。在框220，令A= {ai; a2,…，an}，其為具有大小η的符號字 母表。然后，令P= Ip1,P2,…，P1J，其為(正)符號頻率的集合，即，Pi = frequency (ai)， 1彡i彡η。通過建立Huffman樹來產生代碼C(Α，P) = Ic1, C2,…，cn}，其為(二進制) 碼字的集合，其中，Ci是 的碼字，1≤i≤η。圖13是用于編碼GPS數(shù)據(jù)的算法的流程圖230。在決策菱形塊232，一旦從GPS裝 置接收新數(shù)據(jù)，過程就開始，且如果沒有接收數(shù)據(jù)，那么過程在框234結束。然后，在框236 收集GPS數(shù)據(jù)0，所述GPS數(shù)據(jù)包括來自于第j個衛(wèi)星X^的偽距民、多普勒偏移A和載波 相位Φ」，第j個衛(wèi)星Xj屬于集合C = {X」11彡j彡J}，其中J為可見衛(wèi)星的數(shù)量。值Xj包 括ECEF坐標中第j個衛(wèi)星的三維位置。所述算法然后在決策菱形塊238確定衛(wèi)星地圖是否已經變化，且如果是，所述算 法在框240產生A-幀。具體地，如果衛(wèi)星星座C的標識(S卩，PRN)從先前時刻變化，那么 產生A-幀以編碼觀測衛(wèi)星PRN的列表。所述幀包括32位地圖，其中，取決于具體衛(wèi)星的存 在數(shù)據(jù)，每一位是真或假。所述算法然后在框242估計車輛的獨立位置和速度。在估計獨立位置及速度 模塊中，使用卡爾曼濾波器通過測量值0序列來估計本征狀態(tài)矢量X。令本征狀態(tài)矢量 X = (x, y, ζ, χ, y, ζ, β,勿分別表示ECEF坐標中的三維位置矢量、ECEF坐標中的三維速度矢 量、接收器時鐘誤差和接收器時鐘誤差變化率的鏈接矢量(concatenated vector) 0等式 (6)在鄰域X*處的線性化系統(tǒng)可以寫成X(t+1) = FX(t)+U!+w(12)其中，F(xiàn)是關于本征狀態(tài)矢量X和非線性項U1 = f(X*)_FX*的Jacobian矩陣。第j個衛(wèi)星的等式(6)的測量值可以擴展成Rj = ρ j+c β +νΕ+(13) 對于j = 1，…，J，其中PJ是接收器和第j個衛(wèi)星之間的幾何距離，A'是投射到 從接收器到衛(wèi)星的方向上的第j個衛(wèi)星的速度矢量的投影，C表示光速，λ和f分別是載波 信號的波長和頻率，νΕ, νφ和Vd分別是偽距、載波相位和多普勒偏移的未建模測量噪音，且 Xj> Yj和Zj是ECEF坐標中的第j個衛(wèi)星的三維位置。注意，量和/V取決于本征狀態(tài)矢量X的矢量。換句話說，等式(13)包括關于本 征狀態(tài)矢量X的非線性等式。這些量對本征狀態(tài)矢量X的變化不是非常敏感。在接收器動 態(tài)可用時，使用先前時刻的預測估計值X作為線性化鄰域χ*的中心且用之取代等式(13)中 的本征狀態(tài)矢量X通常就足夠了。因而，當民、Φ」和Dj可用時，可以通過在下文詳述的算 法5中所述的濾波方法來獲得本征狀態(tài)矢量X的更好估計值。等式(13)可以在鄰域X*中線性化為 其中，Oj = [Rj, Φ J5Dj.]t，Hj是關于本征狀態(tài)矢量X和非線性項u2j = h (X*) -HjX*的 等式(13)的Jacobian矩陣。因而，估計獨立位置及速度模塊的關鍵步驟可以在算法5中 概述。所述算法然后在決策菱形塊244確定當前狀態(tài)估計值X(t)和先前狀態(tài)估計值 x(t-l)是否大于閾值Τ。如果當前狀態(tài)估計值X(t)和先前狀態(tài)估計值X(t-1)之間的差大 于閾值T，那么在框248產生I-幀。I-幀編碼當前狀態(tài)估計值X (t)，包括接收器的ECEF位 置和速度。否則，在框246產生D-幀以使用Huffman碼字字典來編碼差X (t)-X (t_l)。下一步驟是在框250計算測量值的建模殘差 然后，在框252，測量建模殘差通過產生M-幀使用Huffman碼字字典來編碼。在框 254的最后步驟中，所有產生的幀傳輸給下部UDP層196。算法5，絕對位置更新給定本征狀態(tài)的先前估計值-1)且其協(xié)方差矩陣測量值0(t)；接收器 的GPS時標tK ；衛(wèi)星星歷表E ；系統(tǒng)動態(tài)等式(4)；測量等式(6)；等式(4)中的噪音項w的 協(xié)方差矩陣Q ；等式(6)中的噪音項ν的協(xié)方差矩陣R。在時間t接收器的絕對位置和速度的更新估計值。1.計算預測值X = /(夕(/一 1))和戶=尸戶0 —1)7^+0。2.開始for循環(huán)對于所有j，1 < j彡J，進行3.接收第j個衛(wèi)星的衛(wèi)星星歷表。4.計算第j個衛(wèi)星的ECEF位置 5.計算
其中Z = [；f, j)，ff
是接收器的ECEF位置的預測值。6.使用等式(7)計算Hj。 7.結束for循環(huán)8.計算 9.使用等式(5)計算修正誤差，即 10.計算修正協(xié)方差 11.計算卡爾曼增益 12.輸出更新估計值
和協(xié)方差矩陣 前述討論僅僅公開和描述了本發(fā)明的示例性實施例。本領域技術人員從這種討論 和附圖以及權利要求將容易認識到可以對本文進行各種變化、修改和變型，而不偏離由所 附權利要求限定的本發(fā)明的精神和范圍。
權利要求
一種確定主車輛和多個其它車輛之間的相對位置和速度的方法，所述方法包括由所述主車輛接收關于其它車輛的位置的GPS信息；建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的加權圖表，其中，所述加權基線限定車輛之間的幾何精度因子；使用所述加權基線來確定主車輛和每個其它車輛之間的最佳基線，其中所述最佳基線是最低幾何精度因子；以及使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度。
2.根據(jù)權利要求1所述的方法，其中建立加權圖表包括使用單基線精確定位算法。
3.根據(jù)權利要求1所述的方法，其中建立加權圖表包括使用多車輛精確相對定位算法。
4.根據(jù)權利要求3所述的方法，其中多車輛精確相對定位算法采用Bellman-Ford算法。
5.根據(jù)權利要求3所述的方法，其中多車輛精確相對定位算法采用Dijkstra算法。
6.根據(jù)權利要求1所述的方法，其中確定最佳基線包括采用狀態(tài)跟蹤濾波器，所述狀 態(tài)跟蹤濾波器估計三個位置和三個速度分量。
7.根據(jù)權利要求6所述的方法，其中所述狀態(tài)跟蹤濾波器接收每個車輛的獨立位置、 衛(wèi)星星歷表信號和GPS觀測信號的雙重差分。
8.根據(jù)權利要求1所述的方法，其中接收GPS信息包括接收衛(wèi)星星歷表、代碼范圍、 載波相位和多普勒頻移觀測信息。
9.一種確定主車輛和多個其它車輛之間的相對位置和速度的方法，所述方法包括 由所述主車輛接收關于其它車輛的位置的GPS信息，所述GPS信息包括衛(wèi)星星歷表、代碼范圍、載波相位和多普勒頻移觀測信息；建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的加權圖表，其 中，所述加權基線限定車輛之間的幾何精度因子，其中，確定幾何精度因子取決于對于該基 線而言共用衛(wèi)星的數(shù)量和共同衛(wèi)星的星座；使用所述加權基線來確定主車輛和每個其它車輛之間的最佳基線，其中所述最佳基線 是最低幾何精度因子；以及使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度。
10.一種確定主車輛和多個其它車輛之間的相對位置和速度的系統(tǒng)，所述系統(tǒng)包括 用于由所述主車輛接收關于車輛位置的GPS信息的裝置；用于建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的加權圖表 的裝置，其中，所述加權基線限定車輛之間的幾何精度因子，其中，幾何精度因子取決于對 于該基線而言共用衛(wèi)星的數(shù)量和共同衛(wèi)星的星座；用于使用所述加權基線來確定主車輛和每個其它車輛之間的最佳基線的裝置，其中所 述最佳基線是最低幾何精度因子；以及用于使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度的裝置。
全文摘要
本發(fā)明涉及用于在多個車輛中進行精確相對定位的方法和設備。使用GPS信息來確定多個車輛相對于主車輛的位置和速度的系統(tǒng)和方法。所述方法包括建立在每個車輛和主車輛之間限定加權基線的車輛和每個其它車輛的圖表，其中，所述加權基線限定車輛之間的幾何精度因子。所述方法然后使用所述加權基線基于最低幾何精度因子來確定在主車輛和每個其它車輛之間的最佳基線。所述方法然后使用所述最佳基線來計算所有車輛和主車輛之間的相對位置和速度。
文檔編號G01S11/02GK101846735SQ20101014316
公開日2010年9月29日 申請日期2010年3月29日 優(yōu)先權日2009年3月27日
發(fā)明者S·曾 申請人:通用汽車環(huán)球科技運作公司