利用多头测量模型的概率状态跟踪的制作方法

本发明总体涉及定位系统，诸如全球定位系统(global positioning system，gps)或准天顶卫星系统(quasi-zenith satellite system，qzss)，并且更具体地，涉及使用信息的非同步协作来解析车辆状态。

背景技术：

1、全球导航卫星系统(global navigation satellite system，gnss)是一种可用于确定移动接收器相对于地球的地理位置的卫星系统。gnss的示例包括gps、galileo、glonass、qzss和北斗。已知各种全球导航卫星(gns)校正系统，其被配置用于从gnss卫星接收gnss信号数据，处理这些gnss数据，从gnss数据计算gnss校正以及将这些校正提供给移动接收器，目的是实现移动接收器的地理位置的更快和更准确计算。

2、已知各种位置估计方法，其中，位置计算基于基于地球的gnss接收器对所谓的伪距离和载波相位可观测属性(observable)的重复测量结果。“伪距离”或“代码”可观测属性表示gnss卫星信号的发送时间与该卫星信号的本地接收时间之间的差异，因此包括卫星的无线电信号覆盖的几何距离。所接收的gnss卫星信号的载波与接收器内部生成的这种信号的副本之间的对准的测量结果提供了用于确定卫星与接收器之间的视距的另一信息源。相应的可观测属性被称为“载波相位”，它表示由于发送卫星和接收器的相对运动而导致的多普勒频率的积分值。

3、任何伪距观测都包括不可避免的误差贡献，其中包括接收器和发送器时钟误差、以及由大气的非零折射率、仪器延迟、多路效应和检测器噪声引起的额外延迟。任何载波相位观测另外包括未知整数数量的信号周期(即，整数数量的波长)，其在已经获得对该信号对准的锁定之前已经过去。该数量被称为“载波相位模糊度”。通常，可观测属性被测量，即，由接收器在离散连续时间进行采样。测量可观测属性的时间的索引被称为“历元”。已知位置确定方法通常涉及基于针对在连续历元采样的可观测属性的测量结果的距离和误差分量的动态数值估计和校正方案。

4、当连续跟踪gnss信号并且没有发生锁定丢失时，在跟踪阶段开始时解决的整数模糊度可以在整个gnss定位跨度内被保持。然而，gnss卫星信号可能偶尔被遮蔽(例如，由于“城市峡谷”环境中的建筑物)，或暂时被阻挡(例如，当接收器从桥下经过或穿过隧道时)。通常，在这种情况下，整数模糊度值会丢失，并且必须被重新确定。这个处理可能需要几秒钟到几分钟。事实上，在伪距或载波相位的一个或更多个测量结果中存在显著多径误差或未建模系统偏差，这可能使现有商业定位系统难以解析模糊度。随着接收器间隔(即，参考接收器和位置正在被确定的移动接收器之间的距离)的增加，距离依赖偏差(例如，轨道误差以及电离层和对流层效应)也会增加，因此，可靠模糊度解析(或重新初始化)将成为更大的挑战。此外，由于接收器对信号的连续相位锁定的中断，也可能发生锁定丢失，这被称为周跳。例如，周跳可能是由功率损失、接收器软件的故障或故障卫星振荡器引起的。此外，通过改变电离层条件也可能导致周跳。

5、gnss增强是指用于改进全球定位系统或其它全球导航卫星系统(通常是用于导航的卫星网络)提供的定位信息的准确度的技术。例如，一些方法使用基于卫星之间的差分化、接收器之间的差分化、历元之间的差分化以及它们的组合的差分化技术。卫星和接收器之间的单差和双差减少了误差源，但并不能消除它们。

6、因此，需要提高gnss定位的准确度。为了解决这个问题，许多不同的方法使用多个gnss接收器的协作来提高gnss定位的准确度。然而，为了进行适当协作，多个gnss接收器需要同步，并且它们的操作需要受到限制。例如，美国专利9476990描述了通过多个机械连接的模块进行的协作gnss定位估计。然而，对协作增强gnss定位的准确度的这种限制并不总是切实可行的。

技术实现思路

1、一些实施方式基于这样的认识，即，基于从全球导航卫星系统(gnss)接收的卫星信号跟踪车辆状态的当前方法假设基于车辆的内部模块的单独或集中估计，或者假设以紧密控制和/或同步方式执行状态估计的分布式估计。这种分布式估计的示例包括确定状态跟踪的不同方面并通过达成共识来估计车辆状态的分散式系统、独立地跟踪系统的状态同时一种类型的跟踪比另一种类型的跟踪占主导的不平衡系统、以及包括优选地彼此位于固定距离处的多个同步gnss接收器的分布式系统。

2、当移动车辆的内部模块使用外部确定的一些附加信息时，一些实施方式认识到协作状态跟踪的优点。然而，一些实施方式基于这样的外部信息并非总是可用的认识。因此，当跟踪由车辆的内部模块执行时，需要协作但非同步状态跟踪，但是当这种信息可用时，可以无缝地集成外部信息。

3、一些实施方式基于递归地跟踪车辆状态的各种概率性滤波器包括两部分的实现。第一部分估计车辆状态的样本，第二部分基于这些估计的样本更新状态的概率分布。乍一看，这两个部分被集成在一起，因为一个部分的执行离不开另一个部分。然而，一些实施方式基于这样的认识，即，这两个部分通过因果依赖性而不是时间依赖性来关联。具体而言，概率更新取决于状态样本估计的存在，在这种意义上，当估计新的状态样本时，其到达应该触发更新。然而，何时以及如何估计状态样本与概率分布的更新无关。

4、一些实施方式利用这种理解来对概率状态估计和更新部分消除歧义。这种消除歧义允许重新使用概率更新，而不管状态样本被估计的时间和方式如何。因此，状态估计可以由车辆的内部模块基于gnss测量结果来确定，或者当车辆外部的模块可用时由车辆外部的模块来确定。不管状态估计的原理如何，概率更新都以相同的方式操作，并且其质量不是取决于新信息的到达频率，而是取决于其估计的质量。以这种方式，内部和外部状态估计器可以以非同步方式操作。

5、基于这些理解，一些实施方式公开了一种多头测量模型，该多头测量模型允许概率性滤波器使用不同的源来更新车辆状态的置信度。多头测量模型包括产生不同类型输出但具有相同概率结构的多个路径。例如，在一些实现中，多头测量模型包括两个头部。第一头部将卫星信号的测量结果与经受测量噪声的车辆的状态的置信度相关联，并且第二头部将车辆状态的估计与经受估计噪声的车辆的状态的置信度相关联。因此，测量模型包括不同的信息和不同类型的噪声，但是具有概率性滤波器可接受的相似结构，从而允许单独或联合使用不同头部的输出。

6、以这种方式，在一些实施方式中，概率性滤波器在每个更新步骤根据经受处理噪声的车辆的状态转变的运动模型递归地传播车辆状态的概率分布的参数，并且在接收到多头测量模型的第一头部和多头测量模型的第二头部的一者或组合的输出时更新概率分布的参数。

7、例如，第一头部允许使用具有影响状态估计的准确度和/或质量的特定不确定性、偏差和模糊度的gnss测量结果来更新车辆状态的置信度。第一头部的输出与概率性滤波器的更新频率通常是可用的。相反，第一头部允许使用外部信息来更新车辆状态的置信度，该外部信息可以仅偶尔被接收，但可以具有更高的状态估计准确度。例如，第二头部可以处理从外部测量模块接收的状态估计。因此，第二头部可以不那么频繁地接收信息，但是不管多头测量模型的第一头部和/或第二头部的执行频率如何，第一头部和第二头部的输出都无缝地集成在一起，而不会破坏概率性滤波器的概率性保证。

8、一些实施方式基于这样的理解，即，外部测量模块可以是被动的、主动的或两者兼有。在被动模式中，外部测量模块接收独立于由内部测量模块执行的gnss测量确定的车辆状态的估计。例如，车辆可以通过路边单元(roadside unit，rsu)附近，该路边单元被配置为使用各种遥测技术来估计车辆的状态。在主动模式中，车辆可以向远程服务器(也可以是rsu)发送车辆状态的当前信息，并且作为响应接收基于内部测量结果的校正而作出的外部测量结果。这里，当前信息包括车辆的状态估计的均值、车辆状态的估计的协方差、由内部测量模块用来更新其内部状态的一组代码和载波相位测量结果。

9、为此，一些实施方式的目的是提供一种适用于由概率状态估计使用的车辆状态的协作但非同步估计。一些实施方式的另一个目的是当外部主动模块以可能不同于内部概率性滤波器执行的更新速率执行时提供这种协作的非同步估计。

10、一些实施方式基于这样的认识，即，gnss定位问题涉及根据从一颗或更多颗卫星星座接收的一组代码和载波相位测量结果来估计接收器的状态。所涉及的测量方程是时变的，在接收器的位置上是非线性的，并且结合各种偏差和整数模糊度。在载波相位测量结果中，存在被称为模糊度(ambiguity)的整数偏差，这是每颗卫星的每个载波相位测量结果所独有的。当考虑到这些时间偏差时，它们遵循整数跳跃处理，在偶尔且相互独立地跳跃到新整数值之前保持不变，通常称为“周跳”。因此，gnss定位问题可以被视为混合整数gnss定位问题，它解决了大小不断增加的混合整数问题(每个时间步长都包含新整数偏差)，并且需要仔细考虑如何最好地松弛该估计问题，以使最终算法能够实现。

11、一些实施方式基于这样的认识，即，在概率性滤波器的设置中，使得由例如周跳引起的整数模糊度的不确定性被反映到车辆状态的概率分布的第二矩(moment)(即，协方差)中。为此，为了受益于外部测量模块的主动模式，一些实施方式发送概率分布的参数以允许远程服务器校正该信息。远程服务器可以从附近的其它车辆收集类似信息，融合接收到的信息以校正车辆状态的概率分布的参数，并将更新后的概率参数发送回车辆。在接收到更新后的概率参数后，外部测量模块估计与更新后的参数一致的当前时刻的车辆状态，并触发概率性滤波器的执行。例如，外部测量模块可以基于车辆的运动模型在时间上传播概率分布的均值，对由传播的均值和接收到的方差定义的更新后的概率分布进行采样，并且使用具有采样状态估计的概率性滤波器来更新车辆状态的概率分布。

12、在一些实施方式中，车辆的状态包括来自特定卫星的与车辆的载波相位测量结果相关的整数模糊度、车辆的位置、车辆的速度、以及对大气(例如，电离层和对流层)延迟进行建模的残差状态。例如，一些方法使用基于卫星之间的差分化、接收器之间的差分化、历元之间的差分化以及它们的组合的差分化技术。卫星和接收器之间的单差和双差减少了误差源，但没有消除它们，从而降低了状态估计的准确度。

13、一些实施方式基于这样的认识，即，忽略状态偏差(诸如，电离层误差)可能导致状态估计的轻微不准确。这是因为偏差通常通过gnss测量结果的单差或双差来消除。当车辆的位置估计的期望准确度在米的数量级时，该解决方案工作良好，但当期望准确度在厘米的数量级时，这可能是一个问题。为此，一些实施方式包括车辆状态中的状态偏差，并将其确定为由概率性滤波器提供的状态跟踪的部分。

14、一些实施方式基于这样的认识，即，当在远程服务器处确定的外部状态估计足够准确时，能与外部服务器非同步但协作通信的多头测量模型可以解决状态估计的准确度的问题。然而，该服务器仍然需要以期望准确度来确定状态。

15、一些实施方式认识到，对于单个车辆来说，准确地确定大气时间延迟可能是不切实际的，因为对于单个车辆，概率性滤波器需要解决整数模糊度和大气延迟中的不确定性两者。然而，对于足够接近(例如2-10km)的车辆，大气延迟是彼此相似的。因此，对于从多个车辆收集类似信息的外部主动模块，不同车辆的状态之间存在显著交叠，使得外部测量模块可以以单个车辆的概率性滤波器不能实现的方式更新单个车辆的状态。例如，电离层状态偏差可以在彼此接近的车辆之间被共享。

16、附加地或另选地，一些实施方式基于这样的认识，即，由概率性滤波器确定的状态估计的不准确度可能由模糊度和残余延迟引起，也可能由测量噪声引起。一些实施方式基于这样的认识，即，当协作地确定多个车辆的状态时，车辆的状态可以交叠也可以不交叠，模糊度或延迟可以交叠也可以不交叠，但是不同车辆的测量噪声具有可以通过协作状态估计来探索的相关性。例如，不同对车辆的测量结果中的误差可能相互关联。

17、为此，一些实施方式基于将来自不同车辆的信息组合到增强域中的增强概率性滤波器来执行多个车辆的概率跟踪。例如，增强概率性滤波器将多个车辆的状态融合成增强状态，将多个车辆的卫星信号的测量结果融合成经受由非对角线协方差矩阵定义的增强测量噪声的增强状态的增强测量结果。该非对角线协方差矩阵具有捕获不同车辆的测量噪声之间的相关性的非零非对角线元素。这种相关性是增强概率性滤波器可以探索以用于联合跟踪多个车辆的状态的附加信息。

18、在一些实施方式中，概率性滤波器是混合整数最小二乘卡尔曼滤波器，其中，非线性测量方程围绕其当前估计被线性化，从而产生混合整数扩展卡尔曼滤波器。其它实施方式认识到ekf中的线性化可能是不准确的。因此，在一些实施方式中，概率性滤波器是混合整数线性回归卡尔曼滤波器。这样的滤波器更准确地表示概率分布的第一矩和第二矩，但在计算上明显更昂贵。

19、在一个实施方式中，可以认识到，车辆状态的部分(例如，整数模糊度)在模型中是线性的，但位置是非线性的。因此，第一矩和第二矩的部分可以以分析的方式来确定，而其它部分则用线性回归卡尔曼滤波器估计。

20、gnss定位问题可以被视为混合整数gnss定位问题，它解决了尺寸不断增加的混合整数问题(每个时间步长都包含新整数偏差)，并且需要仔细考虑如何最好地松弛该估计问题，以使所得到的算法可实现。特别是对于组合来自多个车辆的信息时的状态的外部估计，由此产生的估计问题将是非常高维度的，因此计算成本很高。

21、在一些实施方式中，松弛(relaxation)是通过确定两个相关但独立的概率分布来解决的，其中一个分布只考虑实值参数，即，忽略模糊度实际上是整数，而第二个分布是基于通过解决优化问题从第一个分布确定的整数模糊度来确定的。

22、因此，一个实施方式公开了一种概率性系统，其用于使用从由全球导航卫星系统(gnss)发送的卫星信号接收的信息和通过射频(radio frequency，rf)信道发送的信息的非同步协作来跟踪车辆状态。所述概率性系统包括存储器，存储器被配置为存储将传入的测量结果与车辆状态相关联的概率性多头测量模型，其中，概率性多头测量模型包括将经受测量噪声的卫星信号的测量结果与车辆状态的置信度相关联的第一头部、以及将经受估计噪声的对车辆的状态的估计与车辆状态的置信度相关联的第二头部；以及至少一个处理器，该至少一个处理器被配置为处理概率性系统的模块的可执行指令。

23、概率性系统的模块包括：gnss测量模块，其可操作地连接到gnss接收器，并且被配置为确定卫星信号的测量结果和测量噪声；rf测量模块，其可操作地连接到车辆的rf接收器并且被配置为接收指示车辆状态的估计和估计噪声的数据；以及概率性滤波器，其被配置为递归地更新车辆状态的概率分布的参数，以基于多头测量模型产生车辆状态的置信度，所述多头测量模型接受经受测量噪声的卫星信号的测量结果和经受估计噪声的车辆的状态的估计中的一者或者组合。