[发明专利]基于递归快速正交搜索的列车组合定位方法及系统

权利要求书

1.一种基于递归快速正交搜索的列车组合定位方法，其特征在于，包括：

获取实时数据；

构建系统非线性误差模型；

判断卫星信号是否良好；

若卫星信号良好，则使用扩展卡尔曼滤波算法对所述实时数据进行融合，并且将扩展卡尔曼滤波算法的预测值作为输入，系统非线性误差模型的非线性速度误差作为输出，对系统非线性误差模型进行模型训练；

如在卫星信号较差，则使用递归正交搜索算法对系统非线性误差模型进行在线建模，结合所述扩展卡尔曼滤波算法的预测值对系统非线性误差模型的非线性速度误差进行估计，从而补偿输出的速度信息，并利用补偿后的速度信息计算当前的位置信息，从而得到修正后的速度和位置信息。

2.根据权利要求1所述的基于递归快速正交搜索的列车组合定位方法，其特征在于，所述获取实时数据中，所述实时数据，包括：

惯性传感器数据和卫星定位数据。

3.根据权利要求2所述的基于递归快速正交搜索的列车组合定位方法，其特征在于：

所述卫星定位数据，包括：经度、纬度、高度、东向速度、北向速度和天向速度；

所述惯性传感器数据，包括：三轴加速度信息和三轴陀螺信息。

4.根据权利要求2所述的基于递归快速正交搜索的列车组合定位方法，其特征在于，所述获取实时数据之后，还包括对所述惯性传感器数据进行解算，从而得到定位信息。

5.根据权利要求4所述的基于递归快速正交搜索的列车组合定位方法，其特征在于，所述若卫星信号良好，则使用扩展卡尔曼滤波算法对所述实时数据进行融合，并且将扩展卡尔曼滤波算法的预测值作为输入，系统非线性误差模型的非线性速度误差作为输出，对系统非线性误差模型进行模型训练中的使用扩展卡尔曼滤波算法对所述实时数据进行融合，具体为：使用扩展卡尔曼滤波算法将所述卫星定位数据与所述定位信息进行融合。

6.根据权利要求1所述的基于递归快速正交搜索的列车组合定位方法，其特征在于：所述非线性速度误差为：

ΔV＝V_INS-V_GPS-δV_EKF，

其中，ΔV为系统非线性误差模型的非线性速度误差；V_INS为对惯性传感器数据进行解算得到的速度，V_GPS为卫星测量得到的速度，δV_EKF为扩展卡尔曼滤波算法的速度误差。

7.根据权利要求1所述的基于递归快速正交搜索的列车组合定位方法，其特征在于：所述构建系统非线性误差模型，具体为构建高阶误差模型。

8.根据权利要求1所述的基于递归快速正交搜索的列车组合定位方法，其特征在于：所述扩展卡尔曼滤波算法，包括：

设定扩展卡尔曼滤波算法的状态方程和观测方程；

计算状态初始值，设定误差协方差矩阵；

计算所述状态方程中状态转移函数的雅可比矩阵；

基于所述状态转移函数的雅可比矩阵计算状态向量一步预测误差方差矩阵；

计算所述观测方程中量测函数的雅可比矩阵；

基于所述量测函数的雅可比矩阵和状态向量一步预测误差方差矩阵计算状态增益矩阵；

基于所述状态增益矩阵得到k时刻状态向量估计值；

基于所述k时刻状态向量估计值、所述状态增益矩阵和所述量测函数的雅可比矩阵更新误差协方差矩阵。

9.一种基于递归快速正交搜索的列车组合定位系统，其特征在于：运行权利要求1至8任一所述的方法，包括，

GNSS数据采集模块、惯导数据采集模块、GNSS数据逻辑模块、惯导数据逻辑模块和数据融合模块，所述GNSS数据采集模块获取的卫星定位数据经GNSS数据逻辑模块输入至数据融合模块，所述惯导数据采集模块获取的惯性传感器数据经惯导数据逻辑模块输入至数据融合模块。

10.根据权利要求9所述的基于递归快速正交搜索的列车组合定位系统，其特征在于，还包括：

数据输出模块和电源模块，所述数据融合模块的输出端与所述数据输出模块的输入端电连接；所述电源模块为系统提供电源。