2．1．2 定位方案

　　根據以上對GPS和DR定位特點的分析，本方案采取多傳感器組合定位技術，即各種定位技術互相補充的方案。在鐵路線路區(qū)間，當GPS信息連續(xù)時在機車頭部安裝的GPS接收機將GPS信息送給定位系統(tǒng)，GPS信息作為主信息，DR信息和查詢應答器信息作為校驗信息，三者聯合濾波后給出最優(yōu)的定位估計信息。

　　遇到“城市峽谷“等障礙區(qū)時，GPS信號會消失或減弱，這時采用DR信息作為主信息。GPS失效前一點位置正好可以作為DR的初始位置，有了初始位置以后，利用里程儀和陀螺儀就可以對下一時刻列車的位置做出估計。

　　列車進入車站后，由于股道線間距很小，GPS和DR的定位精度已經不能很好的表現出股道的差異，因此采用查詢應答器來獲得列車在站內的定位信息。此時查詢應答器信息作為主信息，而GPS信息和DR信息作為校驗信息。

　　2．2 數據融合方法

　　該方案最核心的問題就是系統(tǒng)基于數據融合的定位算法的設計。在列車測速定位領域應用的數據融合方法有判斷檢測理論、估計理論、數據關聯等，而應用最廣泛的就是估計理論中的卡爾曼濾波方法。與其他估計算法相比，卡爾曼濾波具有顯著的優(yōu)點：采用狀態(tài)空間法在時域內設計濾波器，用狀態(tài)方程就可以描述任何復雜多維信號的動力學特性，避開了在頻域內對信號功譜做分解帶來的麻煩，濾波器的設計簡單易行，采用遞推算法。所以卡爾曼濾波能適用于任何平穩(wěn)或非平穩(wěn)隨機向量過程的估計，所得估計在線性估計中精度最佳。目前已經開發(fā)的濾波算法包括線性卡爾曼濾波，擴展卡爾曼濾波以及聯邦卡爾曼濾波。該方案采用聯邦卡爾曼濾波進行數據融合。

　　2．2．1 數據融合的聯合卡爾曼濾波模型

　　此濾波算法中，取βm=0，即主濾波器沒有信息輸入，進一步優(yōu)化系統(tǒng)，減少了運算量。

　　2．2．2 系統(tǒng)濾波算法步驟

　　(1)由局部濾波器l處理GPS接收機輸出的列車位置信息，并給出狀態(tài)估計x1和估計誤差的協方差矩陣p1；

　　(2)局部濾波器2處理陀螺儀和里程儀輸出的角度信息x2和列車運行距離信息，給出狀態(tài)估計和估計誤差的協方差矩陣p2；

　　(3)局部濾波器3處理查詢應答器輸出的進路長度等信息，給出狀態(tài)估計x3和估計誤差的協方差矩陣p3；

　　(4)x1，x2，x3，及p1，p2，p3被送到主濾波器，并同主濾波器的狀態(tài)估計一起按式(1)和式(2)進行融合，得到全局最優(yōu)估計和協方差矩陣

　　(5)利用主濾波器的最優(yōu)估計值對3個子濾波器的狀態(tài)估計進行重置。即