改进的联邦EKF在列车组合定位中的应用

基于联邦扩展卡尔曼滤波器(联邦EKF)的多传感器信息融合技术，提高定位系统的容错能力和滤波精度。由于联邦EKF从局部滤波到全局滤波的融合算法计算量小，数据通信少，使得其在非线性系统中具有较高频率的应用。在传统联邦滤波器框架基础上，引入图论分析法，构建分散式融合模型，改变传统的“局部-中心”融合模式，以提高数据融合的鲁棒性。为保证初始节点选取的可靠性，提出基于总均方误差的加权质心算法，在保证系统总均方误差最小的前提下计算各节点的权值。通过仿真和车载实验表明：在某局部节点出现异常的情况下，本融合框架依旧能保证定位结果的可靠性。