[发明专利]一种抗观测数据干扰的多车协同状态估计方法

说明书

本发明公开了一种抗观测数据干扰的多车协同状态估计方法，主车、协同车分别对目标车进行感知，获得含有异常噪声的目标车状态观测数据。主车作为信息融合中心，对收集到的观测数据进行预处理，得到组合观测数据。基于学生t分布模拟重尾、非高斯的观测噪声可有效抑制异常噪声的影响；初始化状态变量、观测噪声协方差的先验超参数和调节参数；利用变分推断，计算第t次迭代后目标车状态的变分后验分布和观测噪声的变分后验分布；判断目标车状态是否收敛，直至收敛后输出当前时刻k估计的目标车状态；跟踪结束后，输出本次跟踪位置和速度的均方根误差图。本发明的多车协同状态估计方法，通过融入更多观测信息，能有效提高目标车状态估计的精度。

技术领域

本发明属于智能车辆技术领域，涉及车联网的多车协同目标车跟踪方法，尤其是一种抗观测数据干扰的多车协同目标车跟踪方法。

背景技术

周边车辆运动状态的准确估计是汽车辅助驾驶系统研究领域的关键技术之一，其关键在于如何有效地从观测数据中过滤噪声以提取目标车的真实运动状态。随着传感器技术与通信技术的发展，多传感器被引进到辅助驾驶系统中进行环境感知。多源信息融合技术不仅能够解决不同传感器所获得的信息融合问题，还能改善状态估计性能。目前，主要利用GPS/导航、摄像头和雷达等多种传感设备来估计道路车辆的运动状态。

非线性最优滤波被广泛应用于多源信息融合，可以由递推贝叶斯方法统一描述。核心思想是基于获得的观测值计算非线性系统状态向量的后验概率密度函数。对于线性系统来说，最优贝叶斯滤波的闭合解由卡尔曼滤波方程描述；对于非线性系统，由于需要处理复杂的积分问题，想要获得精准的最优滤波闭合解非常困难。

随着车联网及通信技术的快速发展，基于车-车(V2V)或车-基础设施(V2I)通信的网联式协同感知引起广泛关注。我国主推的C-V2X成为全球范围内车联网行业的事实标准，其低延迟、高带宽等优点能够满足多车协同感知的可靠性要求。

实际道路交通环境下，单车跟踪易受感知信息不完整、目标车遮挡以及环境噪声的影响，导致目标车状态估计的误差较大。

发明内容

为了解决传统目标跟踪只依赖单个车载传感器观测数据难以准确估计车辆状态的问题，本发明提出了一种抗观测数据干扰的多车协同状态估计方法。利用学生t分布对观测噪声建模，以缓解异常数据对目标状态估计的影响，并结合多车对同一目标车的观测数据，基于变分贝叶斯推断的方法，估计观测噪声参数和超参数，同时结合扩展卡尔曼滤波估计出目标车状态。

为了实现上述技术问题，本发明所采用的技术方案如下：

一种抗观测数据干扰的多车协同状态估计方法，包括如下步骤：

步骤1：主车、协同车按照各自频率分别对目标车进行感知，继而分别获得含有噪声的目标车状态观测数据；同时，协同车将协同车的自车状态以及协同车所感知的目标车状态观测数据发送给主车；

步骤2：主车作为信息融合中心，将主车收集到的目标车状态观测数据以及协同车发送的目标车状态观测数据进行时间同步和坐标转换处理，得到经过预处理后的组合观测数据；为抑制异常噪声对观测数据的影响，基于学生t分布模拟重尾、非高斯的观测噪声；

步骤3：在k＝0时刻，初始化状态变量表示x₀服从均值m₀和协方差P₀的高斯分布；初始化观测噪声协方差(u₀Λ₀)^-1的先验超参数其中，u₀，Λ₀分别为初始自举变量值、初始精确度值，均为初始先验超参数；

步骤4：利用扩展卡尔曼滤波器，预测k时刻的目标车状态分布表示x_k|k-1服从均值协方差的高斯分布；预测k时刻观测噪声协方差(u_k，Λ_k)^-1的先验超参数和