4.3　定位传感器建模与仿真

GNSS传感器和IMU传感器定位中主要有如下几种噪声。

① 高斯白噪声：噪声功率谱密度均匀分布；幅值对时间的分布满足正态分布；分布在高频。

② 粉红噪声：功率谱密度与频率成反比（1/f ），分布在中低频。

③ 褐色噪声：功率谱密度与频率平方成反比（1/f 2），分布在低频。

各种噪声在时域上长期作用，就形成了一种偏差。仿真时可以把GPS和IMU传感器的误差表示为偏差+噪声。

4.3.1　GNSS传感器建模与仿真

GNSS传感器误差：各种误差可以对应为GPS传感器的等效距离误差。

GNSS传感器卫星误差：卫星时钟误差，星历误差，相对论效应。

信号传播误差：电离层及对流层折射，多路径误差。

接收设备误差：接收时钟误差，天线相位误差[4]。

这些误差在时间上积累，短期表现出随机行走的特征；长期则表现出一定的周期性，其中，年周期性比较明显。

GNSS传感器仿真初步可以使用如下公式：

y=y0+rt+PeriodicTimeNoise(t)+gaussMarkovNose(t)+gaussianNoise( )

式中，y0为GPS传感器真值；rt为随时间缓慢变化的线性偏差；PeriodicTimeNoise(t)为以年为单位的周期性变化，初相值由用户误差输入控制；gaussMarkovNose(t)为高斯马尔可夫过程噪声（模拟粉红噪声）；gaussianNoise( )为高频的高斯白噪声。

4.3.2　IMU传感器建模与仿真

IMU传感器误差主要包括加速度计的误差和陀螺仪的误差。

漂移误差包括静止时和启动时的漂移形成的偏差[5]。

设备的刻度因素及低端IMU传感器中的机械灵敏度，以及温度变化引起的误差、安装误差等。

IMU传感器的累计噪声比较明显，特别是在GPS传感器信号丢失的情况下。我们初步可采用如下公式计算：

y=y0+bias+LinearTimeNoise(t)+gaussMarkovNose(t)+randomWalkNoise(t)

式中，bias为上述误差综合起来形成的一定偏差。IMU传感器定期基于GPS传感器结果做修正，所以bias最低为GPS传感器定位的误差。LinearTimeNoise(t)为IMU传感器随着时间而累积的误差，特别是当GPS传感器不工作且陀螺仪有角速度时，误差会变大。randomWalkNoise(t)为随时间积累的随机行走噪声（褐色噪声）。

初步可假设各个维度误差线性无关，以此来简化模型。用户可控制参数为：水平位置误差（x, y)，垂直位置误差（z），速度误差（v），角度误差（deg）。

4.3.3　视觉传感器建模与仿真

为视觉定位传感器建模与仿真，可基于特征的目标差异筛选方法[6]，对仿真场景中的目标进行识别；建立图像坐标与空间距离的映射关系，利用该映射关系建立计算目标之间的空间距离，进行车辆定位。清华大学车辆与运载学院杨殿阁教授团队提出一种基于商用高精地图及量产车型单目相机即可实现车辆20cm+精度的定位方法[7]，利用该技术有望为高精度定位算法提供低成本的解决方案。该定位方法的原理为：从单目相机中提取定位特征，与轻量化的商用矢量高精地图进行匹配，通过光束平差进行六自由度相机位置、姿态的解算，得到相机在绝对地理坐标系下的定位结果。灯杆、车道线、建筑物边缘、交通指示牌等高精地图中包含的定位特征均可作为与相机进行匹配定位的特征。