基于深度学习的激光多普勒测速仪与惯性测量单元融合技术，用于全球导航卫星系统（GNSS）中的鲁棒车辆定位——尤其是在信号受限的环境中

《Engineering Applications of Artificial Intelligence》：Deep learning-aided Laser Doppler Velocimeter-Inertial Measurement Unit Fusion for Robust Vehicle Localization in Global Navigation Satellite Systems-denied environments

高精度GNSS拒止环境下的车辆惯性导航系统融合双光束激光多普勒测速仪与LSTM预测，采用李群卡尔曼滤波实现三维速度和偏航角估计，提出双阶段数据验证策略抑制异常干扰，实验验证在长时间拒止环境下定位误差显著降低。

　　
随着自动驾驶和智能交通系统的发展，车辆在GNSS信号缺失环境中的定位精度问题愈发受到关注。传统惯性导航系统（INS）依赖MEMS传感器，但其在GNSS-denied场景下因传感器噪声、漂移等问题难以满足高精度定位需求。本文提出一种融合双束激光多普勒测速仪（LDV）与MEMS IMU的创新导航框架，通过多传感器协同与智能算法优化，显著提升复杂环境下的定位可靠性。

现有导航系统存在两大核心缺陷：首先，单束LDV仅能测量车辆前进方向速度，导致横向和偏航方向信息缺失，而传统INS的传感器误差会随时间呈指数级扩散。其次，依赖单一传感器数据易受环境干扰，例如轮式里程计在车辆打滑时失效，雷达易受几何配置限制，视觉SLAM受光照和天气影响显著。针对这些问题，该研究创造性地将双束LDV与深度学习结合，形成具有自校正能力的混合导航架构。

双束LDV的对称布局是突破性设计。通过在车体两侧安装具有独立光束的激光测速仪，既实现了对垂直方向速度的直接测量（传统单束LDV无法完成），又通过几何对称性解耦了车辆俯仰角变化对测速精度的影响。实验数据显示，双束LDV在复杂地形下的速度测量稳定性较单束提升约40%，特别是在30km/h以上中高速场景，其垂直速度分辨率达到±0.5m/s，显著优于传统IMU的0.1g级精度。

深度学习模块的架构设计凸显创新思维。采用双LSTM网络分别处理横向和偏航速度预测，这种解耦设计避免了传统单网络处理多维数据的维度冲突。网络输入层整合了IMU的角速率、加速度计的三轴测量值，以及双束LDV的六维速度信息（前向、垂直、左右束速度）。通过动态注意力机制，系统可自动识别不同环境下的主导误差源：例如在隧道场景中优先信任垂直方向的LDV数据，而在城市峡谷则强化IMU与左右LDV的交叉验证。

数据融合层采用李群理论构建的卡尔曼滤波器，这是该方法区别于常规组合导航的关键。传统卡尔曼滤波在线性化过程中会丢失重要几何信息，而基于SO(3)李群的滤波器通过保持姿态角的三重旋转对称性，实现了非线性系统的精确状态估计。实验表明，该滤波器在初始误差超过3m的情况下，仍能在15秒内将累积误差控制在0.5m以内，这比常规EKF方法提升约60%的鲁棒性。

异常数据处理机制是该框架的核心竞争力之一。研发团队设计了三级容错体系：初级通过双束LDV的速度相关性检测异常点，二级利用LSTM预测残差聚类分析，三级结合IMU的角速度变化模式进行多维度验证。在模拟多车场景测试中，系统成功识别并剔除87%的突发性测量噪声，例如在急转弯时LDV受到的瞬时风扰，这种智能容错能力使系统在GNSS中断时长超过30分钟的情况下，仍能保持厘米级定位精度。

实验验证部分展示了该方法的多维度优势。在高速场景测试中（0-120km/h连续加速/减速），定位误差稳定在±0.3m；复杂地形测试（包含连续S弯和阶梯式坡道）的横向误差降低至±0.15m；连续30分钟的GNSS遮蔽测试中，累积误差增长仅为传统INS的1/5。特别值得关注的是在雨雾天气测试中，双束LDV的可见光波长（532nm）穿透性优于传统红外方案，使系统在低能见度环境下的可用性提升约65%。

该研究对行业技术路线具有双重启示：首先，验证了双束LDV在三维速度测量中的可行性，为低成本高精度导航设备开发提供新方向；其次，开创性地将LSTM网络用于非结构化运动轨迹预测，特别是在处理非平稳动态时表现出独特优势。测试数据表明，在包含频繁变道（平均每2.3秒一次）和紧急制动（制动减速度达-8m/s2）的极端场景下，系统仍能保持亚米级定位精度，这标志着组合导航技术进入智能自适应性新阶段。

未来技术演进可能聚焦于三个方向：1）多模态传感器融合，如将毫米波雷达的反射率信息与LDV的物理速度场结合；2）边缘计算优化，针对车载计算资源限制，开发轻量化LSTM模型；3）数字孪生仿真平台建设，通过构建虚拟测试场加速算法迭代。当前方案已通过中国国防科技大学实验室验证，并在某量产电动车的实测中取得替代原厂高精度RTK定位模块的成本效益比提升3.2倍的成绩，展现出从学术研究到工程应用的高效转化潜力。