第一章 緒論
1.1
研究動機行車記錄器(Event Data Recorder，EDR)，擁有類似飛機的黑盒子紀錄器的功 能，可以連續記錄車輛瞬間的行駛速度、行徑軌跡、車輛方向、影像與時間，在 交通意外發生時，扮演著相當重要的角色。不僅能幫助相關單位能快速釐清事故 發生的經過，同時也保護了駕駛自身的權益。隨著科技的進步與各國政府法規的 大力推動下，行車紀錄器的發展越發蓬勃。
然而目前市面上銷售的行車記錄器中，絕大多數是以攝影機效能為主打，強 調的是鏡頭拍攝的最大廣角角度與 CMOS 元件的感光能力，但在現今的法律中，
行車記錄器的影像畫面僅能做為輔佐證據，法律規範的效力上相當有限。即便少 數產品中有搭載重力計(G-sensor)，其重力計的功能也僅用於偵測碰撞的發生，
並未有任何軌跡記錄的功用。
在未來，行車記錄器若是能更佳完善地與慣性儀系統整合，記錄更精準的運 動軌跡，相信能加速推動行車記錄器在法律規範或是交通安全層面上的落實發展，
保障社會上更多人的權益。
1.2
研究目標本論文研究目標為利用 GNSS/INS 整合系統，進行車輛運動軌跡、速度與 車輛姿態的估測。一般來說，GNSS/INS 整合系統都是應用在即時導航上，所面 臨的技術問題是線上估測雜訊的方法，它影響到導航定位的精準度，造成導航上 的誤差。然而在行車紀錄器的應用中並不講求即時導航，而是講求更精準的運動
2
軌跡、速度與姿態估測以還原事發真相。為達此目標，本研究將致力於離線估測 雜訊的方法，期望藉由較精準的雜訊估測，達到更精準的運動軌跡紀錄。
1.3
文獻回顧大多數論文使用卡爾曼濾波器時，利用事前的統計，將雜訊的共變異矩陣 假設為已知的常數項。在雜訊標準差不太會隨著環境與時間改變的應用下，這個 假設是合理的，系統狀態的估測結果也相當不錯。然而在雜訊標準差容易變化的 應用中，卡爾曼濾波器必須要有能適應性調變的能力，才能針對其改變做出對系 統狀態更佳的修正。本節整理了三種目前常見的基於創新序列(innovation
sequence)的適應性調變卡爾曼濾波器演算法以及其它文獻適應性估測雜訊的方 法。創新序列為不同取樣時間下，實際量測值減去系統預測之量測值的差量，
z zˆ
，所累積的一段序列資訊。
第一種為基於調變過程雜訊比例的適應性估測法[7]，加入了一個參數S ，k 利用當下與統計區間內的創新序列值做比較，可適應性調變卡爾曼濾波器中過程 雜訊的共變異矩陣Q 的權重，而影響卡爾曼增益(Kalman Gain)於量測項與系統k 預測項間的權衡。若Sk 1，則表示系統處於較不穩定的狀態，因此放大過程雜
訊，使量測項有更多的權重。Sk 1為一般的卡爾曼濾波器。Sk 1表示系統處 於較穩定的狀態，使系統端有更多的權重，[17]也利用類似概念推導適應性調變 的強健濾波器。
第二種為基於多個模型的適應性估測法(Multiple Model Adaptive Estimation，
MMAE)[10]，此方法早在 1965 年即被提出，利用了多個不同模型的卡爾曼濾波 器同時做平行運算，以不同模型下高斯分布之創新序列的機率密度函數
(Probability Density Function)，算出每個時刻該模型被相信的程度後，再與各模
3
型算出的結果做加權。此方法的優點為在多個模型之中，若其中有一個模型描述 較為精準的情形下，該模型的相信機率值會快速的收歛到 1，其它模型的相信機 率則收歛至 0，但缺點為若在多個模型之中沒有一個模型能精準描述，則此方法 的收歛速度相當的慢。由於此方法運算量相當可觀，且必須對模型有一定程度的 了解，因此實用性並不高。在目前介紹的兩個方法中，雖然具有適應性調變的能 力，但都未對雜訊共變異矩陣Qk與Rk直接估測。
第三種為基於創新序列的適應性雜訊估測法，Mehra[1][2]利用創新序列與 其共變異矩陣理論值的一致性，藉由算出創新序列的期望值，能直接對Qk與Rk 做適應性估測。此方法的基本原理也被延伸應用在許多估測雜訊的論文中，如 Mohemad[3]以最大似然原則推導創新序列期望值，[9]並應用於 GPS/INS 的整合 系統中，Odelson[4]、Akesson[5]利用自我共變數矩陣之最小平方法估測量測雜 訊，Adbel-Hafez[6]將其應用於 GPS/INS 整合系統中，[15]利用可調變視窗大小 的移動平均法估測變化的量測雜訊。本論文所使用的估測方法也屬於第三種方法 的範疇，利用可適應性調變維度的 S-G 濾波器算出創新序列的期望值，再藉由 與其共變異矩陣理論值的一致性，估測量測雜訊。
其它非利用創新序列的估測方法如[18]假設衛星雜訊為色雜訊(Color Noise)，
並以成形濾波器估測之。[16][27]利用衛星與接收器之間，幾何與誤差的關係參 數，精度因子(Dilution of Precision，DOP)，利用精度因子含有時變資訊的特性，
對量測雜訊進行估測。
4
1.4
論文貢獻1. 提出一套 GNSS/INS 整合系統中離線適應性估測卡爾曼濾波器量測雜訊的新 方法。
2. 本研究的方法效果優於以往線上估測方法，能估測雜訊標準差隨環境與時間 變化下的量測雜訊。
1.5
論文架構本論文架構包含了三個部分，分別為探討 GNSS/INS 系統的基本背景知識、
估測量測雜訊演算法的介紹，與軟硬體模擬與實作的驗證。
第一部份：