导读：在智能网联汽车与智慧交通系统快速发展的当下，高精度、高可靠的车辆定位是实现环境感知、决策规划与协同控制的基础前提。尤其是在卫星导航信号受限的城市峡谷、地下隧道等场景，基于车联网（VANET）的协同定位技术成为维持连续位姿估计的关键。然而，实践部署面临双重现实挑战：车载传感器易受环境扰动与平台振动影响产生异常观测值；同时，VANET通信常因延迟、丢包及网络攻击导致信息传输不可靠。更为严峻的是，传感失效与传输失效在实际动态环境中往往并发出现，产生复杂的“混合失效”工况，导致现有定位方法的精度与鲁棒性急剧恶化。近日，本研究团队提出了一种“面向传感与传输混合失效的级联鲁棒卡尔曼滤波（CRKF）框架” 。该框架创新性地构建了自适应局部滤波与全局信息隔离相协同的机制，首次在统一架构内同步抵御两类失效，显著提升了复杂城市环境下的协同定位可靠性。
一、理论创新
1 基于动态聚类的鲁棒局部滤波机制：针对车载传感器间歇性野值问题，本研究突破了传统固定阈值或静态分布假设的限制，提出了一种自适应阈值鲁棒局部滤波器。其核心创新在于设计了一种三阶段加权与K-means聚类残差分类方法，能够在线、动态地将新息序列划分为可靠集与野值集，并依据可靠集的最大统计量自适应地确定最优判决阈值。该方法通过机器学习策略动态优化滤波参数，使系统能够自主适应从正常行驶到极端工况下的数据分布漂移，实现了对传感野值的精准识别与抑制，确保了局部状态估计的鲁棒性。
2 基于双统计量联合检验的信息隔离算法：为解决VANET中不可靠协同信息污染全局估计的问题，本研究创立了一种低复杂度的不可靠信息隔离算法。该算法通过构造观测与残差的时空矩阵，创新性地引入双统计量（均值与平方均值）联合检验，从中提取刻画信息偏差与波动的二维特征向量。此机制能高效甄别出因通信故障或恶意攻击而提供错误数据的邻近车辆，并在后续的全局融合步骤中将其隔离。这有效避免了错误信息在车联网中的传播与放大，保障了协同定位基础数据的质量。
3 级联鲁棒卡尔曼滤波（CRKF）架构：本研究最主要的架构性贡献在于提出了一个级联鲁棒卡尔曼滤波（CRKF）统一框架，以系统性应对传感与传输混合失效。该框架通过延迟补偿的系统模型，将前述自适应局部滤波器与全局信息隔离算法有机融合，实现了局部状态鲁棒估计与全局协同信息可靠融合的闭环。与现有仅针对单一失效模式的方法不同，CRKF框架首次明确且联合地建模并处理了这两类关联性失效，为实际车联网系统中普遍存在的混合失效问题提供了首个完整、可计算的一体化解决方案。。
二、仿真模拟
在混合乡村/城市环境及不同规模车联网协同场景下，仿真结果表明所提CRKF框架在定位精度与鲁棒性之间实现了显著优化：即使在卫星信号受限的复杂城区条件下，仍能保持0.91米的定位均方根误差，且在协同车辆少于十辆时，误差最大可降低约69.67%，展现出优异的抗混合失效能力与系统鲁棒性。
从上图可以看出，所提方法通过自适应融合多源可靠信息，在城乡场景切换过程中始终保持平稳的低误差收敛态势，最终实现0.91米的稳态定位精度。相较之下，其他方法虽能维持定位功能，但误差波动更为显著；而独立GNSS方案在进入城区后误差急剧扩大至3.25米。该结果充分体现了所提算法在复杂动态环境下，通过智能隔离失效信息、优化协同融合机制，实现持续高精度定位的鲁棒性与环境适应性。
从上图可以看出，所提方法在测量数据突发性偏差与间歇性恢复的动态过程中，始终维持稳定的低误差水平；随着通信失败概率的持续升高，其余对比方法的平均误差显著增长，而所提方法的定位精度依然保持高位。这充分证明了该算法在应对车载传感器突发故障与无线通信网络固有不可靠性时，具有卓越的强韧性与环境自适应能力。
三、实用价值
本研究的意义在于为复杂动态环境下的智能网联汽车协同定位，提供了一种兼具鲁棒性、精确性与实用性的创新理论框架。所提出的CRKF框架通过将自适应局部容错与全局信息可靠性评估相结合，从根本上解决了传感异常与通信中断并存时的定位性能退化难题。该成果突破了传统方法对理想传感或理想通信模型的依赖，使车辆定位系统在面临真实世界双重不确定性时仍能保持稳定输出。这不仅为高级别自动驾驶在卫星拒止区域的安全运行提供了关键技术支撑，也为大规模、高可靠车联网协同感知系统的工程化部署奠定了坚实的理论基础，对推动智慧交通系统的实际落地具有重要的学术价值与应用前景。
论文信息：本研究由东北大学智能交通实验室完成。相关工作已被车辆技术领域公认的国际权威期刊之一《IEEE Transactions on Vehicular Technology》正式录用，即将长文发表。
Ge Guo, Zengbo Li, and Jiageng Liu. Cooperative Vehicle Localization in VANETs Subject to Sensing and Transmission Failures. Accepted for publication in the IEEE Transactions on Vehicular Technology.
