从RAIM到道路：用于ADS定位的多传感器故障检测、排除和保护级别

RAIM to the Road: Multi-Sensor Fault Detection, Exclusion and Protection Levels for ADS Localisation

学科领域:

学科：

申请要求（为空则代表无要求）

雅思：

托福：

留学费用：84000GBP/年

从RAIM到道路：用于ADS定位的多传感器故障检测、排除和保护级别项目简介

自动驾驶系统（ADS）有望为人员和货物提供更安全、更清洁、更高效、更便捷的出行方式。然而，目前大多数生产系统仍处于SAE L2级别，L3/L4仅限于受限部署。要实现更高程度的自主性，ADS需要在没有持续人为干预的情况下运行。一个关键的推动因素是能够检测并响应对定位等关键功能失去信任的情况。因此，ADS需要实时准确且可靠的定位能力。这种能力通过实施完整性监测机制来实现。例如，如果定位不确定性超出警报限制，SAE L3 ADS必须请求人类驾驶员接管，而SAE L4 ADS必须执行安全的最小风险机动以防止潜在事故。本博士研究的主要目标是设计多模态定位系统的完整性监测技术。这包括设计一个多模态定位堆栈，为融合堆栈开发一个完整性监测框架（提供保护级别、完整性风险和警报时间），并创建一个测试平台，使用原型车辆和基于CARLA的模拟进行演示和验证。

项目学术背景与核心优势

贝尔法斯特女王大学在电子、电气工程与计算机科学领域拥有深厚的学术积淀，其所属学院长期专注于信息处理与智能系统研究。从RAIM到道路：用于ADS定位的多传感器故障检测、排除和保护级别这一项目，正是依托该校在导航算法与多源数据融合方面的传统优势，将理论模型与实际车载环境紧密结合。通过系统学习，学生能够掌握基于完好性监测的核心方法论，为自动驾驶定位系统的可靠性分析构建扎实的分析框架。该项目强调从底层数学推理到工程实现的完整链路，贝尔法斯特女王大学提供的实验平台与学术资源也为这一交叉方向提供了有力支撑。

核心知识模块与培养方向

该项目的培养重心在于提升学生的专业素养与实操能力。课程体系通常围绕以下核心方向构建：

多传感器融合与状态估计：学习如何将全球导航卫星系统、惯性测量单元、视觉传感器等异构数据在统一框架下进行最优融合，服务于车载定位与动态环境感知。
完好性监测与故障诊断：掌握接收机自主完好性监测及其扩展方法，能够设计针对传感器故障的检测与排除算法，确保定位结果在关键场景下的安全等级。
保护级别计算与风险评估：深入理解基于误差模型和保护级别阈值的计算方法，应用于自动驾驶系统在车道级导航中的实时可靠性评估。

毕业生职业发展路径

结合自动驾驶与智能交通行业的持续演进，该专业的毕业生具备较强的专业壁垒，适合在以下领域发展：

自动驾驶系统工程师：负责设计、验证车载定位子系统的完好性架构，确保传感器故障被及时识别并启用冗余机制。
导航算法研究员：在主机厂或 Tier‑1 供应商中开发高精度定位算法，优化多传感器融合策略以提升复杂场景下的定位鲁棒性。
功能安全与验证工程师：针对自动驾驶功能的安全标准（如 ISO 26262），开展故障注入测试、保护级别推导以及系统级仿真验证。

常见申请疑问解答

针对跨专业申请者，该方向通常要求申请人具备扎实的底层逻辑。如果能在先修课程或实践经历中展现出对导航与定位技术的基础认知与分析能力，将有效弥补专业背景的不足。

在语言与学术准备方面，由于该项目涉及大量的专业文献阅读与学术对话，申请人需具备较强的学术英语理解能力。提前熟悉相关的统计信号处理或贝叶斯估计方法，将为后续高强度的专业学习打下坚实基础。