改进卡尔曼滤波的井下组合导航定位算法

为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法。通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度。将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标。实验结果表明:该组合导航定位算法平均定位误差为1.71 m,其定位精度高于传统质心定位算法和行人航迹推算算法。

基于PDR算法与伪平面技术的井下人员定位方法研究

为了降低行人航位推算(Pedestrian dead reckoning,PDR)算法在进行井下人员定位时产生的累积误差,提出了一种基于PDR算法与伪平面技术的井下人员定位方法。首先,采用惯性导航传感器获取井下人员的步态信息,通过线性步长估计模型和四元数法实现步长估计和方向估计,利用PDR算法推算人员的位置;其次,使用井下人员活动区域以及预设的标记点构建伪平面,并将井下人员位置映射到伪平面坐标上,为降低PDR算法的累积误差做准备;最后,采用SVM进行井下人员活动检测,通过转弯活动判断其是否处于特殊标记点,将PDR解算的位置与伪平面内已知转弯位置标记点进行相关性分析,完成伪平面信息与工人位置的匹配,校准并更新PDR位置,降低累积误差。结果表明:井下工人在完成单个转弯活动过程中,传统PDR算法解算位置平均误差为0.98 m,而进行伪平面修正后平均误差降低到0.31 m;在完成区域性多活动过程中,采用伪平面技术修正后的PDR平均定位误差从1.08 m降低到0.38 m。因此,所提出的井下人员定位方法有效提高了PDR算法的定位精度。

车载GPS/DR组合导航系统数据融合算法研究

本文介绍了车载GPS/DR组合导航系统的设计 ,建立了表示车辆加速度及影响组合导航系统定位精度的主要误差的数学模型。针对迭代扩展组合卡尔曼滤波算法中 ,由于DR系统误差的引入导致滤波效果不好的问题 ,提出了一种新的组合导航系统的数据融合算法。对实际跑车数据的处理结果表明 ,该算法在提高组合导航系统的定位精度及可靠性和完整性方面是有效的。

基于D-S证据理论的GPS/MM组合系统车辆定位算法

根据分段、特征提取等地图匹配关键技术探讨了地图匹配的一般原理 ,提出了基于D S证据推理理论的GPS(GlobalPositioningSystem) MM(MapMatch ing)组合算法 ,提高了GPS单点定位精度 .仿真结果和跑车实验验证结果表明上述方法是行之有效的 .地图匹配算法不增加系统的硬件成本 ,对目前广泛应用的车载GPS导航定位系统是一个有效的解决方案 .

一种新的粒子滤波算法在INS/GPS组合导航系统中的应用

为改善传统粒子滤波中的样本退化和样本枯竭问题,提出一种新的粒子滤波算法.在重要性采样中,利用最新测量值,结合差分滤波算法产生重要性函数;在再采样中,利用高斯混合模型近似状态的后验概率密度,引入最大期望算法计算该高斯混合模型的参数,并从该新分布中采样后验粒子集,取代传统的再采样.从而通过提高重要性函数对状态后验概率密度的逼近程度来缓解样本退化问题,通过改进再采样实现过程来缓解样本枯竭问题.把新算法应用到INS/GPS组合导航系统中,仿真结果表明新算法的估计性能明显优于粒子滤波.

高动态GPS/INS组合导航算法研究

首先介绍了新型深组合GPS/INS系统原理图及组合导航滤波算法。在该算法中 ,组合卡尔曼滤波器除完成INS误差及GPS接收机时钟误差的估计外 ,还参与了GPS码跟踪 ,即完成传统码跟踪环中环路滤波器的功能。采用自适应码跟踪误差估计器补偿组合卡尔曼滤波器测量值中的相关分量 ,从而消除了传统组合中不稳定的主要根源。然后进行了计算机仿真计算 ,仿真结果表明 ,新型深组合GPS/INS导航算法适用于机动性较高的载体。

GPS/INS组合导航系统自适应滤波算法与仿真研究

随着组合导航系统应用环境的日趋复杂 ,给噪声统计特性的准确描述带来困难 ,这将造成Kalman滤波器不稳定甚至发散。首先对目前解决此问题常用的自适应滤波方法进行了总结和分析 ,在此基础上 ,给出了基于滤波收敛性判据 ,结合 Sage-Husa自适应滤波和强跟踪 Kalman滤波的改进自适应滤波算法。最后以 GPS/ INS组合导航系统为例进行了计算机仿真 ,结果表明 :该算法可有效抑制滤波发散 。

模糊自适应算法在GPS／INS组合导航系统中的应用

阐述了在对常用的Sage-husa自适应滤波算法总结和分析基础上,给出了滤波收敛的判据,提出利用模糊逻辑自适应控制器(FLAC)调整卡尔曼滤波器的方法,形成自适应滤波算法.以GPS/INS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度和实时性.

车辆定位导航系统的新定位算法

依据大数定律及其相关的假设,用计算几何的若干知识,设计车辆定位导航系统的一种新定位算法.该算法通过计算凸壳、凸多边形三角剖分、凸多边形面积及直径等诸量获得车辆运行的近似路线.计算结果表明,用该算法可以提高车辆定位导航系统的定位精度,并优于基于卡尔曼滤波的GPS/INU/MM组合导航算法的结果.

基于倒置声学基阵的INSUSBL组合导航算法研究

文中关注水下潜航器导航定位时,电磁波传播途径中能量衰减、惯导系统长航时积累误差以及提高水下潜航器定位精度等问题。基于倒置的超短基线声学基阵,分析声波往返传播时间(RTT)、平面波近似方法和USBL导航解算方法及其坐标转换过程,结合INS误差方程,建立INS/USBL松组合模型。为进一步提高系统精度、动态性能和抗干扰性,考察USBL的原始斜距、斜距差以及声学基阵的空间分布信息,提出基于USBL原始输出信息的INS/USBL紧耦合组合导航方法。通过MATLAB仿真对导航算法进行验证,结果表明两种算法能充分抑制纯惯导误差随时间积累问题,且有效地估计出姿态、速度和位置误差角;其中紧耦合方法状态估计误差最小,导航参数精度相对松组合提高30%以上,对于提高水下载体导航定位精度、海洋探测具有重大意义。

基于粒子滤波的组合定位系统目标跟踪算法

因GPS技术在楼群密集的城市不能单独完成定位,文中采用GPS/DTMB组合导航新方案,又针对传统二维机动模型的不足,研究三维下的平面变速转弯模型,并作为运动目标的机动模型,同时仿真对比分析不同粒子数目下的粒子滤波算法(PF)跟踪效果,结果表明,200个粒子的误差均值为4.590 6 m,400个粒子误差均值为2.377 6 m,滤波后的轨迹与真实轨迹基本重合,定位跟踪效果好,且粒子数目越多,误差均值、标准差、方差越小,即定位跟踪精度越高。证明了GPS/DTMB组合导航新方案的可行性。

移动闭塞系统列车组合定位导航技术研究

首先,分析了移动闭塞系统及其定位导航技术的研究现状,建立了基于网络实时动态测量(RTK)技术的GPS/INS/MM的定位导航组合方案;然后,提出了用伪距差分计算用户站概略位置和用载波相位差分计算整周模糊度单差值的快速差分算法,并讨论了有助于列车导航和控制的列车信息移动管理和基于GPRS的数据通信等;最后,对网络RTK快速差分算法进行了仿真分析,其结果验证了该算法对实现列车实时精确定位导航的可行性.

改进的GPS/INS组合导航选星算法

在已有的 GPS定位的选星算法的基础上 ,从组合系统量测矩阵出发提出了一种适用于 GPS/INS组合导航的选星算法。此算法在原有算法的基础上 ,考虑了卫星仰角、方位角对卡尔曼滤波器可观性的影响 ,避免因观测量与系统状态间关联项的减少而导致的滤波器可观性下降 。

Bancroft算法在多卫星导航定位系统解算中的推广应用

提出了一种改进的Bancroft算法运用于组合双系统SPP解算。为检验新算法的解算精度,选取2013年2月采集于武汉大学实验大楼楼顶的GPS/BD双频双模接收机实测数据进行解算。实验结果表明改进的Bancroft算法与传统的最小二乘算法的解算精度相当,其解算效率与最小二乘算法相比提高了22%,从而验证了改进的Bancroft算法在组合双系统SPP解算中的可行性及优越性。

一种新颖的基于GPS与DTMB组合系统的定位跟踪算法研究

针对GPS卫星信号在楼群密集的城市和室内存在定位盲区而无法单独完成定位的难题,考虑到地面数字电视信号的自身优越性,提出GPS与DTMB组合导航的无缝定位方法.该方法通过融合多源信号的观测量来保证定位的精度,采用扩展卡尔曼滤波(EKF)算法对多源信号进行最优估计,并对比分析不同信号源组合下的定位跟踪效果.仿真结果表明,EKF滤波估计轨迹能较好地接近目标运动的真实轨迹,均方根误差约20 m,满足无缝定位需求,且参与定位的组合信号源参数越多,定位精度就越高.证明了在GPS定位盲区,采用GPS与DTMB进行组合导航定位的可行性.

TDOA/DR组合系统定位算法及仿真研究

GPS/DR组合导航在户外GPS信号较好的情况下,可以提供精度较高的定位导航,但人的活动范围不仅仅是户外,会经常穿梭、停留于各种建筑物中。此时,GPS信号几乎无法获得,DR会因长时间得不到修正而导致发散,因此,GPS/DR系统无法在室内提供长时间高精度的导航信息。基于上述原因,文章研究基于到达时间差(TDOA)的定位算法,利用超声传感器实现室内TDOA定位,并与DR系统进行组合,校正并改善DR系统误差发散问题,以增强导航系统的定位能力。

基于位置点匹配的GPS/DR组合导航系统地图匹配算法

提出了一种基于位置点匹配的地图匹配算法 ,该算法综合考虑了车辆的航向和速度信息、网络的拓扑结构和各种可能存在的误差 ,并在各个部分使用了相应的判决准则 ,使算法在整体性能上得到很大的改善。最后通过实际应用 ,验证了该算法的正确性。

新的非线性滤波算法在GPS/DR组合导航中的应用

为解决传统粒子滤波算法中样本贫化的问题,提出一种新的粒子滤波算法.在重要性采样过程中,利用最新测量值,结合UKF滤波来产生粒子滤波中的建议分布;同时在再采样过程中,用高斯混合模型表示后验状态密度,引入最大期望(Expectation Maximization,EM)算法来获得该后验状态密度的参数,从新的参数分布中进行采样得到样本粒子,取代传统的再采样过程.把新算法应用到车辆组合导航系统中,仿真结果表明新算法的有效性.

INS/SAR/GPS组合导航系统中的信息融合算法研究

以INS/SAR/GPS组合导航系统的工程应用为目标,讨论其最优估计融合算法及理论证明。研究结果表明:采用最优估计融合算法,是提高整个组合系统的导航精度和可靠性的行之有效的方法。

井下多传感器组合导航系统

针对井下车辆高精度惯性导航成本较高、低成本MEMS惯性传感器漂移较大等问题,提出一种井下多传感器组合导航系统,该系统通过蓝牙测距信息、MEMS惯性传感器及车载里程计信息进行组合导航。利用卡尔曼滤波技术融合多传感器数据,结合蓝牙测距信息抑制MEMS惯性传感器漂移,提高车载惯性传感器在一段时间内的定位精度;通过MEMS惯性传感器预测车辆位置,有效滤除干扰标签的蓝牙信号,提高数据可靠性;融合车辆里程计数据后,定位结果更加稳定可靠。测试结果表明,在井下蓝牙标签间隔10m布站情况下,每10m定位误差在3.2m以内,能够满足井下导航要求。