基于监视数据修正的航空器飞行轨迹推算模型

飞行轨迹推算是空中交通流量管理的一个重要研究内容。在传统飞行轨迹推算方法基础上,针对航空器飞行路径的不确定性,构造了基于监视数据动态修正的航空器飞行轨迹推算模型。该模型综合航空器飞行性能和飞行计划、实时监视信息对航空器飞行轨迹、姿态进行推算。利用真实飞行轨迹进行验证,结果表明:本文模型推算的位置、高度信息更接近实际轨迹,并且符合实际飞行原则和空域使用规则,具有一定的参考价值和实用性。

基于惯性传感器与WiFi的室内行人轨迹推算

为了实现室内无GPS情况下行人的运动轨迹推算,设计了一种基于智能手机惯性元件和WiFi的室内行人轨迹推算算法.该算法基于粒子滤波,利用手机加速度计和陀螺仪进行步态检测和每步旋转角度推算,并使用了一种基于WiFi强度变化趋势的WiFi地标策略.实验结果显示,使用该算法优化后的行人轨迹收敛,接近真实的运动轨迹.在仅使用惯性传感器和WiFi的情况下,可以有效地控制陀螺仪误差积累,完成固定手机姿态的行人轨迹推算.

考虑空域高度限制的航空器飞行轨迹推算模型

飞行轨迹推算是空中交通流量管理的一个重要研究内容.本文在传统飞行轨迹推算方法基础上,针对管制空域内飞行高度受限等现实情况,构造了考虑空域高度限制的航空器飞行轨迹推算模型.该模型综合航空器飞行性能和飞行计划,对飞行轨迹进行初步推算,再分析飞越空域的高度限制,更新航空器飞行姿态,对初步结果进行修正,最后根据实时监视信息,再次修正推算结果.利用真实飞行计划进行实验,实验结果表明,本文模型能模拟出航空器阶梯爬升和提前下降状态,更接近实际飞行过程.与真实轨迹相比,本文模型推算出的高度、时间标准差比原算法减少62.77%和68.06%,并且符合实际飞行原则和空域使用规则,具有一定的参考价值和实用性.

基于角度的HDE算法在室内行人航迹定位中的研究

针对现有启发式偏移消除算法HDE(Heuristic Drift Elimination)中航向角推算不准确、反馈系数鲁棒性较差的问题,提出了对经过扩展卡尔曼滤波的航向角进行启发式漂移消除的算法AHDE(Angle Heuristic Drift Elimination)。首先利用扩展卡尔曼滤波EKF(Extended Kalman Filter)融合陀螺仪、加速度信息,通过四元数的更新来估计航向角,再用启发式漂移消除算法对航向角进行修正,最后结合步数及步长信息推算出行人的行走轨迹。实验结果显示,在行走方向较为固定的典型室内环境中,行走距离在250 m时,该算法平均误差不超过2 m,而HDE算法误差会达到4 m左右。并且该系统具有比对陀螺仪数据进行启发式漂移消除系统更强的鲁棒性。当以100 Hz频率读取数据时,AHDE算法反馈系数的选择范围由HDE算法的[0.001,0.028]扩展为[0.005,0.23],几乎扩大了一个数量级。

基于惯性传感器的步数检测算法

行人轨迹推算(pedestrian dead reckoning,PDR)是一种无需参考基础设施的定位导航方法,由步数检测(step detection,SD)和步长估计(step length estimation,SLE)2个关键部分组成。在不同的步行模式中应用步数检测和步长估计是一个具有挑战性的问题。针对此问题,提出了一种基于使用智能手机的3种步行模式(即正常行走、原地踏步及快速行走)的鲁棒步数检测方法,通过基于动态时间扭曲(dynamic time warping)的结合峰值预测和过零检测方法来提高步数检测的精度。所提出的步数检测算法可以准确识别3种步行模式中每一步的起点和终点。针对不同的步行模式提出准确的步长估计模型,以提高步长估计的精度。实验结果表明,根据所提出的方法,步数检测的准确率约为97.8%,估计步行距离的误差约为4.0%,优于传统的步数检测和步长估计方法。

WiFi/PDR室内分层三维定位技术

针对目前行人使用智能终端进行室内定位精度不高且仅能提供二维平面位置坐标的问题,提出了一种融合无线保真定位和行人航迹推算的室内分层三维定位技术.在行人航迹推算定位中,通过检测俯仰角速度突变来区分行人水平行走和上下楼两种行为模式.在上下楼时利用有效跨步和建筑物楼梯信息得到行人高度变化量,构建统一两种不同行为模式的推算方程,实现了三维行人航迹推算.在无线保真与行人航迹推算融合的粒子滤波环节中,提出融合无线保真、行人航迹推算、建筑信息和行为模式的粒子滤波算法,将建筑信息和行为模式融入粒子的权值计算和采样之中,有效地提高了融合定位的精度.在多楼层的室内环境下进行试验验证,结果表明,水平定位平均误差为2.6m,高度估计平均误差为1.1m,满足个人智能用户终端对于位置服务的需求,并且高程参量使得用户能够感知到楼层信息.

基于可穿戴式惯性测量单元的行人室内定位技术

通过将惯性测量单元系在脚背上,实时测量出人体在行走时的加速度和角速度信息;通过阈值判断和零速校正模型完成对行人步长、步频和方向的解算,绘制出行人的运动轨迹;在搭建的可穿戴式惯性测量单元轨迹监测实验平台中进行模型验证,并将解算绘制出的行人轨迹实验结果与行走时测量的轨迹进行比对。实验结果表明:该方法的准确率均达到在98%以上,实现了对行人在室内环境下的便携式、可穿戴式实时精确测量。

基于九轴传感器的行人室内定位方法

针对由步数、步长精度和航向角偏移带来的定位误差,提出一种基于九轴传感器的行人室内定位方法。利用一种改进的波峰检测法实现精准计步,利用传感器姿态的变化情况识别出原地踏步;在启发式随机漂移消除法(HDE)算法的基础上,提出一种基于主方向的航向修正方法对航向角进行修正;利用一种非线性步长估计模型对行走时的步长进行估算。实验结果表明,该方法切实有效地降低了步态检测的误差,优化了由陀螺漂移而产生的航向角发散问题,提高了用户在步长多样化时的估计精度。

基于PDR与蓝牙区段匹配的室内融合定位算法

针对行人航迹推算(Pedestrian Dead Reckoning)和蓝牙室内定位各自的特点及存在的问题,提出一种基于PDR和蓝牙区段模糊匹配的室内融合定位算法.根据用户与蓝牙信标距离匹配用户大概率所在区段,采用方向构建算法建立并反复纠正当前方向,依靠蓝牙不断修正PDR累积误差,最终使用防回退算法确定本次定位位置.实验表明,在地下环境中能够修正90%以上的定位误差到1.5m以下.利用PDR短期内高可靠性特点和蓝牙定位修正偏差,保证室内较高精度、较低时延的定位导航体验.

室内位置云平台关键技术研究

针对室内定位普遍存在的连续性和可用性问题,该文研究搭建了位置服务私有云,实现了室内混合云定位关键技术。利用硬件资源虚拟化,实现了动态部署、弹性计算、按需调配的云计算服务。提出了信标节点校正和自主轨迹推算的混合云定位技术,改进了室内定位的连续性和可用性,定位精度达到了约2m。利用微服务管理调度技术及其云推送服务组件,解决了大规模用户在线服务和数据通信瓶颈。开发了大众位置服务云端软件和终端APP,集成了室内地图、混合云定位服务,实现了室内位置云服务。