非建模系统误差对LAMBDA方法影响的研究

非建模系统误差是影响整周模糊度固定的一个重要因素。在现有经验模态分解理论的基础上,定义经验模态分解的多尺度分解与重构结构,依据累积标准化模量的均值随尺度的变化确定非建模系统误差与噪声分离尺度的选择标准,分离出双差观测值残差序列中的系统误差,并对初始双差观测值进行修复,得到去除系统误差后的双差观测值序列。比较系统误差消除前后LAMBDA方法求解整周模糊度固定的速度、可靠性和搜索空间,结果表明:利用经验模态分解方法消除系统误差后,LAMBDA方法求解整周模糊度固定的速度和可靠性明显提高,搜索空间得到一定优化。

移动机器人里程计非系统误差不确定性分析方法

移动机器人里程计非系统误差建模是研究移动机器人定位问题的基础。现有的移动机器人里程计非系统误差建模方法多数针对某一种驱动类型移动机器人设计,运动过程中缺乏对里程计累计误差的实时反馈补偿功能,经过长距离运动过程定位精度大幅度降低。基于此,针对同步驱动和差动驱动轮式移动机器人平台提出一种通用的里程计非系统误差建模方法。在假设机器人运动路径近似弧线基础上,依据里程计误差传播规律推导非系统误差与里程计过程输入量之间的近似函数关系,进而对移动机器人位姿跟踪过程中产生的里程计累计误差给予实时反馈补偿。里程计非系统误差建模前后定位过程的对比试验表明,这种非系统误差实时补偿方法有效地减少了移动机器人导航过程中产生的里程计累计误差,提高了定位精度。

基于经验模态分解的GPS/伪卫星组合基线解算模型

通过经验模态分解(EMD)的多尺度分解与重构结构,依据累积标准化模量的均值随尺幅的变化确定系统误差与噪声分离尺度的选择标准,建立系统趋势分离模型,可以有效地削弱非建模系统误差对基线解算的影响。实验表明,该模型可以很好地削弱双差残差序列的系统误差,整周模糊度固定解的可靠性明显增强,基线向量解的精度明显提高。