具有未知参数的GPS/DR组合导航系统跟踪与辨识

该文针对GPS/DR(Global Positioning System/Dead-Reckoning)组合导航系统中存在参数不确定性问题,构建自组织状态空间模型,应用蒙特卡罗粒子滤波方法对新构建的系统模型进行滤波。并且对于在自组织模型中粒子滤波易使未知参数搜索陷入初始取样子集的问题,提出一种人工鱼群-粒子滤波算法。该算法不仅可以估计系统状态,而且还能使未知参数的取样分布向真实参数分布"移动",最终辨识出未知参数的真值。仿真结果表明该方法的有效性。

割草机器人工作原理及试验研究—基于GPS/DR组合导航系统

随着国民经济不断发展,我国人民生活水平不断提升,多种人工作业逐渐被机器所取代。GPS/DR组合导航系统能够有效提升割草机器人定位精度,克服传统割草机器人固有弊端,提高工作效率。为此,对GPS/DR组合导航系统原理展开了分析,进行了GPS/DR组合导航系统割草机器人研究,并进行了相关试验研究,验证了GPS/DR组合导航系统割草机器人相对于传统割草机器人的优势。

电子地图匹配算法在GPS和DR组合车载导航系统中的作用

在许多车载导航系统中,用GPS和DR组合导航的方法来给车辆定位,然而由于不知道GPS的噪声,估计的位置会有不期望的误差。为了解决这个问题,电子地图匹配的方法被介绍。它使用电子地图来修正定位误差。文章介绍了用电子地图来修正GPS和DR组合导航系统的定位误差。

基于信息融合的GPS航位推算组合导航系统设计

全球定位系统(GPS)和航位推算(DR)两种定位方式的结合,构建了基于卡尔曼滤波的算法,实现陆地GPS/DR组合定位系统的数据融合,当其中任何一个子系统出现故障时联合滤波器仍然可继续为用户提供导航服务。本文简介了GPS/DR车载组合导航。系统的设计原理及运用联合卡尔曼滤波进行数据融合的实现方法。

嵌入式Linux系统在车载导航中的应用

简要介绍了图形用户界面系统GUI在嵌入式Linux操作系统下的应用,并结合GPS/DR技术,将定位信息显示在基于GUI的电子地图上,从而估算出到达目的地的最佳路径,实现对车辆的定位和导航。

BP神经网络在车辆组合导航中的应用研究

针对车辆GPS/DR组合导航系统在GPS信号被遮挡时无法完成DR"零点更新"的问题,提出了基于BP神经网络的DR位置误差预测模型来解决该问题。在GPS有效时,该算法采用基于平稳小波变换的扩展卡尔曼滤波器对GPS/DR信号进行数据融合得到车辆实时的精确位置,与经平稳小波变换软阈值模平方去噪法处理的DR位置数据进行平稳小波多尺度比较获得DR位置误差;然后用BP神经网络建立DR位置误差预测模型,为了提高所用网络的泛化能力,采用了贝叶斯正则化规则训练网络。在GPS失效时,利用已建立的预测模型预测DR位置误差来修复DR位置数据,实现车辆行驶在复杂路径下的实时精确导航定位。仿真表明,该算法对车辆GPS/DR组合导航系统有效。

基于联合卡尔曼滤波的GPS/DR融合仿真

目的研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6 m,信号波动较大.DR导航最大误差为1.8 m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2 m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.