基于容积卡尔曼滤波的RSSI/IMU组合室内定位系统研究

在物联网时代,跟踪定位室内环境中物体至关重要。针对接收信号强度指示(RSSI)定位方差大和惯性测量单元(IMU)定位存在累积误差的问题,研究并实现了一种使用容积卡尔曼滤波算法对RSSI定位和IMU定位进行数据融合的方法。以ZigBee开发板为RSSI的硬件载体,采用质心定位法将RSSI转换为坐标信息;待测目标搭载MPU9250提供IMU数据,并进行室内跟踪定位实验;使用容积卡尔曼滤波算法对实验数据进行改进,并与原坐标信息数据进行对比。结果显示,使用了容积卡尔曼滤波算法后的改进数据相比原数据在精确度上提高了20.8%。该定位系统具有一定的实用价值。

基于改进卡尔曼滤波的移动机器人目标识别与定位研究

针对单目移动机器人在目标识别与位置估算中深度信息丢失的问题,为提高采用激光雷达辅助距离测量的定位精确度,提出融合雷达测距信息与方位解算的改进卡尔曼滤波算法。使用YOLO网络进行目标识别,再利用基础计算机视觉标定方法获取目标方向角信息,进而利用雷达进行多次定向测距得到多个观测值;然后在目标位置解算时,根据不同观测值的距离与方位信息加权设置不同置信度,以改变卡尔曼滤波器的观测噪声与系统噪声,进而动态改进卡尔曼增益,实现具有自适应性的目标位置解算。仿真与实验结果表明:该方法相较单纯依靠雷达进行测距补充能实现更为精准的定位,具有较好的应用前景。

基于最大相关熵卡尔曼滤波的UWB室内定位算法

随着无线通信技术的不断发展,室内定位技术逐渐成为关注的热点。然而,在复杂的室内环境中,如非高斯噪声等条件下,传统的超宽带(ultra wide band,UWB)定位算法往往存在定位精度低、鲁棒性差等问题。该算法将最大相关熵准则引入卡尔曼滤波(Kalman filter,KF)算法的代价函数中,并对测量噪声进行建模,因此能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,相对于传统的卡尔曼滤波算法具有更强的鲁棒性。在仿真实验中,采用了多个基站对运动目标进行定位,结果表明,非高斯环境下,相比于卡尔曼滤波和无迹卡尔曼滤波(unscented Kalman filter,UKF),新算法能够有效地提高室内定位的精度和鲁棒性。

基于自适应优化选择-抗差自适应卡尔曼滤波混合模型的GNSS+5G组合定位

PNT系统的构建是通信和导航领域的关键课题。发展能够兼容集成不同类型PNT手段,提供具备较好的弹性和环境适应性的综合PNT体系已成为当前刻不容缓的重要任务。5G和北斗系统的出现和发展,为PNT体系走向更综合、更弹性提供了新的思路。据此,本文提出了一种基于GNSS+5G组合数据的自适应优化选择-抗差自适应卡尔曼滤波(AOS-RAKF)算法,以实现城市复杂环境中的高精度定位估计。该算法主要由两个模块组成,即基于AOS的5G基站测量数据优化和基于AOS-RAKF算法的GNSS+5G组合定位。其中,基于AOS的5G基站测量数据优化模块通过自适应优化选择因子实现更好的观测数据重选。GNSS+5G组合定位模块利用优化后的5G数据和GNSS建立耦合结构模型,再利用RAKF方法实现移动车辆的高精度定位。半实物仿真测试结果表明,复杂城市环境下与使用原始测量数据的GNSS、单5G、传统的GNSS+5G组合定位相比,本文AOS-RAKF方法显著提高了定位精度。

基于卡尔曼滤波的GA-PSO-SVM室内定位算法

为了提高智能手机室内定位的精确度,本文建立行人运动曲线模型,并提出了一种融合卡尔曼滤波与参数优化支持向量机(SVM)的室内定位算法。首先,采用智能手机进行加速度计与陀螺仪数据采集;其次,引入卡尔曼滤波算法,对陀螺仪数据中包含的高斯白噪声进行去噪处理;最后,通过遗传算法(GA)与粒子群优化(PSO)算法优化支持向量机参数,建立室内定位模型,用于对陀螺仪数据预测中,陀螺仪数据中包含的常值漂移进行抑制。通过智能手机采集的室内数据进行实验,结果表明:本文提出的定位模型较直接使用微电系统(MEMS)传感器数据进行定位,定位精度有明显提升,其中平均误差降低了1.50m,能够满足室内定位服务需求。

改进的高动态GPS定位自适应卡尔曼滤波方法

本文针对高动态ＧＰＳ不易确定动态噪声和观测噪声的特点，提出了一种适用于高动态ＧＰＳ定位的改进的自适应卡尔曼滤波方法。该方法具有数值稳定性好，存储量小的优点，克服了发散的缺点，具有较强的自适应性。

基于改进关键帧筛选的多状态约束卡尔曼滤波

基于多状态约束卡尔曼滤波的融合算法仅利用单帧图像进行位姿估计,若初始化不正确,会导致视觉位姿估计发散严重;若将每个视觉特征点都包含进系统状态向量,则极易增加系统计算负担。针对上述问题,提出了一种改进的关键帧选择算法,利用多个视觉关键帧对相同特征点的约束来减小视觉测量误差,提高定位精度,同时只将关键帧解算出的相机位姿融入系统状态向量,有效地降低了系统计算量。实验表明,改进算法与EKF相比,其定位精度和计算效率分别提升了29.09%和32.2%。与Orb-slam2相比,改进算法的计算效率提升了35.48%。

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.

改进的渐消卡尔曼滤波在GPS动态定位中的应用

基于中长基线GPS动态定位模型和渐消卡尔曼滤波理论,提出构建新的渐消因子向量,通过对不同滑动窗口宽度设计一组平行滤波器,利用加权获得优化之后的协方差阵来改善中长基线中动态定位的精度.数据解算结果验证了该方法的正确性和可靠性.

基于卡尔曼滤波的交互式多模型GPS定位方法研究

针对GPS定位中,由于模型单一而不能适应环境影响或机动过程变化的问题,提出将交互式多模型算法引入到定位方法中。文中详细阐述了基于卡尔曼(Kalman)滤波的交互式多模型(IMMKF)算法原理及其在GPS定位中的应用。根据静态单点定位实测数据的试验分析,验证了变噪声模型的IMMKF能很好地适应环境噪声的变化;进一步通过动态定位仿真,说明了IMMKF算法在动态过程中能对多模型进行有效的融合,在很大程度上弥补了单模型的不足。

GPS动态定位中自适应卡尔曼滤波方法的应用研究

采用描述机动载体运动的“当前”统计模型,直接从GPS接收机输出的定位结果入手,建立一种GPS动态定位自适应卡尔曼滤波模型,提出一种改进的自适应滤波算法,对GPS动态定位数据进行滤波。实验结果表明该模型简单,实时性好,滤波后的定位精度得到了提高。

GPS动态定位中卡尔曼滤波模型的建立及其强跟踪算法研究

提出一种改进的强跟踪卡尔曼滤波算法,应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,具有模型简单、实时性好的特点。为了进一步提高滤波器的动态性能,改进了文献[1]中的强跟踪滤波算法,大大提高了滤波器的跟踪能力。

GPS动态定位中自适应卡尔曼滤波研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。

卡尔曼滤波在GPS定位误差处理中的应用

为满足地面运载工具管理现代化的需求,开发了动态定位信息管理系统。针对卫星定位信息误差形成的原因和组成,分析了几何精度因子在误差形成中的影响,在对误差分析的基础上提出了一种误差处理的数学模型,采用卡尔曼滤波的方法对误差进行处理。实验结果表明,该方法有效限制了GPS定位中存在地粗大误差,提高了定位精度。

用卡尔曼滤波进行GPS动态定位

采用卡尔曼滤波进行GPS单点定位,必须合理地构造系统动态特性,才能使滤波平稳进行。介绍两种确定GPS观测数据方差的方法,然后针对卡尔曼滤波的发散问题进行讨论,并给出一种避免滤波发散的渐消因子改进算法,实现滤波的自适应。最后结合算例验证了该方法的有效性。

GPS动态定位的强跟踪卡尔曼滤波研究

提出一种改进的强跟踪卡尔曼滤波算法，应用于ＧＰＳ动态定位滤波中获得明显效果．首先采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位扩展卡尔曼滤波模型及其自适应算法．然后，为了进一步提高滤波器的动态性能，改进了周东华等提出的强跟踪滤波器，大大提高了ＧＰＳ动态定位扩展卡尔曼滤波器的跟踪能力．

民用导航型C/A码GPS接收机动态定位的强跟踪卡尔曼滤波研究

本文提出一种改进的强跟踪卡尔曼滤波算法，应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型，该模型与以往采用的非线性卡尔曼滤波模型相比，滤波精度得到提高，且模型简单，系统运算量降低，实时性较好。然后，为了进一步提高滤波器的动态性能，改进了文献[4]中的强跟踪滤波器，大大提高了滤波器的跟踪能力。

卡尔曼滤波在无人水面艇双天线GPS定位测向系统中的应用

针对无人水面艇双天线GPS定位测向系统的定位误差问题,利用卡尔曼滤波算法对GPS数据进行滤波处理;根据位置与速度及航向的关系,建立数学模型,然后利用卡尔曼滤波算法对定位测向系统的测量值进行滤波处理;首先,对无人水面艇在静止、低速及高速运动状态的GPS数据进行了处理;仿真结果表明,在这三种情况下卡尔曼滤波方法能够提高GPS定位精度,在定点实验中观测值的均方误差为0.5259,滤波后变为0.0536;最后,在干扰情况下的无人艇运动仿真实验中,经过卡尔曼滤波后测量数据的均方误差由0.5043降低为0.3553;实验说明卡尔曼滤波能获得很好的滤波效果。

卡尔曼滤波在GPS精密单点定位中的应用研究

GPS精密单点定位是对非差观测值进行各项系统误差的改正,利用相应的模型直接得到测点在ITRF框架下的坐标。本文研究并采用卡尔曼滤波方法对经过各项改正后的非差观测数据进行处理,详细阐述滤波模型中各种参数与噪声矩阵的取值方法,并说明GPS接收机钟的稳定性对模型误差的影响,给出描述接收机钟差的状态转移模型。采用C#语言编制基于卡尔曼滤波的数据处理程序,对IGS站24 h的观测数据进行处理与分析,得到厘米级的定位精度。

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。