基于改进SHKF算法的UWB/IMU组合定位方法

针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

基于卡尔曼滤波算法的UWB+IMU组合精确定位系统在选煤厂中的应用

为了提高智能化选煤厂中人员定位的精度和准确性,采用卡尔曼滤波算法,借助simulink仿真平台,建立了UWB+IMU组合精确定位系统,并介绍了其在大柳塔选煤厂人员精确定位中的应用情况。结果表明,基于卡尔曼滤波算法的UWB+IMU组合精确定位系统,提高了人员定位的准确性,对于提高人员管理、安全管理、生产管理水平意义重大。

顾及运动约束的自适应UWB/IMU组合定位方法

针对室内复杂环境下超宽带(UWB)距离测量容易受到信号非视距(NLOS)传播影响以及UWB/惯性测量单元(IMU)组合定位系统不稳定的问题,该文提出了一种基于模糊自适应滤波的改进型UWB/IMU组合定位方法。通过构建运动约束条件并采用卡尔曼滤波,对UWB原始距离测量值进行实时处理,能够有效解决UWB距离测量值缺失、异常情况以及减小NLOS误差。在数据融合阶段,提出基于模糊自适应滤波的数据融合策略,由预测残差向量构造统计量,基于模糊推断系统计算自适应因子,最终实现高精度的UWB/IMU自适应组合定位。典型室内场景的动态定位实验结果表明,提出方法的定位轨迹与真实轨迹吻合度高,90%的径向位置误差在0.25 m以内,且其均值仅为0.128 m,定位精度优于其他三种方法。

基于RTK和IMU的多行播种定位系统研究

在耕种过程中,为了保持株距行距一致性、使作物长势均匀,提高后续管理便捷性,以及提高粮食产量,需要精确记录植株空间位置分布信息。为提高植株位置定位精度,本研究设计1种基于双天线RTK和IMU的多行精播机播种定位系统,利用RTK/IMU组合定位方式检测系统定位坐标及航向,通过落种检测模块判断落种状态,完成落种数据提取以及定位数据的采集,并设计了基于双天线RTK和IMU的播种定位算法,结合卡尔曼滤波融合算法获取播种机位置和姿态,根据排种机构与RTK天线及IMU相对位置,设计基于相对排种器位置模型的落种位置解算算法,实现各排种单体落种位置实时解算。实验表明系统在进行直线播种时作业速度在7 km/h以内或在进行弯道播种时作业速度在3 km/h以内时,能准确测量落种位置,均方根误差均小于30 mm,可以满足在精密播种过程中对落种位置预测精度的要求。

基于伪距残差和新息的GNSS/IMU抗差自适应定位算法

在全球导航卫星系统(GNSS)和惯性测量元件(IMU)组合导航系统中,抗差滤波和自适应滤波常被用于提高组合导航的定位精度。但是抗差滤波和自适应滤波所适用的条件不同,使用不当反而可能会降低组合导航的定位精度,针对此问题,提出基于伪距残差和新息的GNSS/IMU抗差自适应定位算法。所提算法基于伪距残差评估GNSS的定位质量,选择合适的滤波算法进行GNSS/IMU组合导航解算。在长时间GNSS定位质量较差时,基于新息和伪距残差判断是否IMU运动学推算误差大于GNSS观测值误差,从而根据判断的结果选择是否采用抗差因子。结果表明:所提算法相对于扩展卡尔曼滤波算法在东、北和天方向上分别提高36.05%、22.71%和56.22%的定位精度。

零速修正与完备监测在UWB/MEMS IMU组合中的应用

针对超宽带(UWB)在室内定位过程中受非视距环境影响易出现粗差以及微机电系统(MEMS)惯性测量单元(IMU)定位误差随时间快速发散的问题,该文提出了采用自适应卡尔曼滤波的UWB/MEMS IMU组合的室内定位方法,并通过自主完好性监测算法对UWB测距异常值进行剔除,将零速修正算法加入到组合定位系统中,抑制在UWB数据中断情况下MEMS IMU误差的发散。实验结果表明,在UWB存在中断的复杂室内环境下,UWB/MEMS IMU组合定位的平面定位精度在0.2 m以内,自主完好性监测与零速修正能有效地提高组合定位系统的精度与稳定性。

GNSS/IMU组合导航观测量丢弃策略

传统的GNSS/IMU(global navigation satellitesystem/inertial measurement unit)组合导航系统采用固定速率更新策略,平等地对待每一个观测量。因而在受到突发干扰情况下,精度恶化的观测量可能影响到更新后的组合导航结果的精度。该文提出一个双门限的观测量丢弃策略,它同时监控估计量的误差累计程度和观测量的恶化程度。当估计量误差很低或者观测量恶化很严重时,把观测量丢弃掉,使组合导航系统工作在INS(inertial navigation system)单独导航模式。真实的外场试验结合仿真干扰表明:含观测量丢弃策略的扩展Kalman滤波(EKF)跟传统的固定更新速率EKF相比,在干扰条件下具有更低的误差。

考虑动力学模型系统误差补偿的智能车GNSS/IMU组合定位算法

为了解决智能车动态组合定位过程中,因动力学模型与实际模型之间存在偏差导致滤波精度下降的问题,针对智能车全球导航卫星系统(GNSS)/惯性测量单元(IMU)组合定位系统,结合非线性预测滤波(NPF)和自适应滤波的优点,提出了一种考虑动力学模型系统误差实时估计和补偿的自适应非线性预测滤波(ANPF)算法。首先,根据NPF算法原理,通过最小化预测观测残差与系统误差的加权平方和,估计动力学模型系统误差;其次,结合自适应滤波原理,利用状态预测残差向量构造自适应因子,设计了一种自适应扩展卡尔曼滤波(AEKF)算法,用于估计系统状态向量,并通过自适应因子抑制动力学模型系统误差和线性化误差对系统状态估计精度的影响,克服NPF对系统状态估计精度有限的缺陷;再次,对动力学模型系统误差的估计误差和由动力学模型系统误差引起的系统噪声的等效协方差阵进行了分析和推导,以补偿动力学模型系统误差对系统状态估计的影响;最后,通过车载GNSS/IMU组合定位系统试验,从算法精度、鲁棒性和实时性方面对提出的算法和其他滤波算法的性能进行了验证和对比分析。研究结果表明:提出的自适应算法继承了NPF算法简易性和高实时性的优点,同时克服了NPF算法估计精度有限的缺陷,具有较好的滤波解算精度,水平定位精度小于1.0 m,算法单次平均执行时间约为0.013 9 ms,在精度和实时性的平衡方面显著优于其他滤波方法。

IMU/GPS组合导航中坐标变换问题的研究

在导航定位时,不同的情况下需要的参数不同,而不同坐标系之间的坐标变换一直是导航算法的基石。讨论了地球坐标系内,大地坐标与直角坐标之间进行相互变换的算法和精度,及其对实现高效的组合导航算法的意义。给出了两种坐标变换算法及其推导过程,通过实例数据进行了仿真,并对结果进行了比较和讨论,分析了两种坐标变换方法的特点和应用的可行性。

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPS/IMU组合导航系统,现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器,该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。

基于GPS/IMU的红外影像直接定位技术

研究无控制点情况下的红外影像目标快速定位技术,有利于发挥红外遥感的测绘应用潜力。首先介绍了基于GPS/IMU的目标定位原理与方法;然后实验验证了红外影像多像前方交会和GPS/IMU辅助红外影像光束法区域网平差的可行性;并分析了误差产生的原因。实验证明,航空红外遥感在GPS/IMU组合系统的配合下,能满足目标探测与预警的精度要求,具有实用价值。

高精度惯测组合标定误差分析

惯性测量组合(IMU)标定误差分析对于惯性导航系统性能评估、误差分配和器件设备选型具有重要意义,但目前关于高精度IMU标定误差的定量讨论很少。借助四元数旋转矢量理论建立了转台轴正交度误差和转角控制误差模型,结合IMU测量误差的表示,定量分析了一种典型多位置标定编排方式下的标定误差。仿真结果和捷联惯性导航系统的试验结果证实了标定误差分析的正确性。

一种高精度无定向的光纤陀螺IMU转停标定方法

通过优化测试编排和设计数据处理算法提高光纤陀螺IMU标定的效率和精度。针对光纤陀螺IMU的误差模型,设计了一种基于双轴转台的无定向光纤陀螺IMU多位置转停标定及误差修正方法。将陀螺速率试验和加计24位置实验方案相结合,提出一种无需北向基准条件下,IMU绕Z轴正反转一周后,分别绕X轴和Y轴以60°和120°为间隔的正、反转停方案,转动速率6(°)/s,各位置停止2 min。同时,基于上述标定方案设计了一种标定误差精确修正算法以修正标定后残差。实际测试结果表明,该方案具有传统的标定算法相当的精度,且测试时间由原来的4.5 h缩短到40 min。

基于MEMS-IMU辅助的高动态GPS选星方法设计

一般的GPS选星方法通过搜索选取使几何精度衰减因子最小的4颗卫星,对于高动态应用特别是在水平姿态角较大的情况下,传统的选星方法存在许多局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了基于MEMS-IMU辅助的GPS选星方法;针对高动态载体姿态变化较大的问题,采用MEMS-IMU输出的高速率姿态信息压缩卫星搜索范围,通过选取不超过6颗可见卫星来降低几何精度衰减因子,从而提高定位性能。使用半实物仿真数据,验证了所提出的方法。测试结果表明,与传统的选星方法相比,基于MEMS-IMU辅助的GPS选星方法在飞机高动态大机动条件下,优化了卫星星座,具有精度高、计算量低、可靠性高等优点。

一种基于惯性测量组合的弹箭飞行姿态测试方法

在弹箭飞行遥测中,采用基于MEMS传感器的惯性测量组合(IMU)来测试弹箭飞行姿态数据,该方法构成的测试系统体积小、抗过载高、功耗低、数据处理简单直观可靠、对弹载结构改动不大且成本低。给出了该测试方法原理以及四元数解算方法,并对四元数初值进行了分析,在此基础上给出了仿真计算结果。

用真实IMU/GPS数据进行机载SAR运动补偿处理

分析了机载SAR(Synthetic Aperture Radar)条带成像模式的运动补偿技术原理,通过对激光IMU/GPS(Inertial Measurement Units/Global Positioning System)组合提供的位置参数进行分析,表明Y12载机平台具有很大的运动误差,在此基础上利用高精度激光IMU/GPS组合提供的天线相位中心精确位置参数,结合距离-多普勒成像算法进行了机载SAR数据的运动补偿处理,试验表明利用此IMU/GPS提供的运动参数进行对具有很大运动误差的SAR数据运动补偿后,已不需要计算负担沉重的自聚焦类算法进行残留运动误差补偿,就能得到高质量的高分辨率SAR图像.

基于制导精度最优的惯性组合射前测试数据应用方法

研究提出了一种利用捷联惯性测量组合射前测试数据,进一步提高捷联惯导精度的方法。该方法通过落点偏差估计系数将惯性测量组合测试观测方程与落点偏差联系起来。通过对落点偏差估计值的圆概率误差最小化得到落点偏差最优估计系数。讨论了具体应用的方法,并通过仿真验证了方法的有效性。

基于极大似然估计的惯性测量组合标定方法

针对测试设备或平台框架转角误差（ASE）较大的情况，提出了一种用于惯性测量组合（IMU）标定的新方法。该方法采用相互正交的惯性器件输出的平方和作为观测信息，并以重力加速度ga和地速wic的幅值平方作为参考基准来标定工具误差系数，这样能够消除ASE对标定结果的影响。同时针对误差项系数也较大的情况，给出了一种基于极大似然估计（MLE）的辨识方法。仿真分析了各误差系数的可观测性，并验证了辨识方法的有效性。

基于Android平台的IMU/GPS导航系统设计与实现

针对近年来由于城市化进程加速使得国内基础设施建设快速发展,人们对外出旅游、出行质量的需求不断提高的现状,设计一款基于Android系统的移动导航软件,通过Android平台与百度地图API的结合,实现了实时定位、位置搜索、路径规划以及轨迹记录等功能。针对用户身处城市高大建筑物附近、高架桥上或者隧道时出现的GPS信号短暂缺失导致定位失败问题,提出并设计了IMU/GPS组合导航实现用户的实时导航。实验结果验证了组合导航相对GPS导航的优越性。

一种基于双轴位置转台的IMU快速标定方法

为了简化标定设备,降低标定成本,该文研究了利用双轴位置转台进行光纤陀螺惯组混合标定的可行性。通过分析加速度计和陀螺的标定原理,提出了一种快速六位置标定方案。利用地球重力加速度和自转角速度对加速度计和陀螺进行误差激励,完成标定。首先建立了标定模型,其次设计了位置编排方案,最后进行了实验验证。实验结果表明,快速六位置法能实现加速度计和陀螺误差参数的快速标定,其中标度因数的标定精度与传统方法基本一致,安装误差和常值漂移的精度相对于传统标定方法有所降低,但满足低精度的光纤陀螺惯组的使用要求;同时,与传统标定方法相比,其标定时间由4.5h减少至2h。