基于RTS滤波的GPS+BDS 非差非组合PPP/INS紧组合模型

GPS高精度定位技术在动态复杂环境中,其定位精度、可靠性和连续性因卫星信号频繁失锁而变差。为此,提出了采用基于RTS滤波(Rauch-Tung-Striebel Filter)的GPS+BDS非差非组合PPP(Precise Point Positioning)与INS(Inertial Navigation System)紧组合模型的策略来克服GPS在动态定位中的弱点。其中,采用GPS+BDS双系统观测数据,可提高PPP解算中的可用卫星数,改善星站间定位几何强度和提高PPP收敛速度;采用PPP/INS紧组合,利用INS的自主定位特性和短期高精度特性,可有效改善复杂环境下的定位精度和连续性;采用RTS滤波,可进一步提高PPP/INS紧组合性能。首先推导了GPS+BDS非差非组合函数模型、PPP/INS紧组合函数模型和RTS滤波函数模型,然后利用一组车载动态数据,对动态GPS PPP、GPS+BDS PPP、GPS/INS紧组合、GPS+BDS PPP/INS紧组合和基于RTS的GPS+BDS PPP/IMU紧组合的定位、测速和定姿性能进行分析。实验结果表明,该方案可有效提高定位(58%～72%)、测速(74%～82%)和定姿(4%～23%)精度,特别是对卫星失锁期间的定位性能改善尤为明显。

RTS平滑滤波在事后姿态确定中的应用

为了进一步提高卫星事后姿态确定的精度,基于EKF引入RTS后向平滑滤波.针对目前广泛使用的以误差作为状态变量的EKF姿态确定方法,不改变原有的EKF方法,通过对EKF过程中得到的数据做相应处理,在保证不出现协方差阵奇异的情况下,成功地将RTS平滑滤波算法应用到事后姿态确定中,并用RTS平滑滤波算法进行了仿真.仿真结果表明,RTS平滑滤波的姿态确定精度明显优于EKF.

基于MEMS的快递包裹状态分析

物流信息单一化逐渐成为制约快递服务质量提升的一个重要因素。而快递包裹的状态跟踪对于快递物流业完善监管体制、提高服务质量有着重要作用。基于此,文中提出一种基于MEMS惯性传感器的快递包裹状态跟踪方法。首先对传感器采集得到的数据进行分析处理,检测包裹翻倒、碰撞等异常状态,之后根据其碰撞强度进行分级预警,最后利用捷联惯导算法推算出包裹发生异常状态时的轨迹。在模拟实验中,这一方法达到了较高的分类准确率,为MEMS惯性传感器用于监测物流质量、丰富物流信息提供了参考。