基于粒子滤波处理GPS定位信息的研究

为提高GPS接收机的定位性能,首先对采样粒子数目进行研究,发现并不是采样粒子数目越多粒子滤波(Particle Filter,PF)的滤波效果就越好。然后针对PF算法中存在的粒子退化现象,研究PF算法与扩展卡尔曼滤波算法(the Extended Kalman Filter,EKF)处理加入了高斯噪声干扰的非线性模型,仿真并分析得到,PF在处理高斯非线性模型的时候滤波效果要优于EKF算法,试验中发现PF算法在粒子数目较大的时候滤波效果远远偏离真实值,试想通过EKF算法计算取得的均值和方差来引导PF算法进行下一步采样,以此建立较好的重要性密度函数。试验表明经过扩展卡尔曼滤波改进的粒子滤波算法相比PF算法更加精确,平缓性更好。

AGV车载北斗视觉多源融合定位解决方案

智能港口的集装箱无人转运车辆AGV(Automated Guided Vehicle),多采用磁钉导航方式,对港口基础设施要求高,终端价格昂贵,传统码头改造难度大。文章提出了一种基于北斗卫星、二维码视觉定位系统的车载多源融合定位解决方案,引入惯性导航、里程计等信息,实现港口AGV车载多源融合定位,能够提供连续、可靠的导航信息,终端设备和港口建设、改造成本低。实验结果表明,在港口使用环境下,融合定位系统位置精度可达±25cm,在有二维码视觉定位辅助的堆场作业区域,定位精度可达到±5cm。

基于PSO-ELM的卫星导航欺骗式干扰检测

近年来,卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域得到了广泛应用,但由于卫星导航信号结构公开且到达地面时强度微弱,卫星导航系统极易受到各种各样的干扰,其中欺骗式干扰因具有较强的隐蔽性,对卫星导航系统构成巨大的安全威胁。传统的欺骗式干扰检测方法大多采用单一参数进行检测,具有一定局限性。考虑到欺骗干扰源在欺骗过程中会引起一系列参数变化,构造了一个多参数输入的卫星导航欺骗式干扰检测模型,即将多个特征参数作为极限学习机(ELM)的输入,并通过训练和学习将真实信号与欺骗信号区分开,从而实现欺骗式干扰检测。同时,利用粒子群优化(PSO)算法优化ELM中的输入权值矩阵和隐层偏置,改善由于网络参数随机生成导致分类精度低的问题。仿真实验证明了该方法在卫星导航欺骗干扰检测方面的可行性和有效性。

GNSS欺骗式干扰检测综述

近年来,随着卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域的广泛应用,提高卫星导航系统的安全性和鲁棒性成为研究的热点。介绍了卫星导航欺骗式干扰的原理与分类,根据卫星信号从生成到最终实现定位导航这一过程和基于统计学层面将当前的欺骗式干扰检测技术分成基于导航数据信息、基于空间处理、基于射频前端处理、基于基带数字信号处理、基于定位导航运算结果和基于机器学习等六大类,并对每类采用的检测方法进行性能对比,从实时检测和综合检测两个方面对未来的欺骗式干扰检测进行展望。