恶劣环境下GPS定位估计滤波算法的非线性模型

提出了一种附加测量模型用于GPS定位估计的系统方程,该方法可实现单机GPS在可捕获卫星数较少的恶劣环境下的定位.开发了一种新的基于非线性滤波的位置和速度估计模型,在测量模型中引入随位置变化的电离层误差补偿模型,利用平淡卡尔曼滤波(UKF)算法较好地实现了可见卫星为3颗条件下的定位估计.在仅有2颗卫星可见的情况下,进行了把高程加入测量模型做平面定位估计的尝试,并取得了较好的效果.GPS定位实验结果表明,在恶劣环境下,基于所提出的非线性模型得出的滤波定位估计值能达到理想的精度.     

3颗卫星条件下 GPS三维定位的新方法

提出了一种新型的双天线全球定位系统(GPS)接收机结构方案,用于某些恶劣定位条件下、接收信号的卫星数量较少时对用户位置进行解算.该方法可以在仅接收到3颗卫星信号的情况下,根据GPS的原始数据和伪距,进行较理想的三维位置估计,满足单机定位的精度.建立了基于非线性滤波的位置估计模型,根据该模型的特点,运用平淡卡尔曼滤波算法求解该模型.通过GPS定位实验,验证了该方法的可行性.     

巡检机器人全球定位系统和里程计组合定位方法

针对巡检机器人在校园环境中工作时,全球定位系统(global positioning system,GPS)信号易受树荫及较高建筑物遮挡而出现定位不准确的问题,提出GPS和里程计组合定位方法。以GPS坐标信息为初始位置,里程计信息为主导航,GPS接收机的脉冲信号作为实时修正数据,利用卡尔曼滤波算法对系统状态进行最优估计,得到较为准确的状态估计值。最后利用状态估计值去修正系统的导航误差。同时在实验平台上进行验证仿真。结果表明,机器人以150 cm/s的速度行驶80 s后其轨迹误差能控制在5 cm以内,利用多传感器融合技术可以提高机器人的定位精度和可靠性,GPS和里程计组合定位方法能够有效提高机器人实时定位精度。     

巡检机器人全球定位系统/里程计组合定位方法

摘要：针对巡检机器人在校园环境中工作时,GPS信号易受树荫及较高建筑物遮挡而出现定位不准确的问题,提出GPS和ODO组合定位方法。该方法以GPS坐标信息为初始位置,里程计信息为主导航,GPS接收机的脉冲信号作为实时修正数据,利用卡尔曼滤波算法对系统状态进行最优估计,得到较为准确的状态估计值,最后利用状态估计值去修正系统的导航误差。同时在实验平台上进行验证仿真,实验结果表明,机器人以150cm/s的速度行驶80s后其轨迹误差能控制在5cm以内,得出利用多传感器融合技术可以提高机器人的定位精度和可靠性的结论,即通过对GPS和ODO组合定位方法能够有效提高机器人实时定位精度。     

GPS/INS相对导航鲁棒扩展卡尔曼滤波方法

针对绕飞模式下追踪器与合作目标间的GPS/INS组合相对导航问题,考虑追踪器的惯量阵存在不确定性,为提高相对导航系统的精确性和稳定性,提出了一种GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 该算法采用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开,并将线性化引起的模型误差作为不确定项来处理,结合鲁棒卡尔曼滤波算法,设计了GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 仿真结果表明,该方法相对位置的估计精度为0.1 m,相对姿态的估计精度为0.001°,相对导航精度很高,且对追踪器惯量阵存在的不确定性具有很好的鲁棒性.      

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

用于提高全球定位系统定位估计速度的滤波算法

为了提高全球定位系统（GPS）高精度定位的解算速度,从原理上比较了平淡卡尔曼滤波（UKF）及其改进算法和超球面平淡卡尔曼滤波（SUKF）及其改进型等非线性滤波估计算法,提出了将SUKF的改进型算法应用于单机GPS的定位估计.实验表明：该算法能够在保证高精度定位估计的前提下提高运算速度,有效解决GPS软件接收机中高精度定位输出的实时性问题.     

基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域,室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性,传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM（同步定位和地图构建）存在的误差累积严重问题,本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元（IMU）数据对机器人状态进行预测,同时以激光和全球定位系统（GPS）数据作为观测,更新机器人状态,推导出观测方程和雅可比矩阵,显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中,由于约束不足可能导致算法崩溃,GPS数据的引入可以提高系统的鲁棒性。此外,重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量,但在不发生区域变化的情况下,其模长是不变的,因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化,成功避免了重力过参数化的问题,提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度,结果表明...     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight, NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

用于无陀螺卫星姿态确定的预测UKF算法

为了降低卫星姿态动力学模型误差和初始姿态误差对无陀螺卫星姿态确定的影响,提出了一种预测无迹卡尔曼滤波(UKF)算法。该算法利用预测滤波中的泰勒级数展开方法对未知的卫星姿态动力学模型误差进行估计,然后将其带入UKF中实现无陀螺卫星姿态确定。用三维偏差四元数代替四元数作为状态变量,避免了估计过程四元数单位约束性被破坏的现象。仿真结果表明,当较大的卫星姿态动力学模型误差和初始姿态误差同时存在时,该算法仍能精确地实现卫星姿态确定。     

基于捷联惯导的蛇形管道机器人定位算法

为解决蛇形管道探测机器人因处于地下管道,难以定位的问题,本文基于牛顿第二定律为蛇形管道探测机器人设计了一种高精度的捷联式惯性导航定位系统（Strap-down Inertial Navigation System SINS）。本系统搭载九轴惯性测量器件（IMU）对蛇形机器人的加速度及角速率信息进行测量,融合卡尔曼滤波算法对定位系统进行误差补偿,采用四元数法构造捷联式惯性导航系统姿态矩阵进行姿态更新,再积分得到速度和位移。利用MATLAB软件根据上述算法对机器人的速度、位移进行分析计算,并与机器人真实的速度位移做比较,验证算法的可靠性。实验结果表明,该算法的定位误差最大不超过4.7%,能够为管道探测机器人提供准确地速度和位置信息,具有较高的实用价值和意义。     

EKF在新的导航系统中的仿真研究

针对全球定位系统(global positioning system, GPS)的应用受限于美国,涉及隐私和安全等问题给出一种新的组合导航定位系统方案,该方案充分利用中国自主的研发技术,消除对GPS定位技术的依赖.为了验证该方案的可行性,进一步研究扩展卡尔曼滤波算法(extended Kalman filter, EKF)在BDS和DTMB定位系统中的应用.给出机动目标特性的运动模型,利用EKF进行最优估计,最后从动态定位跟踪轨迹、定位跟踪误差、和误差累积分布函数3个方面进行仿真验证.仿真结果表明,跟踪轨迹能够基本吻合于真实轨迹,偏差较少,且因视距中的误差小于非视距,视距环境中的效果更优.     

卡尔曼状态观测器在机器人力控制中的应用

为解决机器人与环境间接触力控制性能受机器人本身动力学参数时变、接触环境变化以及力测量信号干扰噪声影响的问题,设计了基于卡尔曼状态观测器的机器人力控制方案,采用递归最小二乘法来实时估计环境刚度矩阵,引入系统状态误差反馈和卡尔曼滤波算法实现机器人力控制系统对外界干扰及系统模型误差的补偿．实验结果表明：在环境刚度未知的条件下,采用该控制方法可使机器人末端与环境间接触力的误差控制在10％左右．     

SINS/GPS组合导航的机载SAR姿态算法

针对SINS/GPS组合导航定位系统中高分辨率机载SAR运动补偿问题,通过建立SINS/GPS组合导航定位系统误差模型开展机载SAR运动过程中姿态解算,根据SINS中姿态四元数微分方程特点,利用二次Padé逼近法构造一种四元数范数规范化计算公式,使四元数迭代计算过程中具备保范性,利用5阶CKF算法构建SINS/GPS组合导航定位系统的误差模型算法.仿真结果表明,与传统UKF、CKF模型算法相比,该算法收敛速度快,滤波精度高且计算量小,满足机载高分辨率SAR的姿态估算要求.     

机器人UWB定位系统的设计与实现

实验引入超宽带UWB(Ultra Wideband)定位技术,结合TOA(Time Of Arrival)算法,设计并实现了移动机器人自主定位系统.在定位系统中,超宽带定位标签与基站相配合,测量出标签与各基站间的超宽带信号传输时间,经标签输出后,51Duino控制板通过串口接收数据并结合TOA算法解算出机器人位置坐标,再经串口通过Wi-Fi模块将位置坐标上传到上位机定位软件进行存储和显示,上位机软件同时可以根据坐标数据在选定的地图文件上标记机器人移动的实时轨迹.实验结果表明,该定位系统可以稳定地为机器人提供准确的位置定位服务,定位误差仅约为10cm左右,定位精度较高.     

基于非线性滤波和平滑相迭代的GPS定位估计算法

针对目前全球定位系统(GPS)单机定位精度较低的问题,提出一种新的定位估计算法.每一时刻点先用平淡卡尔曼滤波进行位置估计;然后,利用滤波结果对前一时刻点的位置估计进行平滑修正;接着,再用修正值进行滤波,得到当前时刻点更新的估计值,通过若干次迭代,得到最终估计值.后向平滑算法分别采用固定区间平滑和固定滞后平滑,前者适用于非线性系统模型,后者在平滑步长增大时,其计算量较小.实验结果表明,迭代算法能够有效提高定位精度,不仅可以应用于后验数据处理中,也可以应用于GPS实时定位估计.     

室外区域充满运行机器人导航定位的一种策略

该文根据在室外非结构化环境中实现区域充满运行的一类移动机器人的工作特点，提出了利用组合定位系统和数字地图匹配算法对机器人进行导航定位的一种策略。利用基于环境特征位置探测和数字地图信息匹配相结合对定位误差进行修正的方法来提高机器人导航定位精度。该方法克服了传统导航定位方法存在累积误差和系统复杂、成本高等缺点。经实验验证：该文提出的定位系统和误差修正的方法能满足移动机器人区域充满运行的定位精度要求。     

附有权值条件的卡尔曼滤波定位方法

采用描述机动载体运动的"当前"统计模型,根据GPS接收机实际能够输出位置与速度信息的特点构建了系统的量测方程,建立了标准的GPS动态定位卡尔曼滤波模型,并描述了算法的推导过程.仿真实验分析,带有速度信息的卡尔曼滤波方程在载体低速运行时位置误差会很大,通过改进卡尔曼滤波方程,在方程中附加一个权值,能有效的提高载体在低速运...     

基于Unscented卡尔曼滤波的目标位置和信道参数同时估计算法

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法.新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计.试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确.