基于GPS差分算法的研究与滑坡监测系统软件实现

选择比较先进的GPS卫星定位技术及静态差分算法作为滑坡监测的手段和解算方法.从GPS定位的基本原理出发,对双差算法数学模型进行了研究,并且编写出差分算法程序.     

GPS伪距差分定位技术的试验研究

讨论了GPS伪距差分定位的原理及其数学模型,为了研究伪距差分定位精度,编写了GPS伪距差分定位软件,并对某GPS网的观测数据进行了大量的伪距差分定位试验计算．计算结果表明,GPS三类伪距观测值的差分定位精度基本相同;在距基准站50km范围内,观测10～60s时间的伪距差分定位精度可以达到0．2～0．4m．伪距差分定位技术在海上定位和GIS数据采集等领域有广泛应用前景。     

VRS技术及其应用

传统的GPS差分定位存在着差分作用距离有限、可靠性低、可扩展性差等缺陷。虚拟参考站技术（VRS）通过一定的网络协议实时的向服务区域内的所有GPS流动站用户播发根据其多基站网络计算出的GPS差分信息,这些改正信息是针对流动站当前位置的改正信息。从而大大提高了大范围内GPS定位的精度和稳定性。本文对VRS基本原理、运行过程进行了分析,并进一步探讨了该技术在各个领域的应用潜力。     

全球定位系统的差分伪距定位的算法研究

分析了GPS差分伪距绝对定位的传统算法,并提出了一种通过求差,将GPS绝对定位的非线性观测方程转化成线性方程直接求解观测站坐标的新算法.通过实例计算表明该方法计算简单,不需要观测站的初始坐标信息,不需要求导计算和迭代计算,通过采用差分绝对定位的模拟观测数据进行计算.计算结果表明,对于提高GPS差分伪距单点定位的解算速度和精度具有重要的应用价值.     

基于递推最小二乘平方差的GPS精密单点定位精度研究

对传统GPS单点定位、差分GPS定位和GPS精密单点定位进行了比较。建立了GPS精密单点定位无电离层组合的数学模型。建立了递推最小二乘平差进行参数估算的数学模型,并利用该方法进行相位平滑伪距处理。分析了该方法对伪距观测误差的影响。利用bernese软件和据此编制的程序,并利用IGS跟踪站的观测数据进行了接收机三维坐标的解算。将IGS观测值坐标作为真值,解算值和真值之间的偏差作为定位误差。仿真结果表明,经过递推最小二乘伪距平滑处理后,精密单点定位的误差在北方向、东方向、高度方向上都小于0.02 m。     

用无人机 GPS系统对雷达进行精度评定的方法

提出了一种新的雷达精度评定方法,即利用搭载全球定位系统(GPS)的小型无人机做为雷达的跟踪目标,对雷达测量精度进行评定.在研究评定方法的基础上,分析了数据处理方法和雷达评定工作对GPS系统定位精度的要求.为了提高无人机的定位精度,系统采用了差分GPS定位技术,即根据地面基准站测量GPS的定位误差来修正无人机的测量结果,并采用Kalman滤波方法来抑制观测噪声,进一步提高无人机的定位精度.仿真测试表明,这种方法可以满足雷达评定的精度要求,同时具有简单、经济、可靠的优点.     

基于神经网络的GPS坐标转换方法研究

全球定位系统(GPS)与地理信息系统(GIS)结合是湿地研究的关键技术之一.将神经网络方法用于GPS全球坐标系统和地方坐标系统之间数据坐标转换研究中,建立了三层前馈神经网络模型.训练方法采用Levenberg-Marquardt算法,并改进其性能函数以提高网络的泛化能力.对神经网络模型的建立、网络的训练方法、仿真曲线、神经网络的输出结果进行了详细的讨论.仿真结果证明改进的Levenberg-Marquardt算法适用于GPS数据坐标转换问题.选择松辽流域为研究区域,以流域内扎龙湿地为中心进行了考查.结果表明,神经网络方法能够建立坐标转换的复杂模型,是一种效率高、准确性高的方法,在湿地保护的动态数据分析方面具有一定的意义.     

基于BP神经网络的车辆定位融合模型

针对常规的GPS定位方法在大城市中容易丢失信号的问题,提出采用GPS与基于移动通信网络的定位技术(MPS)相结合的思路．利用反向传播(BP)神经网络构造GPS与MPS定位信息的融合模型,并采用动量法和学习率自适应调整的策略来解决BP算法收敛速度慢和局部极小点的问题．用126条调查数据对神经网络进行训练的结果表明,该模型结果在定位的方向和趋势上基本与GPS定位结果一致,且不依赖于原有模型,因而可有效运用于在较低成本下保持车辆的定位连续性和定位精度．     

基于LSTM网络辅助无迹粒子滤波的列车定位方法研究

针对列车在实际运行过程中,在通视性不良区域难以获得全球定位系统(Global Positioning System,GPS)信号,致使GPS/捷联惯性导航系统(Strapdown Intertial Navigation System,SINS)列车定位系统精度下降的情况,提出一种基于长短时记忆(Long Short Term Memory,LSTM)网络无迹粒子滤波(Unscented Particle Filter,UPF)的定位方法.在GPS信号有效的情况下,使用UPF1进行列车定位,并利用UPF1输出的位置速度信息训练LSTM1;当GPS信号缺失时,引入神经网络监督控制思想,使用训练好的LSTM1代替GPS信号,并将其与SINS输出信息作为反馈控制器UPF2的输入,使用UPF2的输入输出搭建神经网络控制器LSTM2;系统的输出由UPF2和LSTM2的输出共同决定,但随着LSTM2不断逼近系统模型,会取代UPF2决定最终输出结果.仿真结果证明,采用LSTM辅助UPF的方法可以满足列车定位的要求.     

浅析GPS差分算法及数据处理

简要介绍了差分GPS在定位技术的优点，详细论述了差分GPS算法模型，同时对数据处理的算法模型进行了分析，在此基础上，给出了通过已知坐标解算出未知坐标的全过程。通过仿真实验证明，此算法还存在一定的缺陷，但是基本可以满足工程要求。为相应的产品开发提供了有益的经验。     

基于二次散射体模型的GPS/蜂窝网混合定位方法

 针对蜂窝网精度不高及GPS在复杂环境下存在信息不足等各不可抗的缺陷,采用基于GPS和蜂窝网相结合的混合定位方法,来改善定位的可用性,和提高定位精度.针对影响GPS/蜂窝组合定位系统精度的主要因素NLOS传播,采用二次散射体模型抑制NLOS传播影响,其思路在于将散射体作为虚拟基站,抑制蜂窝的NLOS误差,辅助GPS定位,并改善精度因子(DOP),把NLOS误差转化为确定性的模型因素,因此定位精度主要取决于定位参数的测量精度,和非直达波引起的参数偏差无关,从而进一步提高了复杂环境下GPS/蜂窝混合定位精度.通过在静止、运动、ROS模型、高斯噪声传播环境下的仿真实验证明,该方法具有更高的精度和更强的鲁棒性.     

基于模糊神经网络的地图匹配算法

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置.     

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...     

基于非线性自适应回归神经网络的GPS/IMU组合导航方法

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。     

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。     

Tight integration of digital map and in-vehicle positioning unit for car navigation in urban areas

Now GPS has been widely used for land, sea and air navigation.However, due to signal blockage and severe multipath environments in urban areas, such as in Hong Kong, GPS alone can not satisfy most land vehicle navigation requirements. Dead Reckoning (DR) systems have been widely used to bridge the gaps of GPS and to smooth GPS position errors. However,the DR drift errors increase with time rapidly and frequent calibration is required. Under the normal situation, GPS is sufficient to provide the calibration to the DR unit. However, GPS may not be available in urban areas for more than 20 min, and the DR position errors can reach hundreds of meters during the period. As land vehicles have to be on roads, digital map can be used to constrain the locations of vehicles, known as map-matching.One of the main problems for map-matching techniques is mis-matching, that may be caused by the positioning sensor errors and the complexity of city road network. In this paper, a newly developed model to tightly integrate digital map and in-vehicle positioning unit for car navigation is introduced.With this method, it improves the position accuracy by constraining the vehicle location on the roads. Moreover it provides the close-loop controls for the DR drift errors by feeding back the coordinates of the feature points of the road network and road bearings to the DR unit and therefore the navigation system can be used for longer period when GPS is not available.Extensive tests have been carried out in Hong Kong. It demonstrates that this close-loop approach is much better on the reliability of map-matching, as the positioning sensor errors are constantly calibrated by the digital map.     

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.     

基于车载GPS定位误差分布规律的地图匹配算法

针对目前车载GPS定位信息地图匹配技术的主要缺陷,即GPS定位点的道路纵向位置修正效果较差,特别是对GPS独立定位的情况而言,修正精度很低,通过分析车载GPS定位误差的特点及其分布规律设计了一种地图匹配算法,重点提高车载GPS定位点在道路纵向的修正精度.采用长春市局部路网的地理信息为基础,采集车载GPS实测数据完成了算法的实证分析.结果表明,所提出的地图匹配算法应用效果理想,尤其是将车载GPS定位点的道路纵向位置修正精度提高了2.5 m以上,从而可满足车载GPS数据用户更高水平的信息需求.     

基于GIS和GPS的交通状态参数估计仿真分析

在行程时问参数估计的模型和方法研究的基础上，探讨了地理信息系统（GIS）环境下仿真出租车全球定位系统（GPS）信息的系统实现和关键技术．提出了系统评价的指标，包括信息的准确性、信息的及时性、信息的广泛性和信息成本等，对路网连通性拓扑结构的构建、GPS坐标与城市平面直角坐标的转换模型以及仿真过程中的关键问题给出了解决方法．应用开发的GPS交通仿真系统进行了模拟试验的计算结果表明，提出的模型和方法是可行的和有效的．