基于低精度GPS的智能车视觉导航方法

针对室外环境提出了一种基于低精度GPS的视觉导航方法.采用多传感器融合的方法解决道路和路口的导航问题.对于路口环境,通过对道路标志（如人行横道线）的检测,实现路口的初定位;基于全局地图信息,采用扩展卡尔曼滤波融合GPS和里程计信息,进行路口导航.真实环境下的实验结果表明该方法,具有良好的有效性和实时性.     

GPS接收机载波同步环路的研究

GPS全球定位系统是由美国研制的,利用卫星进行导航定位的系统,已经得到了广泛的应用.GPS接收机的用途就是实现定位功能.GPS接收机对GPS信号中的载波信号进行捕获和跟踪是导航定位的基础.为此,本文对GPS接收机捕获和跟踪载波信号进行研究,采用COSTAS环来实现载波的捕获与跟踪.并在MATLAB环境下进行仿真验证,来检验捕获和跟踪GPS信号载波的能力.     

地理坐标系下GPS定位误差的定量研究

针对目前对使用伪距的GPS定位误差的定量分析仍然不够精确的问题,本文分2种情况在东北天地理坐标系下对GPS定位误差进行了进一步分析:当使用全部可见卫星进行定位时,通过为不同纬度设置相应参数明显改进了GPS定位误差表达式;当选择4颗最优卫星进行定位时,针对更加实际的情况首次得出了GPS定位误差表达式. 从而给出了这2种情况下各向定位误差之间的关系. 在用户测距误差标准差σ_URE已知的情况下,根据提出的公式能够更加准确地估计GPS各向定位误差的标准差. 通过SPIRENT卫星信号模拟器生成赤道、北纬45°和北极点处的卫星信号,验证了所提出公式的精确性.      

综合卡尔曼滤波的多传感器协同室外定位研究

为了拓展移动机器人应用场景、满足室外定位的高精度需求,提出一种基于综合卡尔曼滤波的协同室外定位算法,可解决室外复杂环境下独立传感器失灵、机器人实时定位漂移的问题.首先构建GPS和超宽频非线性定位系统模型,测试不同滤波算法对该模型的预测效果,分析对比解算速度和均方根误差,从而确定适合定位系统的最优算法;然后针对GPS信号受环境遮挡导致丢失或失准的情况,构建超宽频和惯性测量单元非线性定位补偿系统,利用基于误差的卡尔曼滤波算法预测机器人位置姿态;通过融合两种非线性系统下估计得到的不同状态向量,确定机器人室外真实位置姿态,进一步提高机器人室外定位精度,保证定位系统的稳定性.试验验证表明,本文算法室外定位误差小于10 cm,在GPS信号微弱的环境下能实时估计目标位置姿态,大幅度降低障碍物干扰的影响,准确预测机器人位置.     

室内定位:挑战与机遇

随着移动计算的飞速发展,人们对高精度室内定位技术的需求日益强烈。由于在复杂室内环境之中无法接收到室外定位中的GPS信号,众多其他替代信号被应用于室内定位,而其中最普及的当属以WiFi、蓝牙为代表的无线通信信号。该文回顾了基于无线通信信号的室内定位技术,阐述了利用信号指纹进行室内定位的基础算法,并且详细地分析了在实际工作环境下传统定位技术面临的众多挑战。在此基础上,该文讨论了如何发掘信号指纹之间的时空关系,以及融合多模态传感器数据来提升系统的定位精度。最后,该文比较了主流定位方法的效果,并讨论了室内定位技术的未来发展方向。     

变加权系数联邦卡尔曼滤波在GPS/DR组合定位系统中的应用研究

针对全球定位系统(GPS)接收机易出现"丢星"现象及航位推算系统误差累计问题,采用变加权系数的联邦卡尔曼滤波信息融合算法,实现以航位推算系统(DR)辅助GPS定位系统的组合定位系统,并用Matlab软件对此算法进行了仿真研究.该方法既克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位.仿真结果表明,该方法在保证了系统定位精度的前提下,有效提高了定位系统的容错性和工作可靠性.     

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．     

基于因子图的无人喷雾机多源融合定位

针对果林环境GPS信号容易丢失,造成农机位姿估计误差较大的问题,提出了一种基于因子图的喷雾机多源融合定位方法.采用集成彩色和深度相机与IMU的RealSense D435i传感器,感知无人喷雾机周围环境信息.通过改进的自适应阈值均匀Harris角点提取方法,利用金字塔LK光流算法跟踪匹配角点,使用迭代最近点算法估计相机运动,最终采用因子图优化算法迭代优化位姿估计误差.试验在林间道路进行,改进的方法与惯性组合导航相比,在GPS信号丢失时可以有效地实时估计喷雾机位姿,试验测试距离总共112.39 m,多传感器融合后的位姿更新频率约为50 Hz.结果表明:喷雾机定位均方根误差减少了0.816 m,最大误差减少了4.613 m,姿态角度估计最大误差减少了2.713°.     

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.     

GPS/CAPS双模软件接收机

在软件接收机的架构下, 实现了GPS和CAPS单模软件接收机的定位解算, 在分析GPS和CAPS导航系统之间卫星识别方式、测距码及扩频方式、时间坐标系、空间坐标系、载波频段及导航电文异同的基础上, 提出了一种GPS/CAPS双模软件接收机结构. 在此结构上, 使用两套天线分别接收真实的GPS和CAPS射频信号, 基于计算机Matlab软件平台, 完成全部基带信号处理以及定位计算等完整过程, 实现GPS和CAPS单模导航系统和GPS/CAPS双模导航系统3种情形下的定位实验, 并对定位结果从准确性和稳定性两个方面进行了分析论证. 实验结果表明, CAPS定位精度与GPS定位精度大致相当, GPS/CAPS双模软件接收机定位结果精度比GPS和CAPS单模软件接收机定位结果精度高1~2 m, 同时GPS/CAPS双模软件接收机定位结果的平均方差最小.