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。     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

约束无迹粒子滤波及其在车辆导航中的应用

针对城市高楼密集区,卫星导航信号易被干扰或遮挡、航位推算长期定位误差积累导致车辆组合导航定位精度差的问题,提出一种约束无迹粒子滤波算法。首先,该算法利用无迹卡尔曼滤波对实时状态的均值和方差进行估计,生成的高斯分布作为粒子采样的重要性函数,克服了粒子滤波重要性函数难以选取的问题。其次,采用从观测方程中提取约束条件、构建约束方程的方法,解决约束条件难以构造和新增约束方程导致算法计算量激增的缺陷。再次,通过构造拉格朗日函数,得到无迹粒子滤波的状态估值投影到约束平面的最小值。然后,设计车辆组合导航系统的车辆运动约束方程和道路约束方程,对状态估计值进行约束,修正误差大的估计值,提高了状态量的估计精度。最后,将提出的约束无迹粒子滤波应用到全球定位系统/航位推算车辆组合导航系统中进行仿真验证,并与无迹粒子滤波和自适应无迹粒子滤波进行比较。结果表明:提出的算法估计得到位置误差均值控制在1.5 m左右,而2种比较算法估计得到的位置误差均值控制在3 m左右;提出算法的位置误差估计精度明显优于2种比较算法,车辆组合导航定位性能得到了改善。该方法为驾驶人提供了可靠的反馈信息,避免了交通事故的发生,从而减小了人员伤亡和经济损失。     

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.     

基于测距的地面网络化弹药节点自定位算法

分析了极大似然估计算法中测距误差对定位误差的影响,提出了基于LMS（最小均方差）的自适应滤波原理的测距误差修正的自定位算法. 利用极大似然估计法初步估计节点位置,并得到定位误差信息,建立测距误差矩阵并更新网络中的滤波参数,完成对网络中测距误差的抑制,从而优化节点定信息. 实验仿真表明,优化处理使定位精度得到提高. 结果表明算法适用于锚节点密度较小的、低信噪比的网络化弹药系统.     

基于交替迭代的压缩感知多目标定位算法

针对目前的多目标定位算法在定位精度等方面的不足,将交替迭代应用于压缩感知多目标定位方法。该方法首先利用压缩感知理论将传感器感知到的目标信号强度矩阵表示为测量矩阵与稀疏向量的乘积,将多目标定位问题转换为对稀疏信号的重构问题;然后运行传统压缩感知定位算法得到目标的粗略位置估计;最后通过交替迭代对定位结果不准确的目标进行精确定位。交替迭代过程中,采用菱形搜索寻找目标的精确位置。仿真结果表明:与传统的基于压缩感知的定位算法相比,该算法提高了不在网格中心的目标定位精度,改善了多目标间相互影响对定位干扰大的问题,具有较高的多目标定位精度。最后,以重庆某电力公司的室内运维巡检区域作为实验场所,将该方法应用于实际的巡检定位,取得了较好的室内定位结果。     

一种基于角度测量估计飞行目标运动参数的新方法

针对伪线性参数估计的实时性问题,提出了一种基于角度测量的飞行目标运动参数实时估计、跟踪算法.该算法对角度量测方程在当前飞行目标运动参数估计值附近进行泰勒级数展开,得出该时刻飞行目标的运动参数估计值与角度测量值之间的线性关系.在此基础上,利用最大似然估计法对估计值和估计误差协方差矩阵进行实时更新,再将更新值带入目标运动状态方程,以获得下一时刻的估计值和估计误差协方差,从而实现了飞行目标运动参数的迭代估计.仿真实验表明,所提算法可实现空中飞行目标的实时定位和位置、速度运动参数的实时估计,且无需存储大量的历史数据,其与伪线性参数估计算法相比,计算效率可提高50%.     

卡尔曼滤波的伪距单点定位数据后处理

GPS具有全球、全天候、连续实时的三维导航和定位能力,有着广泛的应用价值和发展潜力.C/A码GPS接收机具有价格便宜,体积小,便于携带等优点,从C/A码GPS接收机输出的定位结果入手,对C/A码GPS接收机静态定位精度进行研究,具有重要的实用价值.卡尔曼滤波是在线性无偏最小方差估计原理下推得的一种递推滤波方法,它引入了状态空间的概念,借助系统的状态转移方程根据前一时刻的状态估值和当前时刻的观测值递推估计新的状态估值.通过实验表明将卡尔曼滤波引入到定位数据作为后处理手段,极大地提高了定位的精度.     

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.     

基于线性时差的回转支承声发射源定位及修正

利用线性时差定位法实现了回转支承声发射源的粗略定位,但基于阈值的时差估计使定位精度不高.为提高声发射源定位精度,通过构造时差修正信号并计算修正信号的平滑伪Wigner-Ville分布,得到阈值时差的修正值.结果表明,采用修正后的时差进行声发射源定位可提高定位精度,源定位最大绝对误差从未修正时的23.63 mm降低到11.57 mm.     

基于接收信号强度指示加权融合的定位算法

基于接收信号强度指示的无线传感器网络定位问题,提出一种改进Kalman滤波方法,消除测距过程中的非视距误差,得到标签与节点间的估计距离.然后,分析标签与节点的距离、定位单元质量和标签所处的位置三方面对定位精度的影响,提出一种改进三边定位算法,并根据滤波后的估计距离计算得到的多个定位坐标进行加权融合.最后,通过Matlab仿真验证所提算法的有效性.     

基于目标运动轨迹提取的矢量脱靶量测量方法

提出一种基于目标空间运动轨迹提取的矢量脱靶量参数估计新方法.该方法利用不同接收天线接收的目标回波信号之间的相位差得到距离差,并基于距离差定位方法获得目标运动轨迹的空间定位点序列.通过建立目标运动模型,采用固定区间Kalman平滑滤波的方法获得目标运动的较精确轨迹.利用平滑滤波后的空间位置点,通过对一组线性方程求解得到矢量脱靶量参数的估计.仿真结果表明该方法可有效地估计出矢量脱靶量参数.     

一种改进的减小NLOS影响的定位算法

根据蜂窝网络中非视距(NLOS)传播时延服从指数分布的统计特性,在视距重构/平滑算法的基础上,提出了一种改进的减小NLOS影响的定位方法.该方法首先根据NLOS传播时延的统计特性,估计NLOS传播时延的均值和方差;然后对到达时间差(TDOA)测量值进行修正,进而估计移动台(MS)位置;最后对不同时刻估计的移动台位置进行加权处理,进一步减小NLOS的影响.仿真结果证明该方法能够有效提高定位算法的定位精度.     

北斗无源定位的虚拟卫星算法

为了解决现有的气压高度计辅助卫星定位算法计算繁琐或者难于分析定位精度的问题,该文提出虚拟卫星定位算法。该算法根据用户的位置估计值生成一颗"虚拟"卫星,对应的"虚拟"伪距由气压高度计提供,结合用户的可见卫星和测得的伪距来更新用户的位置估计值,反复执行上述过程直至收敛。该算法计算步骤简单,可直接进行定位精度分析。将该算法应用于北斗三星无源定位当中,仿真结果表明:设定气压测高误差标准差为8m,则中国及邻近地区的位置精度因子为8.8至22.4;在清华大学校园进行的静态测试显示,在各个历元上迭代过程只有4～9次,定位均方根误差为42.7m。     

北斗无源定位的虚拟卫星算法

为了解决现有的气压高度计辅助卫星定位算法计算繁琐或者难于分析定位精度的问题,该文提出虚拟卫星定位算法。该算法根据用户的位置估计值生成一颗"虚拟"卫星,对应的"虚拟"伪距由气压高度计提供,结合用户的可见卫星和测得的伪距来更新用户的位置估计值,反复执行上述过程直至收敛。该算法计算步骤简单,可直接进行定位精度分析。将该算法应用于北斗三星无源定位当中,仿真结果表明:设定气压测高误差标准差为8m,则中国及邻近地区的位置精度因子为8.8至22.4;在清华大学校园进行的静态测试显示,在各个历元上迭代过程只有4～9次,定位均方根误差为42.7m。     

基于误差修正的混合无线移动定位算法

为了提高无线移动定位精度,提出一种基于最小二乘支持向量机修改误差的TDOA-AOA定位算法。该方法首先通过非线性学习能力强的最小二乘支持向量机对测量误差和NLOS误差进行修正,然后利用TDOA-AOA算法对移动端点位置进行估计,最后通过仿真实验测试LSSVM-TDOA-AOA的定位性能。仿真结果表明,LSSVM-TDOA-AOA提高了移动端点位置估计精度,定位误差明显低于对比算法,可以较好地满足实际无线移动通信定位要求。     

双频GPS数据的最优相位平滑伪距算法研究

相位平滑伪距算法可以有效抑制多路径效应对伪距的不良影响,其计算效率高,对数据传输的要求低,因此在GPS数据处理领域受到了广泛的关注和研究．基于参数的最优估计理论,对Hatch滤波进行了改进,重点讨论了双频GPS数据的最优相位平滑伪距算法．由该算法平滑得到的观测量与原始观测数据包含的信息量相同,即最优相位平滑伪距算法与非组合算法等价．理论研究结果表明该方法能够更有效地削弱多路径的影响,从而得到精度更高的定位结果。     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

基于带符号残差加权的手机定位方法

在蜂窝网的移动终端定位中,非视距(NLOS)环境造成的误差是导致定位精度下降的主要原因.为降低NLOS误差的影响,本文提出了一种基于带符号残差加权的定位方法.该方法采用Chan算法算出移动台的初始位置,用带符号残差加权模型进行修正,再应用带符号残差辅助的泰勒级数展开法进行迭代,得到移动台的最终估计位置.仿真实验结果表明,与基于平方残差加权的方法相比,基于带符号残差加权的方法的定位精度平均提高约14.82%,可更加有效地抑制NLOS的影响.