融合MT2503与MEMS传感器的惯性导航定位算法

为提高惯性导航室内定位算法的精度与连续性,提出一种融合MT2503与MEMS传感器的惯性导航定位算法,算法以MT2503芯片作为定位终端,并将加速度计传感器、陀螺仪,磁力计等传感器与其进行融合,通过加速度计传感器解算步长、步幅、步频,通过陀螺仪与磁力计来识别定位终端微动偏移量,最后在初始位置上累加定位终端位移得出定位终端实时位置。实验证实通过零速修正和卡尔曼滤波对误差进行校正,有效的解决了MEMS(micro-electro mechanical system)定位算法中存在的导航解算误差累积问题,提升了MEMS惯性导航室内定位算法的精度。     

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.     

基于惯性导航与UWB的联合定位算法

为提高无GPS情况下的3维定位精度,提出基于惯性导航与UWB(超宽带技术)的联合定位算法.该算法将线性最小二乘法的航迹计算与定位点拟合进行融合,使用加权平均对信赖度因子进行权衡.为验证算法的有效性,设计了1套UWB与9轴惯性导航模块结合的软硬件平台.仿真和实际测试结果表明:该算法可将3维定位误差控制在20cm以内.     

基于GPS与超宽带的室内外无缝定位改进算法

结合GPS、惯性导航技术以及超宽带(UWB)技术,提出基于定位信号数量和信号强度的定位方法切换策略.根据切换策略,将伪距测量、Chan-Taylor协同算法以及行人航迹推算算法进行松散组合,得到优化后的定位算法.通过实验验证了切换策略的可行性,优化了室内外交界区域的定位轨迹,为室内外无缝定位技术提供了思路.     

GPS/INS在火车安全告警系统中的应用

为了弥补目前火车车辆运行中人工统计调度工作量大、效率低等缺陷，提出了一种基于全球定位系统和惯性导航技术(GPS／INS)的火车安全告警系统的设计方案；重点讨论了GPS／INS在信息融合时所使用的卡尔曼滤波方法，避免了独立的惯性导航系统无限位置误差和GPS的1Hz慢速数据修正的问题；利用原有国家铁路网数据库进行数据修正，进一步提高了系统的精度．在此基础上设计的火车安全告警系统就能够简捷、准确地计算车辆运行里程，当车辆达到维修等级时自动进行报警提示，从而降低火车车辆调度工作的工作量及运行风险．     

GPS/INS延时估计与基于残差重构的延时补偿算法

传感器采样延时是多传感器信息融合过程中面临的一个重要问题,全球定位系统/惯性导航系统(GPS/INS)的组合导航系统是智能汽车常用定位方式,但常面对GPS采样延时的问题,因而会造成对INS误差状态的错误估计,影响定位定速的精度.本文针对该问题,在传统的GPS/INS松耦合组合导航模型的基础上提出一种延时估计和补偿的算法.首先建立延时估计模型,估计时间同步误差,然后构建残差传播方程,利用残差重构的方式进行延时补偿,实现基于软件的时间同步.根据试验中对速度、位置误差及均方根误差的分析,改进的滤波算法有效地降低了GPS采样延时引入的误差,提高了定位和定速的精度.     

基于BDS/GPS组合的短基线相对定位性能分析

基于北斗卫星导航系统/全球定位系统(BeiDou Navigation Satellite System/Global Positioning System,BDS/GPS)组合定位的时空基准统一,文章详细介绍了BDS/GPS定位的函数模型和随机模型。在载波相位相对定位的算法基础上,编写BDS/GPS组合定位程序处理实测BDS/GPS短基线数据,从空间位置精度因子(position dilution of precision,PDOP)、整周模糊度固定以及定位精度等多方面分析BDS/GPS组合定位的性能。结果表明:BDS/GPS组合的PDOP值要小于单个系统的值,而且稳定性好,双系统的观测精度好于单个系统;BDS/GPS组合的短基线相对定位中单历元模糊度固定率高达98%,比GPS、BDS单系统单历元模糊度固定率分别提高了4.3%和21.0%。BDS/GPS组合的短基线定位精度在E、N方向定位结果优于1cm,U方向定位结果优于2cm,比单GPS系统在E、N方向定位精度分别提高25%、4.7%,在U方向定位精度提高12.8%。     

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.     

基于天牛须搜索优化的室内定位算法

室内定位技术受到广泛的关注,基于接受信号强度指示(RSSI)的测距技术目前在节点定位中得到广泛应用.在基于RSSI测距的基础上,提出将天牛须搜索优化(BAS)算法应用到室内定位中.首先通过RSSI测距获得未知节点与锚节点之间的距离,在计算距离时对数据进行了预处理,从而提高测距的精度.然后引入BAS算法计算出未知节点的位置坐标.通过与粒子群定位算法(PSO)和遗传定位算法(GA)对比试验结果,验证了BAS定位算法对室内定位效率的提高更加明显.     

一种基于MEMS惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算 (Pedestrian Dead Reckoning, PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(Micro Electro Mechanical System, MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman Filter, KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态,并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

基于多传感器数据融合的室内定位算法

基于惯性测量单元(IMU)的定位方法是一种全自主定位方法,该方法通常是基于单个IMU(Single-IMU)实施定位,其具有较大的漂移误差和累积误差.因此,提出了一种基于多个可穿戴式IMU(Multi-IMUs)与室内无线传感器网络(IWSN)的多传感器数据融合的室内定位算法,根据佩戴于不同部位的Multi-IMUs信息协同,提高人体姿态检测的有效性,并且利用模糊投票机制(Fuzzy Voting Scheme)融合Multi-IMUs位置信息;此外,结合IWSN,采用卡尔曼滤波算法(Kalman Filter Algorithm)融合IWSN解算出的位置信息与Multi-IMUs计算出的位置信息降低基于IMU的累积误差.实验结果表明,所提出的基于多传感器数据融合的室内定位算法能够识别出行走的姿态,与基于Single-IMU的定位算法相比,该算法有效地降低了累积误差和漂移误差,提高了室内定位的有效性和可靠性.     

基于位置信息的车联网路由恢复方法

文章利用方向性天线的高空间复用度和高传输能力,提出了一种基于位置信息的车联网(Vehicular Ad Hoc Networks,VANETs)路由恢复方法。为了减少路由修复过程中因目标节点移动对路由修复造成的影响,该方法利用全球定位系统(Global Positioning System,GPS)定位装置提供的行车参数信息,对路由修复过程中目标节点的移动轨迹进行了预测,并对目标节点位置进行修正。仿真实验表明,该方法提高了路由修复成功率,降低了路由修复延迟和路由修复开销。     

RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information, PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。     

基于证据理论的车辆组合导航系统的信息融合

由于车载GPS(G lobal Position ing System)接收机的定位精度通常受卫星状况和道路环境的影响,同时DR(Dead Reckon ing)系统的距离和航向传感器随着行驶距离的增加,会产生误差积累,这些误差使传感器的定位轨迹偏离车辆所在的实际位置。为此,在信息融合理论的基础上,利用高精度的电子地图对导航系统提供的车辆位置进行修正,以车辆位置到匹配道路的距离、车辆行驶方向与道路方向的夹角作为评判可信度的证据,提出了基于D-S(Dempster-Shafer)证据推理的信息融合方法。实际跑车实验表明,该地图匹配融合方法能够使车辆导航系统的定位精度达到5 m左右。对于改善低成本的GPS/DR车辆导航系统的性能是个行之有效的方案。     

基于iGMAS产品的BDS/GPS组合RTK定位性能分析

随着各国自主导航系统的快速发展,多卫星导航系统组合定位成为当前研究热点,其可弥补单系统在全球卫星导航系统(Global Navigation Satellite System,GNSS)信号遮挡严重区域无法提供连续、可靠的定位服务的不足。文章基于国际全球连续监测评估系统(international GNSS MonitoringAssessment Service,iGMAS)产品,研究分析了中国北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)与美国全球定位系统(Global Positioning System,GPS)组合实时动态定位(Real-Time Kinematic,RTK)性能。静态实验结果表明,开阔区GPS-RTK定位精度优于BDS、BDS/GPS组合RTK定位结果,封闭区BDS/GPS组合定位性能优于单系统定位精度,BDS定位结果优于GPS;动态实验结果表明,在信号遮挡严重区BDS/GPS组合可持续提供定位服务,但服务的可靠性较低。     

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.     

一种改进的WIFI位置指纹室内定位算法

WIFI位置指纹定位作为目前常见的室内定位方法,存在接收信号强度(received signal strength, RSS)波动和时变等问题,导致定位精度不高。文章为此设计了一种采用结合卡尔曼滤波的方差修正加权K最近邻(weighted K-nearest neighbor, WKNN)算法的室内定位方法。离线阶段,经过卡尔曼滤波后,选择数据的方差和均值作为反映RSS变化的特征值;在线阶段,通过采集的信号均值计算近似方差,对欧式距离进行权重修正,最后选择K个最近邻点确定待定点位置。实验结果表明:该文采用的定位方法平均定位精度达到1.248 m,相比于传统的WKNN室内定位方法,平均定位精度提升了20.3%;对比K-均值聚类结合动态加权K最近邻算法(K-means-EWKNN),平均定位精度提升了8.9%。     

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。     

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。     

基于熵和ICCP的多级地磁辅助惯性导航算法研究

惯性导航技术是一种完全自主的导航技术,为了解决惯性导航定位误差随时间积累不断增加的问题,采取地磁导航的方式来修正惯性导航的误差。研究地磁信息的熵算法和ICCP算法,利用熵算法具有剔除离散点、野值点,并且抗基准误差能力强和ICCP算法具有匹配精度较高,匹配结果较稳定的优点,提出一种将熵算法和改进的ICCP算法融合的新算法,以实现粗精结合多级匹配。仿真结果表明,该算法能够取得了很好的匹配效果,在一定程度上修正惯导误差,抑制惯性导航定位误差的发散,提高整个导航的精度,实现惯性导航长时间工作。