一种基于GPS实现水下定位的有效方法

针对水下目标的定位需求,在探讨GPS定位原理和水下超声定位原理基础上,提出了一种基于GPS实现水下定位的实现方法。给出了该方法的工作原理和具体工作过程。通过分析和计算GPS定位误差、水下定位误差,得到了这种定位方法的总体误差。分析和计算结果表明基于GPS实现水下定位的设想可能具有一定的实用价值。     

一种高效的GPS定位数据压缩算法设计

针对基于GPS及GPRS的手持式防走失终端的存储空间小、GPS定位数据量大、累积GPRS传输GPS定位数据流量大导致通信费用高的问题,提出一种专用于NMEA-0183标准GPS定位数据压缩的改进型位映射-半字节压缩算法.经过理论分析以及实际验证,该算法总压缩比不低于74.29%,并且减少了GPRS向监控中心传输的GPS定位数据量,降低了通信费用和GPRS信道的占用时间,提高了定位的实时性.     

GPS单点定位误差分析

研究了在进行GPS静态绝对定位时,误差经过多长时间会稳定在一个较小的范围内．在研究过程中,先是使用手持GPS接收机分4天对某一特征点采取静态绝对定位的方法来获取实验数据,每天的定位时间为1h,都是从上午10：00到11：00,每隔1min,记录一次观测值．4天一共获得4组特征点的坐标．然后通过对每组坐标值求均值和标准差的方法处理数据．在对处理结果进行比较和分析后．得出随着观测时间的延长．观测值会变得更加精确．经过20min左右的时间,经度坐标的误差会稳定在一个较小的范围内;经过27min左右的时间．纬度坐标的误差会稳定在一个较小的范围内．     

车辆导航定位监控实验系统设计与实现

本文基于笔者多年从事汽车电器系统设计的相关工作经验,以基于GPS及GIS技术的车辆导航定位监控系统设计为研究对象,设计与实现了一个实验系统,分析了该类系统的功能组成与实现方式,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义.     

BP神经网络在差分GPS定位技术中的应用

在分析差分GPS数学模型的基础上,针对GPS移动终端抗遮蔽性差,由差分GPS数学模型直接计算的定位结果很难维持连续、准确位置信息的问题,采用BP神经网络的预测结果来进行定位目标,提高定位信息的实时性和准确性.确定了神经网络的结构,采用数据对网络进行训练,并对神经网络模型进行仿真.仿真结果达到了一定的定位精度,由此可以说明此方法具有一定的应用价值.     

一种气压高度表辅助GPS定位算法的研究

GPS单独完成定位需要至少4颗可见卫星提供导航数据,然而在某些应用场合,卫星信号可能被遮蔽或干扰,单独定位无法满足定位需求.为解决由于可观察的定位卫星数量不足无法完成定位解算的问题,采用气压高度传感器构造约束条件,引入了一种组合定位的气压高度表辅助GPS定位算法,给出了算法的迭代公式.仿真结果表明,该方法可以满足GPS信号受遮蔽条件下中等精度的定位需求,具有一定的实用价值.     

DGPS在船舶导航定位应用中的多径效应的分析

分析了ＧＰＳ多径效应的机理，论述了船舶导航定位应用中岸台与运动台多径噪声的统计特性和频谱特性。分析了非相干包络相关延时锁相环作伪距检测器时，多径噪声时延对直达信号时延估计的影响，指出动态ＤＧＰＳ工作方式时多径噪声可能达到ＧＰＳ工作方式时的√２倍。     

一种新的变步长LMS自适应算法及其在自适应噪声对消中的应用

阐述了一种改进的LMS算法并应用于自适应噪声对消．新算法利用误差信号的相关值调节算法步长，解决了收敛时间和稳态误差的矛盾，并且不受已经存在的不相关噪声的干扰．对该算法的收敛性和稳定性进行了分析，仿真表明该算法优于固定步长的LMS算法和VSSLMS(variable step size)算法．     

一种分布式无锚点定位算法的优化与实现

符合分布式和无锚点特点的定位算法一直是传感器网络节点定位技术的一个重要发展方向。通过对大量无锚点定位算法的分析,提出了一种符合分布式特点且定位精度较高的无锚点定位算法。为进一步提高该算法的节点定位精度,建立了该算法的误差模型,通过对其分析,提出了减少目标节点定位误差的方法。为衡量节点估计位置的准确程度,首先提出了2个指标——定位等级与可信度;然后以原算法为基础,利用提出的指标,按照误差分析得出的结论,设计了一种从目标节点邻居表中筛选出高精度邻居节点的优化机制,从而提高了目标节点的定位精度。计算机仿真分析表明,优化后的算法计算节点估计位置的有效性和可靠性均高于原算法,进而证明了这种优化设计的可行性。     

基于BP网络的Kalman滤波在GPS导航中的应用

卡尔曼滤波是导航系统中最常用的数据处理方法。由于传统卡尔曼滤波导航定位的方法定位精度不高,针对导航系统中存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。提出了将BP神经网络嵌入到该滤波器中的方法。通过实测数据计算结果表明该算法能够真实反映载体运动轨迹,具有良好的精度和可靠性。     

转换GPS高程的神经元网络方法

介绍了神经元网络BP算法的基本结构,提出了转换GPS高程的神经元网络模型－－经改进的5层BP网络结构。该BP网络结构包括：输入转换层,输入层,隐含层,输出层和输出转换层。由于BP网络激活函数的数据限定区间为[0,1],在工程应用中,增加设置输入转换层和输出转换层是必要的。通过某工程实例,对5层BP网络的具体模型结构进行了一些试验研究。如输入输出层的结构设计,隐含层最佳节点数的选取等。最后得到了一些有工程实用价值的结论。     

一种基于模糊推理的神经网络学习算法

提出了一种新的神经网络学习算法．相对于其他学习算法，该算法侧重于网络参数的调整，通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习．结果表明，该算法能大大提高神经网络的学习速度和学习效率，并能从样本集中得到反常样本和小概率事件样本，对小概率事件样本有很好的学习能力．     

GPS高程的神经网络转换方法

探讨了用神经网络方法转换GPS大地高为正高或正常高,给出了一种改进的BP神经网络拓扑结构和算法,并用GPS实测资料数据进行了计算分析,估算精度达到厘米级,且精度比较稳定,已知样本点的数量要求较少。     

基于林区GPS控制网的手持式GPS空间定位试验

在林区建立GPS控制网,求解高精度的坐标转换参数,然后采用手持式GPS进行样地中心定位和小班边界定位的方法进行了试验。结果表明:在实际应用中宜选择5个已知差分基准站来求解坐标转换参数;手持式GPS的样地中心定位最大综合误差为3.86 m,小班边界平均位移和中心位置绝对位移分别为3.23 m和3.72 m,小班面积测量精度达98%以上,完全能满足林业生产中实际应用的需要,且操作简单、实用性强,可极大地提高森林资源调查和监测的工作效率。     

多层神经网络的快速BP算法

首先分析了BP算法中的误差函数对收敛精度的影响,给出了综合考虑绝对误差和相对误差的相差函数,其次利用优化方法中的共轭梯度算法来计算学习过程中的误差下降方向,并根据尺度公式对该方向进行修正,从而得到快速BP算法。经过对实际算例的模拟,结果表明本文给出的快速BP算法是一种适用于多层神经网络的、性能优良的学习算法。     

基于贝叶斯算法的神经网络优化方法

提出了一种近似建模的前馈网络训练算法一贝叶斯算法,该方法能对模型中的未知量构造其后验分布,提高网络的泛化性能,获取对应于后验分布最大值的权值向量．结果表明,贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的精度．     

一种基于进化BP神经网络的文本分类算法

提出并实现了一种结合BP神经网络和遗传算法的文本分类算法,根据遗传算法能够快速优化网络权重以及摆脱BP算法局部极点困扰的能力,提出一种改进的遗传算法确定网络拓扑结构和训练网络的方法.最后对设计的分类器进行了开放性测试,实验结果表明该分类器显著地提高了文本分类的查全率和查准率.     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

一种快速汽车电子导航算法

介绍一种基于全球定位系统（GPS）和电子地图（GIS）的车辆路径诱导系统快速混杂基因算法,实验结果显示,相比常用的基因算法,快速混杂基因算法在布线时间上减少了6%。