一种提高GPS定位精度的组合定位方法

验证了DGPS和卡尔曼滤波器在提高GPS接收机定位精度方面的有效性 .针对静态定位的特点 ,对传统卡尔曼滤波方程做出改进 ,消除由速度误差引起的定位偏离 ,并进一步采用组合滤波结构以完善动态滤波器的静态定位性能 .利用DGPS和卡尔曼滤波器在减少误差类型上的互补性 ,本文采用一种组合定位的方法 ,以起到同时减少常值误差和随机误差的作用 .实验证明 ,如果融合DGPS和卡尔曼滤波技术采用组合定位的方法 ,可以将定位精度从 2 .4m( 2σ)提高到 0 .9m( 2σ) .     

基于PDA的GPS定位精度提高方法

阐述了在Windows CE嵌入式系统中实现PDA和GPS串行通信的方法;验证了DGPS和卡尔曼滤波器在提高GPS接收机定位精度方面的有效性;针对动态滤波器在静态定位时滤波精度下降的问题,对传统卡尔曼滤波方程作出改进,并进一步采用滤波选择结构完善卡尔曼滤波器的动静态滤波性能;利用DGPS和卡尔曼滤波器在误差消除上的互补性,设计一个由PDA接收平台、差分GPS系统和滤波选择结构组成的组合定位试验系统．试验证明,采用组合定位的方式,可以将GPS的定位精度从2．4m（2σ）提高到0．9m（2σ）．     

组合导航信息融合算法的研究

以GPS／INS组合导航系统为应用背景,推导了“当前统计”模型下卡尔曼滤波方程的关键矩阵。阐述了卡尔曼滤波器的主要参数对组合导航信息融合效果的影响;给出了组合导航系统的松耦合设计框图;根据实验测得的数据采用基于卡尔曼滤波的信息融合算法,通过对算法改进前后东向误差和北向误差的分析,说明算法改进后的定位精度比改进前高约30％．     

基于GPS和Zigbee融合的无缝定位方法研究

针对GPS在复杂环境下的定位功能受到限制的问题,提出了利用GPS和Zigbee进行组合定位的无缝定位方法,并采用扩展卡尔曼滤波器来解决2个不同传感器之间的数据融合问题,实现了2种定位方式之间在复杂环境下的无缝切换,可应用在某些GPS信号受限的定位场合.实验表明,采用扩展卡尔曼滤波对融合后的GPS和Zigbee信号轨迹进行处理后,算法过程稳定,能有效地提高系统的定位精度、覆盖度和实时性.     

GPS静态单点定位的滤波算法比较

针对目前利用低成本全球卫星定位系统(GPS)进行静态单点定位精度较差的问题,分别将卡尔曼滤波、粒子滤波和扩展卡尔曼粒子滤波理论应用于其中.对两组由不同GPS-OEM板构成的单点定位系统实测的经纬度和海拔高度数据进行了滤波处理,并对不同滤波算法的效果作出了比较与分析.分析结果表明,滤波后定位精度有了明显提高,3种滤波算法中扩展卡尔曼粒子滤波的滤波效果最好,粒子滤波次之,卡尔曼滤波效果一般.实验结果为提高低成本CPS静态单点定位系统的定位精度提供了一种有效的解决方案,同时也对各滤波器理论上的滤波效果进行了验证.     

UKF在车辆组合定位技术中的应用

用一种新型的无迹卡尔曼滤波算法(UKF)代替传统的扩展卡尔曼滤波算法(EKF),对GPS/DR组合定位系统进行信息融合滤波。通过计算机仿真和分析后,结果表明无迹卡尔曼滤波算法UKF的滤波定位精度明显高于扩展卡尔曼滤波器EKF,而且UKF对由于系统非线性所引起的滤波误差有很好的抑制作用,因此UKF算法对于要求高精度、低成本和高可靠性的GPS/DR组合定位系统来说是一种值得推广的滤波算法,具有一定的应用价值。     

GPS和GLONASS静态位置综合法

关闭SA后 ,GPS的C A码接收机定位精度可达 2 5m (95 %) ,用KALMAN滤波器综合它和GLONASS的位置信息 ,在静态环境下可很快获得 1m的精度 (1σ) .当一个子系统发生突变时 ,综合系统可有效地改善其定位精度 .     

基于DSP的GPS/DR组合定位系统的设计

对于城市车辆GPS导航来说,其很大的一个缺点是跟踪卫星的信号常常由于建筑物、隧道及树木等的遮挡而使GPS的定位精度大大降低,甚至无法进行正常的定位。为此,提出了基于DSP的GPS/DR组合定位系统,详细介绍了系统的硬件设计方法、组成和软件设计思想。最后进行了采用联合卡尔曼滤波器的GPS和DR系统的组合定位的仿真实验。实验证明,采用联合卡尔曼滤波算法的GPS/DR组合定位系统的转度明显高于GPS单独定位方式。     

激光雷达和行人航迹推算融合的室内目标定位方法

激光雷达(light detection and ranging, LiDAR)在室内定位中具有抗干扰能力强,速度、角和距离分辨率高等优点,但在定位过程中其精度易受环境因素干扰影响。提出了一种LiDAR和行人航迹推算(pedestrian dead reckoning, PDR)融合的室内定位方法,以扩展卡尔曼滤波(extended Kalman filter, EKF)为基础,通过对LiDAR的位移增量、角度观测值以及PDR的位姿信息等量测值进行解算,令二者互补融合,有效抑制非视距影响和误差累积的问题,并对单一类组合算法和融合类组合算法的定位精度进行对比分析。实验结果表明：当室内人员为行走状态时,LiDAR和PDR融合定位算法较单一定位方法在精度和稳定性方面均有效提高,PDR定位误差为0.98 m, LiDAR定位误差为0.6 m, EKF融合后定位误差下降到0.32 m。     

一种减轻非视距传播影响的移动台定位方法

提出了一种使用判决和卡尔曼滤波器相结合抑制消除非视距(NLOS)误差的定位方法.该方法假设目标移动台正处于跟踪状态,首先对距离测量结果中是否存在NLOS误差进行判断;然后根据判决结果选择两种不同的滤波器,对于NLOS传播由偏差卡尔曼滤波器消除NLOS误差,而对于LOS传播由无偏差卡尔曼滤波器对测量值进行平滑处理;最后利用处理后的数据估计移动台的位置.仿真结果表明在NLOS传播环境下该方法具有较高的准确性,可以有效消除NLOS误差,取得满足要求的定位精度.     

车载GPS/DR组合导航系统卡尔曼滤波方法的改进

将全球定位系统(GPS)和航位推算法(DR)两种定位方式结合,实现车辆GPS/DR组合定位系统的自适应信息融合.联合卡尔曼滤波器存在数学模型不确定性和误差模型的随机性的缺点,提出改进方法是采用联邦滤波器,并引入利用模糊推理建立的模糊自适应联邦滤波器,提高了系统的精度和功能.     

改进PV模型在北斗/GPS接收机中的应用

提出一种基于卡尔曼滤波器的改进10元素段落向量(PV)解算模型. 该模型依据卡尔曼滤波器的时间相关性,利用由位置坐标、 运动速度以及双系统时钟模型构成10元素的系统状态量,在多个历元内的伪距和多普勒频移观测量基础上进行滤波解算. 静态定位测试结果表明,10元素PV模型能够将定位误差提高至±3m内,且其定位结果在时间上表现为有色噪声. 该模型可应用于大部分日常生活运动场景,有利于提高运动物体的导航精度.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

基于外辐射源空域信息测量的无源定位算法

针对基于外辐射源进行定位具有抗干扰、反隐身等特点,提出了一种在方位角、俯仰角信息的基础上,增加角度变化率信息的单站无源定位方法。同时引入一种适应非线性系统的修正协方差扩展卡尔曼滤波(MVEKF)算法,与推广卡尔曼滤波器(EKF)相比,MVEKF能更好地解决量测模型非线性问题。计算机仿真结果表明,该定位方法具有较好的定位精度和定位速度,具有很大的实用价值。     

北斗双星导航定位系统在某地区动静态试验

对北斗双星基本型用户机在某地区进行了海上动态、陆上静态定位试验及其短信发报功能测试。试验结果表明:动态、静态定位精度基本一致;X 值(北纬度)变化幅度较大,Y 值(东经度)较为稳定;其定位精度可满足小于 1:25000 比例尺海洋测图;短信发报功能独特,几乎不受距离限制。研究指出可以运用北斗双星的短信发报功能来完成 DGPS 及北斗双星导航定位的差分信息,并提出了基于北斗双星/DGPS 组合导航定位的海洋综合测量系统的基本框架及功能设计。     

一种基于机载无源北斗系统的改进卡尔曼滤波算法

针对广泛研究的无源北斗定位系统,由于定位接收机本身不精确、环境噪声以及人为干扰等因素的影响,而导致相应的量测序列出现某些粗大的错误数据。这些数据在数量级上与正常量测值的差值较大,其差值超过了允许的误差范围,它们会明显影响卡尔曼滤波过程和降低系统的定位精度,造成系统的不稳定甚至滤波发散。提出了一种利用卡尔曼滤波剔除动态野值改进的算法,该方法提高了卡尔曼滤波器在机载环境下的跟踪能力,由于降低了状态方程的维数,滤波的实时性得到提高,经试飞数据验证,由该算法滤波后无源北斗系统的定位精度可以达到92 m,能够满足一般空中用户的需要。     

多传感器融合的手机室内三维定位试验

以智能手机为用户端平台,利用行人航迹推算(pedestrian dead reckoning,PDR)改进算法和气压测高原理设计了三维多传感器融合定位的扩展卡尔曼滤波器,基于Android操作系统开发了手机传感器融合的室内三维定位程序。最后,利用中国矿业大学室内外无缝定位试验场进行了定位算法性能评估。结果表明,三维融合定位方法能有效抑制漂移误差,定位精度和可靠性能够满足室内应用环境的要求,且定位精度优于WiFi方法和常规PDR方法。     

自适应滤波在GPS/IMU/MV组合导航系统中的应用

本文提出了一种自适应数据融合方法,该方法根据位置误差、角度误差和统计信息,采用模糊逻辑控制器对卡尔曼滤波器的增益矩阵K,测量误差协方差R,观测误差协方差Q进行实时修正,将卡尔曼滤波器调整到最优状态。仿真结果证明该方法比传统卡尔曼滤波具有更高的精度。     

一种基于北斗和5G技术融合的复杂环境下机车定位方法

随着5G时代的到来,在当前"通(信)导(航)一体"的背景下,针对机车位置在实际应用中仅靠北斗定位而存在较大误差甚至无法定位的现状,本文基于北斗和5G定位技术的基本原理,运用改进型联邦卡尔曼滤波算法建立北斗载波相位差分定位和5G蜂窝网络定位的融合模型,与常用联邦卡尔曼滤波器相比较,可以避免因北斗接收机故障或5G通信模块故障引起的数据污染问题.在复杂环境下,最佳效果可以达到分米级,避免无法定位现象,能够实现机车定位精度的提高,为铁路机务安全监测业务提供有力的技术手段.     

基于UPF算法的车辆GPS/DR组合导航研究

车辆GPS/DR组合导航系统是非线性系统。采用扩展卡尔曼滤波(EKF)对其进行状态估计时,系统线性化过程将导致较大的滤波误差。为了获得更好的估计性能,将一类改进的粒子滤波方法 (UPF),即以无位卡尔曼滤波(UKF)为建议密度的粒子滤波方法(PF)应用于车辆GPS/DR组合导航系统中,避免了EKF方法的线性化近似过程,提高载体的定位精度。为验证该方法的有效性,将其与EKF分别用于GPS/DR组合导航系统的滤波仿真。仿真结果表明:UPF能减小导航定位误差,滤波性能明显优于EKF。