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.     

基于BP神经网络的GPS/SINS姿态测量融合算法

针对传统全球定位系统/捷联惯性导航系统(global positioning system/strapdown inertial navigation system,GPS/SINS)组合系统信息融合技术存在的不足,设计了适用于GPS/SINS组合系统姿态测量的反向传播(back-propagation,BP)神经网络模型,并在标准BP算法基础上,采用限制初始权值和阈值?动态删减隐含层节点数和修改激活函数的改进算法,从而减小BP算法在GPS/SINS组合姿态测量过程中的训练误差,提高网络训练的相应速度及精度?最后通过算法仿真和分析结果图得出改进后的BP神经网络算法在GPS/SINS组合姿态测量系统中高效可行,且测姿性能优越?     

基于果蝇——广义回归神经网络优化的WSN节点定位算法

针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.     

基于5G子基站的室内定位卷积神经网络模型

针对目前GPS技术在室内定位中精度差的问题,本文将5G技术与卷积神经网络算法相结合,提出基于5G全新无线空口(NR)参数的室内定位方案.通过采集5G NR数据,与参考点编号形成指纹数据存入指纹库,以精确率、召回率和微平均等值作为评价指标,采用卷积神经网络算法对指纹库进行训练以获得定位模型,并使用Adam方法进行模型优化...     

一种BP神经网络优化算法在配电网故障定位的研究

根据BP神经网络建立配电网网络结构模型,针对BP神经网络在配电网故障定位中精准度不高的问题,在BP神经网络的基础上引入遗传算法,通过遗传算法对BP神经网络的初始连接权值和阈值的选择做出改进,使改进后的BP神经网络能够对初始值的预测更加准确.仿真实验证明了改进后的BP神经网络在配电网故障定位中的可行性,故障定位准确度有了很大的提高.     

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.     

基于改进BP神经网络模型的地面沉降预测及分析

针对区域性地面沉降问题,用遗传算法优化BP神经网络的初始权重,建立了地面沉降预测模型．该模型克服了BP神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点采用后验差检验法对模型拟合结果进行了检验,结果表明模型具有很好地拟合与泛化能力．应用该模型对地下水位影响强度进行了分析,表明地面沉降与地下水位存在一致响应趋势．     

基于人工神经网络的降雨径流模拟研究

针对水库径流难以预测的问题。采用改进的动量．自适应学习率调整BP神经网络方法,以南告水库作为研究对象,对水库的日资料进行径流模拟。并对该模型在径流模拟中的方法和难点问题进行分析和探讨。改进的BP模型模拟的结果与三水源新安江模型的模拟结果相比较,探讨改进的BP模型应用于水文模拟的可行性。研究结果表明,改进的BP模型用于水文模拟是可行的。     

基于神经网络的GPS坐标转换方法研究

全球定位系统(GPS)与地理信息系统(GIS)结合是湿地研究的关键技术之一.将神经网络方法用于GPS全球坐标系统和地方坐标系统之间数据坐标转换研究中,建立了三层前馈神经网络模型.训练方法采用Levenberg-Marquardt算法,并改进其性能函数以提高网络的泛化能力.对神经网络模型的建立、网络的训练方法、仿真曲线、神经网络的输出结果进行了详细的讨论.仿真结果证明改进的Levenberg-Marquardt算法适用于GPS数据坐标转换问题.选择松辽流域为研究区域,以流域内扎龙湿地为中心进行了考查.结果表明,神经网络方法能够建立坐标转换的复杂模型,是一种效率高、准确性高的方法,在湿地保护的动态数据分析方面具有一定的意义.     

BDS、GPS及其组合系统伪距单点定位精度分析

为研究北斗卫星导航系统(BDS)和BDS/GPS组合系统的定位性能,根据实测数据对比分析了GPS、BDS及BDS/GPS组合系统的可见卫星数、空间位置精度因子(PDOP)和伪距定位结果,以及BDS地球静止轨道(GEO)和中圆轨道/倾斜轨道(MEO/IGSO)卫星的定位结果;针对BDS与GPS观测值之间的精度差异,分别采用等权模型、高度角模型和Helmert模型研究组合系统的最优随机模型。研究表明:组合系统卫星的空间几何分布优于单系统;BDS定位的平面精度低于GPS,高程精度高于GPS,而BDS/GPS组合系统平面和三维精度高于单个系统;Helmert验后估计模型能够提高BDS/GPS组合定位的高程和三维定位精度。     

一种基于边缘计算的RTK定位方法

实时动态载波相位差分(Real-Time kinematic,RTK)定位是一种基于载波相位观测值的实时动态定位技术,通过架设基准站并将基准站数据与流动站数据进行差分解算获取流动站的精确位置,从而得到比传统GPS定位更为精确的结果。本文提出了一种基于边缘计算的实时动态载波相位差分定位方法 E-RTK(Edge Real-Time Kinematic),通过将RTK解算任务迁移至边缘设备,降低RTK移动端对硬件的算力需求,进而降低RTK定位的硬件成本。本文基于E-RTK进行了实现及测试,实验证明,该E-RTK定位在较低的硬件成本下,能够达到与传统RTK定位相当的精度,除此之外,在使用GPS+BEIDOU卫星数据进行解算定位时,相较于常见的GPS+GLONASS定位,其Fix速度具有较大提升。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

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.     

南浦大桥形变GPS动态监测试验及结果分析

采用14台全球定位系统(GPS)接收机对上海南浦大桥实施连续4 d形变监测,结合南浦大桥GPS监测试验,建立桥梁坐标系统(BCS)并进行相应的坐标转换,对数据精度及桥梁的静态和动态特性进行分析,证实了GPS技术完全可以应用于大中型桥梁的监测,而且相对于传统的监测工具具有自身的优势.     

GPS定位误差分析与建模

目的研究ＧＰＳ（全球定位系统）定位误差数据的数学模型．方法采用时间序列方法对原始数据进行分析,用周期图法提取周期项误差,用波克斯－詹金斯方法对平衡随机序列建模．结果该模型可用来提高ＧＰＳ定位精度,结论ＧＰＳ定位误差数据属于非平衡时间序列,包括周期项序列和平衡随机项序列,其中周期项序列的最大隐含周期为１０ｍｉｎ,平稳随机项序列符合ＡＲ（１）模型．     

Land vehicle positioning using GPS and dead reckoning

To ensure reliable land vehicle positioning, the Global Positioning System (GPS) is one of the best techniques commonly used in present-day positioning systems. However, GPS signals are not available if line of sight with the satellites is lost. In this respect, the addition of the Dead Reckoning (DR) method to complement the GPS unit would enhance the reliability of land vehicle positioning system. For implementing the DR method, the magnetic sensor and accelerometer are used for obtaining heading and velocity or distance information. Calibration of two sensors' dynamic model and DR algorithm are also introduced in this paper. The test result utilizing the GPS and DR methods is analyzed in this paper. It utilize spositioning information from GPS receiver when GPSsignal is available, otherwise DR is started to compensate GPS outage with the GPS output as the original point. The results showed that the error in east and north produced by the DR algorithm for a short time interval can be limitedwithin an acceptable range.     

An improved regularization method to resolve integer ambiguity in rapid positioning using single frequency GPS receivers

A new approach is employed in GPS rapid positioning using several-epoch single frequency phase data.Firstly, the structure characteristic of the normal matrix in GPS rapid positioning is analyzed. Then, in the light of the characteristic, based on TIKHONOV regularization theorem,a new regularizer is designed to mitigate the ill-condition of the normal matrix. The accurate float ambiguity solutions and their MSEM (Mean Squared Error Matrix) are obtained using several-epoch single frequency phase data. Combined with LAMBDA method, the new approach was used to fix the integer ambiguities correctly and quickly using MSEM instead of the cofactor matrix of the ambiguities. Finally, a baseline over 3 km is taken as an example. The fixed integer ambiguities by the new approach using five epoch single frequency phase data are the same as those fixed by Bernese software using long time data. The success rate of fixing the integer ambiguities is 100 percent using 197 group data.Compared with the traditional methods, the new approach provides better accuracy and efficiency in GPS rapid positioning. So, the new approach has an extensive application outlook in deformation monitoring, pseudokinematic relative positioning, and attitude determination, etc.     

Assessment of stochastic models for GPS measurements with different types of receivers

The stochastic model plays an important role in parameter estimation. The optimal estimator in the sense of least squares can only be obtained by using the correct stochastic model and consequently guarantees the precise positioning in GPS applications. In this contribution, the GPS measurements, collected by different types of geodetic dual-frequency receiver pairs on ultra-short baselines with a sampling interval of 1 s, are used to address their stochastic models, which include the variances of all observation types, the relationship between the observation accuracy and its elevation angle, the time correlation, as well as the correlation between observation types. The results show that the commonly used stochastic model with the assumption that all the raw GPS measurements are independent with the same variance does not meet the need for precise positioning and the elevation-dependent weight model cannot work well for different receiver and observation types. The time correlation and cross correlation are significant as well. It is therefore concluded that the stochastic model is much associated with the receiver and observation types and should be specified for the receiver and observation types.