基于Android移动终端的车辆导航地图匹配算法研究

基于Android移动终端设计了一种基于路网拓扑结构的地图匹配算法,将地图匹配分成定位数据预处理、确定车辆所在路段、确定车辆匹配位置和出错检测等4个相对独立的过程.算法在过滤掉异常定位数据后采用航位推算进行补偿,使用考虑距离和方向两种要素的加权评估模型确定匹配路段,在确定匹配位置时对常用的垂直投影进行改进,得到一种优化方法.结果表明,该算法具有较高的路段识别正确率,优化方法相对于垂直投影法在位置精度上有所提高,地图匹配效果好.     

基于软件接收机的标量与矢量跟踪算法设计与分析

以Matlab软件接收机为平台,研究对比了标量与矢量跟踪算法结构原理及算法设计,并分析了两种不同算法在信号短暂遮挡环境下的接收机跟踪性能. 建立了基于扩展卡尔曼滤波的矢量延迟/频率锁定跟踪算法模型,分析了矢量跟踪算法控制过程及时间同步问题,分析了标量与矢量跟踪算法在信号短暂遮挡环境下快速重跟性能及其对定位的影响,并进行了半实物仿真. 仿真结果表明,矢量跟踪算法不仅具有更好的快速重跟性能,而且接收机的位置检测精度和位置检测平滑度都优于标量跟踪算法.      

GPS/INS相对导航鲁棒扩展卡尔曼滤波方法

针对绕飞模式下追踪器与合作目标间的GPS/INS组合相对导航问题,考虑追踪器的惯量阵存在不确定性,为提高相对导航系统的精确性和稳定性,提出了一种GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 该算法采用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开,并将线性化引起的模型误差作为不确定项来处理,结合鲁棒卡尔曼滤波算法,设计了GPS/INS组合相对导航的鲁棒扩展卡尔曼滤波算法. 仿真结果表明,该方法相对位置的估计精度为0.1 m,相对姿态的估计精度为0.001°,相对导航精度很高,且对追踪器惯量阵存在的不确定性具有很好的鲁棒性.      

GNSS软件接收机中匹配滤波器算法

为了适应全球卫星导航定位系统接收机的发展趋势,针对GNSS系统不同信号,研究了一种联合多个星座卫星信号的软件匹配滤波器捕获算法.通过对算法的分析,给出了影响算法复杂性的两个因素:接收序列伪码长度和本地复现序列数,并通过仿真给出了捕获GPS和伽利略开放信号可以使用的最佳复现序列数.仿真结果表明,对不同的GNSS信号,只要通过软件配置算法中的复现序列数,就可以以最小的计算复杂性来捕获相应信号.这对软件接收机中匹配捕获算法的设计有重要的指导意义.     

一种基于模型转换的GLONASS历书预报算法

通过对GLONASS历书预报算法的研究,提出了一种基于模型转换的GLONASS历书预报算法. 该算法采用最小二乘估计方法将一天内的GLONASS卫星精密轨道数据拟合成一组轨道根数,采用建立的历书转换模型将该组轨道根数转换成GLONASS历书参数. 采用STK(satellite tool kit)软件产生的精密轨道数据对该算法进行了验证. 同时将该算法应用于GLONASS导航信号模拟器并用JAVAD 112T商用接收机进行长时间的实测. 结果表明,该算法简便、有效且准确度高,完全满足导航用户对历书预报精度的需求.      

特征点提取算法比较及四旋翼平台验证

针对视觉导航中存在的图像特征点提取精度与用时之间的矛盾,对几种常用的特征点提取算法(Harris,SIFT,SURF)进行了论述,并针对SIFT算法和SURF算法进行了比较,同时搭建了四旋翼验证平台,利用四旋翼实验平台,针对自然环境中的实物测试了上述两种算法的提取精度与用时,结果表明SURF算法是视觉导航中综合考虑匹配的正确率及实时性的较优选择.     

面向本体的主题图导航定位方法研究

针对主题图导航定位的精确性和有效性问题,提出一种面向本体的主题图导航定位方法.根据主题图的特征关系去实现资源导航定位.因此,首先定义本体关系和相似性计算方法,并通过本体关系分析主题图的匹配融合方法,以及通过RDF、OWL-S、WSDL和XTM间的标签关系去实现导航定位模型;建立一种具有语义的蚁群算法进行优化求解,并与传统的蚁群算法进行比较,结果表明,具有语义的蚁群算法智能性更强.最后定义本体的召回率,用主题图精确度和语义蚁群优化效率评估该模型.结果表明,有效提高了主题图连接资源的精确性.     

未知环境下基于可视切线图的救援机器人导航

研究了未知环境下救援机器人的导航问题,提出了一种基于可视切线图的导航算法,并对所提算法的可行性进行了分析。该算法包括反射式导航和反应式导航两个过程,采用方向吸引算子搜索全局目标指导下的局部最优路径。基于Matlab的仿真实验证明,采用该导航算法的机器人行走路径较短,所需运动时间相对较少,并且具有较好的环境适应能力,能够满足救援机器人在未知环境下的运动要求。     

基于地磁定轨和扩维卡尔曼滤波的导航算法

为了克服扩展卡尔曼 (Kalman)滤波算法对噪声统计特性的约束 ,针对磁强计量测噪声为有色噪声伴常值干扰的特性 ,提出了一种基于扩维Kalman滤波算法的地磁导航算法 .该算法为了使量测噪声白噪化 ,引入了 2个新的状态变量 ,此时测量噪声是均值为 0的高斯白噪声 ,并满足扩展Kalman滤波算法的约束条件 .对由此构成的系统使用扩展Kalman滤波算法 ,可以得到扩维Kalman定轨导航算法 ,利用该算法可以获得国产磁强计的导航精度 ,其地心距模的估计误差为 2 0km ,速度模的估计误差为 10m/s .卫星的实测数据仿真结果表明 ,该导航算法具有较好的稳定性和收敛性 ,克服了扩展Kalman滤波算法的发散问题     

基于多路径粒子滤波目标跟踪

视觉跟踪是机器人自主导航、智能监控系统的关键技术.在粒子滤波跟踪算法中,设计粒子滤波器时,粒子大小是固定不变的,而目标与镜头之间是相对运动的,目标图像大小可能超出粒子范围,使得跟踪跟踪目标丢失.为了解决了上述问题本文提出了基于小波变换图像的粒子滤波方法.这里做法是在图像中目标上采集粒子,然后采用小波变换的分解算法和重建算法处理目标附近区域图像,再将采集到的粒子分成三部分,分别在原图和两种小波图像中传播.这样可以增强粒子滤波的鲁棒性,提高跟踪精度.