一种双频载波相位平滑伪距算法的分析与实现

分析了一种双频载波相位平滑伪距算法,在利用MATLAB构建的定位程序中,比较了经过平滑伪距处理与未经平滑伪距处理的接收机定位精度。仿真结果表明,双频载波相位平滑伪距算法用于定位解算时能有效提高定位精度。     

伪距,伪距增量,载波相位双差／惯性深组合导航系统

利用滞后状态卡尔曼滤波将伪距,伪距增量以及载波相位双差同ＩＮＳ进行了深组合,仿真结果表明该组合导航系统不仅精度高,而且对解决惯导的对准问题具有突出的作用。     

一种基于电离层变化率的单频载波相位平滑伪距改进方法

为了避免单频用户可能出现的发散问题。在单频载波相位平滑伪距中,基于电离层延迟模型对电离层延迟变化进行补偿,进而推导该方法平滑后伪距精度的数学模型,使用IGS实测数据进行算例分析,验证本文方法的有效性。结果表明:本文改进的算法明显优于传统单频载波相位平滑伪距法。     

双频GPS数据的最优相位平滑伪距算法研究

相位平滑伪距算法可以有效抑制多路径效应对伪距的不良影响,其计算效率高,对数据传输的要求低,因此在GPS数据处理领域受到了广泛的关注和研究．基于参数的最优估计理论,对Hatch滤波进行了改进,重点讨论了双频GPS数据的最优相位平滑伪距算法．由该算法平滑得到的观测量与原始观测数据包含的信息量相同,即最优相位平滑伪距算法与非组合算法等价．理论研究结果表明该方法能够更有效地削弱多路径的影响,从而得到精度更高的定位结果。     

GBAS中相位平滑伪距差分修正改进算法

针对卫星导航精度问题,提出一种载波相位平滑伪距差分修正算法的改进方案.通过无码载偏离平滑滤波技术来解决电离层对伪距和载波相位观测值带来的不一致性导致的电离层误差加剧问题.利用信号传播中误差模型预测值、载波信号和码伪距确定滤波器的衰减因子,把接收到的双频载波信号相位值和伪距值线性组合,输入滤波器滤波.同时用卫星修正信息对平滑伪距值中钟差进行修正.仿真结果表明通过该算法能够减少滤波后的信号残差,提高载波相位平滑伪距差分修正值标准差的可用性,减少电离层误差对星基导航精密进近阶段定位精度的影响.     

基于ARM+FPGA的相位平滑伪距差分定位方法

为了满足用户更高的定位精度要求,研究了载波相位平滑伪距差分定位方法.根据差分定位原理,基于MATLAB平台自主编制了差分解算软件,兼容北斗和GPS伪距差分定位;基于ARM+FPGA平台的接收机实现了相位平滑伪距差分定位.实验结果表明,零基线条件下,相位平滑伪距差分算法定位精度可由标准定位的米级水平提高到亚米级,性能稳定.基线距离增大,定位精度随之降低,误差在±4m内,差分讯龄和定位精度成正比关系.     

车载伪距单点定位的卡尔曼滤波算法研究

为推动北斗卫星导航定位系统的融合发展理念,进一步提高车载伪距单点定位的精度,提出了一种基于Kalman滤波理论的车载双系统伪距单点定位算法,并通过静态试验和动态实验采集的实测数据进行了车载伪距单点定位精度分析,对算法的可靠性与实用性进行验证。其中,静态试验分别分析了GPS系统、北斗系统、北斗/GPS融合系统下的定位精度和可靠性,动态试验分析了BDS/GPS融合系统下的定位精度与可靠性。两种实验的结果表明:该算法在一定程度上提高了车载伪距单点定位的性能。并且,静态单点定位N方向精度提高22.8%、26.4%、19.8%(从左到右分别为GPS、BDS、BDS/GPS),E方向精度提高18.6%、23.3%、22.9%,U方向精度提高10.1%、7.5%、9.9%;动态单点定位在N方向精度提高13.4%,E方向精度提高13.2%,U方向精度提高4.6%。可见,通过kalman滤波可进一步提高车辆定位的精度与可靠性,满足道路上车辆的定位需求。     

基于单频伪距、伪距率GPS/INS紧组合导航系统

单频单系统型接收机的造价成本较低,为了迎合低成本的需求,并且解决在城市环境下因高楼大树遮挡导致全球卫星导航系统可见卫星数不足而无法定位的情况,本文设计了基于单频伪距、伪距率GPS/INS紧组合导航系统,详细推导了该组合导航系统的模型,并通过实验验证了当可见卫星数充足时,该系统的精度较高;当可见卫星数不足4颗时,该组合导航系统仍然可以有效的定位导航,满足一定的导航精度需求。     

全球定位系统的差分伪距定位的算法研究

分析了GPS差分伪距绝对定位的传统算法,并提出了一种通过求差,将GPS绝对定位的非线性观测方程转化成线性方程直接求解观测站坐标的新算法.通过实例计算表明该方法计算简单,不需要观测站的初始坐标信息,不需要求导计算和迭代计算,通过采用差分绝对定位的模拟观测数据进行计算.计算结果表明,对于提高GPS差分伪距单点定位的解算速度和精度具有重要的应用价值.     

相位电离层残差二阶差分辅助伪距相位组合北斗周跳探测与修复

实现周跳探测与修复的关键是构建最优的周跳检验量。本文在伪距相位组合法的基础上,根据北斗三频数据的特点,从理论上对最优组合系数的选取标准进行了详细地分析。通过对若干组组合系数相关参数的对比,优选出两组最优的组合系数,并联合STPIR组合构建得到最优周跳检验量。通过对北斗三频实测数据的处理验证本文算法的正确性和有效性。数值结果说明：本文算法能够正确有效地探测出不同频段上包括不敏感周跳在内的所有周跳并进行修复。     

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进. 利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%～40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.     

基于选择性模型更新与卡尔曼滤波的目标模型更新算法

选择性模型更新算法不能准确地更新目标模型,在外观变化、遮挡、场景光线变化等因素影响的运动目标跟踪中,不能有效地处理目标模型。因此,提出了一种选择性模型更新与卡尔曼滤波的目标模型更新算法。根据可靠性阈值和分量更新比例精确选取更新分量,并与Kalman滤波相结合,对目标模型分量进行预测,根据不同干扰和目标外形变化,将两种算法的跟踪结果线性加权得到新的跟踪目标模型。实验结果表明该算法具有良好的跟踪效果。     

一种基于事件触发的分布式卡尔曼一致性滤波算法设计

针对无线传感器网络中存在的通信带宽受限等问题,设计了基于事件触发的分布式卡尔曼一致性滤波算法.采用增量发送的传输机制,每个传感器仅在当前时刻观测值与最新触发时刻观测值之间的差值平方超出阈值时,才将观测值发送到相应的估值器.而每个估值器都可以通过时间触发的规则从其邻居节点接收到估计值.为了避免估值之间互协方差矩阵的计算,通过局部最小化方差的上界提出了事件触发的分布式卡尔曼滤波器.基于李雅普诺夫方法证明了算法在均方意义下的指数有界性.数值仿真验证了事件触发的阈值越小,通信率越高且滤波器的估计精度越高;否则,通信率越低且估计精度越低.     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

统一的和通用的Kalman滤波理论

用射影理论对一般线性离散时变随机系统提出了统一和通用的Kalman滤波理论,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻是相关的。提出了最优和稳态Kalman滤波器、平滑器和预报器,推广了经典Kalman滤波理论。     

基于卡尔曼滤波的差分光学吸收光谱法

针对差分光学吸收光谱(DOAS)技术中气体吸收结构的重叠问题,提出利用卡尔曼滤波进行光谱校正.卡尔曼滤波是一种递推式的现代滤波方法,它在吸收结构严重重叠的情况下,仍可得到很好的分析结果.文中简介了差分光学吸收光谱法,分析了卡尔曼滤波原理,并应用卡尔曼滤波对大气中SO2的差分光学吸收光谱进行了研究,同时探讨了大气中NO2和O3对SO2测量的影响.实验结果表明,该方法可有效地校正重叠,提高了DOAS系统的精度.     

基于Kalman滤波的白噪声估计理论的推广

应用Kalman滤波方法和射影理论,将现行的白噪声估计理论推广到一般的随机系统,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻也是相关的。提出了统一的最优和稳态白噪声和拟白噪声估值器。一个仿真例子说明了其有效性。     

一种邻帧匹配与卡尔曼滤波相结合的多目标跟踪算法

传统目标跟踪算法很难在户外视频中进行行人实时跟踪及人流量统计,针对该问题,提出一种联合邻帧匹配与卡尔曼滤波器的多目标跟踪算法。该算法首先以方向梯度直方图(HOG)为特征的自适应推进(Adaboost)分类器进行行人人头检测,进而采用卡尔曼滤波进行行人轨迹预测,并应用邻帧匹配算法对该目标运动轨迹进行校正。在邻帧匹配法中,本文新颖的将跟踪过程中的目标匹配问题转化为基于匈牙利算法的指派问题。因邻帧匹配法能更好地区分不同待匹配目标的特征,较传统跟踪算法,能更好的避免误匹配、漏匹配等问题,提高了目标跟踪的准确率,实验证明,该监控系统准确率高,且能满足扶梯监控系统应用场景下的鲁棒性、实时性要求。     

基于组稀疏卡尔曼滤波的多步轨迹预测方法

提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码,通过一次学习建立简单的多步线性回归预测模型,克服了传统方法未能充分利用历史数据而导致预测精度降低的问题;再利用最小角回归算法来计算该模型的稀疏系数,进一步改善模型系数估计的准确性;然后改进了卡尔曼滤波算法,并结合上述组稀疏编码算法,来确保预测结果的精确性;最后通过与传统BP、长短时记忆网络和组稀疏编码方法的仿真比较,验证了所提方法的有效性。