基于PF的新的导航系统在视距和非视距环境中的动态跟踪研究简

针对现代都市环境中单一的GNSS定位技术无法满足精确定位的难题,结合GPS和DTMB定位技术的优势,给出GPS/DTMB组合定位新系统,研究粒子滤波算法在GPS/DTMB系统中的动态定位跟踪效果.从视距和非视距两种传播环境仿真验证,并对比分析均值和标准差大小.仿真结果表明,在两种传播环境中,粒子滤波算法滤波后的运动轨迹均接近真实轨迹,但视距环境下的动态跟踪效果、均值和标准差均优于非视距环境,且定位误差满足城市环境中的定位精度要求,从而验证了城市环境中采用GPS/DTMB组合定位系统的可行性.?更多还原     

EKF在新的导航系统中的仿真研究

针对全球定位系统(global positioning system, GPS)的应用受限于美国,涉及隐私和安全等问题给出一种新的组合导航定位系统方案,该方案充分利用中国自主的研发技术,消除对GPS定位技术的依赖.为了验证该方案的可行性,进一步研究扩展卡尔曼滤波算法(extended Kalman filter, EKF)在BDS和DTMB定位系统中的应用.给出机动目标特性的运动模型,利用EKF进行最优估计,最后从动态定位跟踪轨迹、定位跟踪误差、和误差累积分布函数3个方面进行仿真验证.仿真结果表明,跟踪轨迹能够基本吻合于真实轨迹,偏差较少,且因视距中的误差小于非视距,视距环境中的效果更优.     

基于非视距鉴别的室内移动节点跟踪算法

NLOS环境是影响室内移动节点跟踪的关键因素之一.为了降低NLOS环境对室内移动节点跟踪的影响,提出一种自适应跟踪滤波算法.该算法首先基于典型室内环境非视距偏置误差的时间变化特性分析,建立修正偏置扩展卡尔曼滤波来估计距离量测中的非视距误差;然后根据估计结果对LOS/NLOS环境进行鉴别;最后联合NLOS鉴别算法和修正偏置扩展卡尔曼滤波建立自适应跟踪滤波算法.数值仿真结果表明,该算法在室内环境具有较好的跟踪精度和较强的自适应性.     

GPS/BDS组合系统中粒子滤波算法

为了解决传统单一卫星导航系统存在的可靠性低和定位精度差等问题,在分析单系统导航定位原理及GPS/BDS组合导航定位解算的基础上,引入标准粒子滤波（PF）算法和高斯粒子滤波（GHPF）算法对组合系统进行定位解算,并对不同滤波算法做出了比较和分析。仿真结果表明,粒子滤波的滤波效果优于扩展卡尔曼滤波算法。     

基于假设检验的NLOS确定及最小残差定位算法

针对室内非视距传播会降低定位精度的情况,提出基于假设检验的NLOS确定算法,并在此基础上提出基于粒子群优化算法的最小残差定位算法.通过联合信号接收强度模型和到达时间模型,利用假设检验的方法确定当前信号是否受到非视距污染.仿真结果表明,与标准差分析法相比,所提出的方法具有计算量小、不需要太多的传播模型参数等特点,具有较高的正确率.在确定信号传播环境后,在非视距干扰比较严重的情况下,提出了基于粒子群优化算法的最小残差定位算法,定位精度优于加权最小二乘法和Fang氏算法.     

基于无线传播信道特征的非视距识别技术

复杂的室内环境中存在的各种无法躲避的障碍物会导致无线定位的测距精度较低,其中最主要的因素是存在非视距传播,因此识别信道状态是否为非视距对室内定位精度较为重要.提出一种基于信道信息的视距/非视距信道识别方法：首先对信号进行过滤,获取重要的信道抽头;然后提取过滤后信号的峰值,并计算其功率;最后通过计算得出该信道信号的峰均比,并联合假设检验对信道状态进行判决.仿真结果表明,峰均比特征在视距/非视距信道上有明显差异,可以作为识别视距/非视距信道的特征.该特征的视距识别正确率达到93.56%,非视距识别正确率达到87.23%,比使用峰度特征在视距场景下的识别正确率提高了2.65%,非视距正确率提高了0.71%.使用本算法在定位过程中进行验证,能够有效降低定位误差,提高定位精度,说明该算法的识别效果较好,具有一定的应用前景.     

基于严格残差选择的非视距定位算法

无线传感器网络的移动定位近年来受到越来越多的关注.影响精确定位的一个很重要因素是非视距传播信号的存在,非视距误差使得定位精度严重下降.通过分析非视距测量值残差的特性,提出了一种严格残差选择方法来鉴别距离测量值的状态.首先利用扩展卡尔曼滤波(EKF)算法的线性回归模型获得距离测量值的残差,然后利用严格残差选择来对残差进行筛选,最后利用并行变节点EKF算法完成定位.仿真结果表明提出的算法在非视距情况下的定位效果要优于其他算法,在不同环境下该算法具有更好的鲁棒性和更高的定位精度.     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。     

基于改进粒子滤波算法的无线传感器网络节点定位

针对无线传感器网络节点定位过程中的非视距传播误差问题,提出1种改进的状态检测粒子滤波算法。引入节点随机运动模型对节点运动状态进行预测。通过马尔科夫过程对在非视距(NLOS)/视距(LOS)混合环境下获得的测量值进行检测。利用p-范数对NLOS测量值进行筛选。结合校正后的节点间测量值和节点真实移动速度构建锚盒和采样盒。仿真结果表明,当NLOS/LOS混合模型分别满足均匀分布、高斯分布和指数分布时,该文算法均有较高的定位性能。     

室内超宽带非视距协同定位算法

超宽带以其高分辨率和抗多径的特点,成为室内定位技术的突出代表．室内环境复杂,接收的定位信号中多径干扰和非视距NLOS传播,会产生严重的非视距NLOS效应,导致传统的定位算法出现较大偏差．为了克服NLOS误差的影响并得到满足室内定位的精度要求,提出将带校正因子的WLS算法和Taylor算法相结合,通过协同定位来抑制非视距误差．结果表明：在多种环境下,改进的算法都能够较好地抑制NLOS误差干扰,基本满足了室内定位的精度要求,具有健壮性强的特点．     

一种非视距三维超声波室内定位系统研究

目的 针对超声波室内定位系统在非视距定位中精度较低的问题,为减少非视距环境误差与时钟同步等硬 件误差,从定位系统整体出发提出一种非视距环境下基于对射式测距的超声波定位系统。 方法 利用差分修正 Chan-Taylor 算法结合 Chan 算法与 Taylor 级数展开算法的优势,通过 Chan-Taylor 算法估计空间中已知坐标点并 记录其误差信息,以实际坐标为参考点,运用相邻范围内参考点对未知点差分加权,修正该点经 Chan-Taylor 算法 的初始估计坐标,得到最终位置。 为简化定位系统复杂度,提高视距环境定位精度,提出改进差分修正 Chan - Taylor 算法,减少初始参考点密度,将符合参考点最小间隔条件的待测点经差分修正后的估计坐标记为新参考点, 优化原参考点体系误差信息分布情况。 结果 算法仿真实验结果表明:在非视距环境下,差分修正 Chan-Taylor 算 法在不同参考点分布区域的平均误差与 Chan 算法和 Chan-Taylor 算法相比减小 6. 43%到 37. 46%;改进差分修正 Chan-Taylor 算法在视距定位中平均定位误差减少至少 11. 15%,均方根误差值 FRMSE 降低 22. 59%。 搭建超声波室 内定位系统以验证改进差分修正算法的定位精度,实验结果表明:定位误差范围在 3 ~ 7. 5 cm,其中 90%的误差值 小于 6 cm,与 Chan-Taylor 算法相比提高 28. 23%。 结论 该超声波室内定位系统在非视距定位中精度有明显提高, 在视距定位中提升较小。 可通过提高 Chan-Taylor 算法精度和改进参考点加权函数以优化定位算法;通过优化超 声波接收端信号识别方法,增大发射端信号范围以在硬件方面进一步提升该系统定位精度。     

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。     

嵌入式智能非视距机器人控制系统

提出了一种以ARM为控制器结合Linux作为操作系统的非视距移动器人控制系统.采用Linux平台下图像采集技术和无线网络通信技术,实现对环境图像的时实采集和无线传输,通过GPS全球定位技术和电子地图相结合的方法实现对机器人的定位和跟踪,采用Internet技术实现了控制指令、现场图像、机器人的自身状态和现场环境参量的非...     

蜂窝网中一种非视距传播的定位技术

非视距传播(NLOS)是蜂窝网定位误差的最主要来源.在定位参数中引入伸缩因子,采用反复叠代的方法,可以减少非视距传播的影响.仿真性能测试表明该方法不需要任何信道环境先验信息且收敛速度快,得到的定位精度接近于利用信道先验信息的平滑和重构技术而得到的精度,适用于未来蜂窝网的定位业务.     

基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法

针对捷联式惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统模型的误差以及粒子滤波(PF)存在的粒子退化问题,结合无迹卡尔曼滤波(UKF)算法,提出一种基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法.由误差四元数代替姿态角,以SINS和GPS的位置差和速度差作为观测量,建立新的组合导航系统误差方程.所提出的PF-UKF组合滤波算法将采样粒子分为随机粒子和确定粒子,其中随机粒子为概率密度函数所采集,确定粒子为UKF中采集Sigma点后所求取的系统状态值.由此降低了PF处理粒子时的复杂程度以及粒子退化的程度.仿真结果表明：相比于UKF算法,该方法有效提高了组合导航系统的精度,具有较好的鲁棒性.     

闪烁噪声下目标跟踪的容积粒子滤波算法

针对闪烁噪声下非线性非高斯系统的目标跟踪问题,首先建立了闪烁噪声的数学模型;然后分析了传统粒子滤波算法的优劣点,在此基础上,引入容积卡尔曼滤波算法,重新设计粒子滤波的重要性密度函数,提出用容积粒子滤波算法来跟踪目标。最后进行了仿真分析与对比。仿真结果表明,闪烁噪声条件下,容积粒子滤波算法的跟踪误差分别是传统粒子滤波算法和无迹粒子滤波算法的1/5和1/2,有更高的跟踪精度;而运行时间仅是无迹粒子滤波算法的1/2,且跟踪稳定性更好。     

容积粒子滤波算法及其应用

针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密度函数,获得所需要的带权粒子,进而通过计算粒子均值,获得系统状态的最小均方误差估计.CPF算法由于产生粒子时使用了最新的测量信息,因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明,CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3,是无味粒子滤波(UPF)算法的估计误差的1/2,且运行时间只有UPF算法的1/3.     

SINS/GPS/BD2/DVL船舶组合导航联邦滤波算法研究

针对于船舶在长期高速度航行的过程中,捷联惯性导航SINS存在着误差积累,GPS和北斗导航容易受环境干扰,从而不能满足长期高精度导航定位需要,提出了 SINS/GPS/BD2/DVL 组合导航联邦滤波算法。建立了SINS、GPS、BD2、DVL的误差模型,研究了滤波器的组合形式,并详细阐述了联邦滤波器的算法。仿真结果验证了该组合导航方案的可行性和算法的有效性,具有重要的工程应用价值。     

一种无线定位非视距误差消除算法研究

在分布式多天线的基础上,提出一种新型非视距误差消除算法,并将其应用于传统的时间到达（time of arrival,TOA）定位。利用含多天线的天线组,测量出导致产生非视距传播的散射体的位置,将这些散射体看作虚拟基站,测量出移动台的坐标,完成无线定位。通过对算法的仿真结果分析表明,该算法能有效地消除非视距误差,比一些传统算法具有更高的定位精度。     

惯导系统/全球定位系统/多普勒计程仪的船舶组合导航联邦滤波算法研究

针对于船舶在长期高速度航行的过程中,捷联惯性导航SINS存在着误差积累,GPS和北斗导航容易受环境干扰,从而不能满足长期高精度导航定位需要,提出了SINS/GPS/BD2/DVL组合导航联邦滤波算法。建立了SINS、GPS、BD2、DVL的误差模型,研究了滤波器的组合形式,并详细阐述了联邦滤波器的算法。仿真结果验证了该组合导航方案的可行性和算法的有效性,具有重要的工程应用价值。