BDS多频非组合伪距单点定位方法

针对北斗卫星导航系统多频伪距单点定位研究较少的现状,利用北斗卫星导航系统B1、B2和B3频率伪距观测值,提出了一种基于非组合方式的北斗卫星导航系统多频伪距单点定位方法,将三频伪距观测值作为相互独立的观测值信息进行最小二乘参数估计.采用单历元多频伪距单点定位和多历元多频伪距单点定位的数据处理模式进行用户的单点定位,多历元多频伪距单点定位采用参数消去法消掉接收机钟差,并进行法方程叠加.利用实测数据进行算法实验,结果表明基于非组合方式的北斗卫星导航系统多频伪距单点定位能达到米级至亚米级的定位精度,较北斗卫星导航系统标准定位服务的精度有明显改善.     

一种新型软件接收机定位解算方法

随着卫星导航产业的飞速发展,对于定位解算的精度和速度要求也不断提高,为了满足现代高精度、快速性定位的要求,提出一种新型软件接收机定位解算方法,该方法对伪距方程组中的公共白噪声和时钟误差进行消除,然后再进行迭代计算,最后采用位置差分的方法对迭代结果进行差分运算得到定位结果。计算机实验仿真,结果表明,与传统的最小二乘法相比,该方法具有更高的定位精度以及更快的迭代速度,对于软件接收机定位解算的研究具有重要的意义。     

基于递推最小二乘平方差的GPS精密单点定位精度研究

对传统GPS单点定位、差分GPS定位和GPS精密单点定位进行了比较。建立了GPS精密单点定位无电离层组合的数学模型。建立了递推最小二乘平差进行参数估算的数学模型,并利用该方法进行相位平滑伪距处理。分析了该方法对伪距观测误差的影响。利用bernese软件和据此编制的程序,并利用IGS跟踪站的观测数据进行了接收机三维坐标的解算。将IGS观测值坐标作为真值,解算值和真值之间的偏差作为定位误差。仿真结果表明,经过递推最小二乘伪距平滑处理后,精密单点定位的误差在北方向、东方向、高度方向上都小于0.02 m。     

基于RSSI测距的WLS定位算法

结合信道模型与实际测试得出的距离越远误差越大的特点,提出一种加权最小二乘估计（WLS）算法用于未知节点的坐标定位.在定位过程中首先通过加权计算获得信道衰落因子;然后利用WLS算法得到未知节点的坐标,并推导了测距和定位的误差公式.仿真实验表明WLS算法的硬件复杂度与最小二乘（LS）算法相同,而定位精度有较大提升,并验证了...     

一种改进的GPS测码伪距单点定位算法

GPS是通过在同一时刻观测4颗以上的卫星,利用伪距观测量来解算出接收机的位置和钟差.针时传统的迭代最小二乘算法精度依赖于初始值的估计,且迭代计算量大,给出了一种改进的求差算法,即将GPS单点定位的非线性观测方程转化成线性方程直接求解测站坐标.利用VC编程提取出GPS接收机纪录的数据,通过仿真表明该算法计算简单,不需要观测站的初始值,不需要求导计算和迭代计算,从而验证了这种改进算法的优越性.     

一种改进的GPS测码伪距单点定位算法

GPS是通过在同一时刻观测4颗以上的卫星,利用伪距观测量来解算出接收机的位置和钟差。针对传统的迭代最小二乘算法精度依赖于初始值的估计,且迭代计算量大,给出了一种改进的求差算法,即将GPS单点定位的非线性观测方程转化成线性方程直接求解测站坐标。利用VC编程提取出GPS接收机纪录的数据,通过仿真表明该算法计算简单,不需要观测站的初始值,不需要求导计算和迭代计算,从而验证了这种改进算法的优越性。     

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。     

基于总体最小二乘法的RAIM算法模型改进

最小二乘残差RAIM算法中的伪距观测模型线性化过程会形成截断误差.考虑环境噪声对数据矩阵和观测值的扰动影响,给出了RAIM解算模型;采用总体最小二乘法估计准则,使残差更精确,数据可靠性更高,提高了RAIM算法的定位解算的精度与可靠性.分别采用总体最小二乘残差法和最小二乘残差法对实测数据进行了处理,分析结果验证了总体最小...     

基于贝叶斯测距和迭代最小二乘RSS的定位算法

针对基于接收信号强度(received signal strength,RSS)测距定位框架,提出基于贝叶斯测距和迭代最小二乘定位的RSS的定位算法.在测距阶段,先利用贝叶斯概率模型处理测距过程,并采用最小均方误差(minimum mean square error,MMSE)估计距离;在定位阶段,利用迭代最小二乘(iterative least square,ILS)估计节点的位置,最后重点对其定位性能做了理论分析和对比实验.仿真结果表明,提出的MMSE+ILS定位的方案极大地提高了定位精度,并降低了计算复杂度,但运行时间略有提高.     

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.     

基于惯性导航与UWB的联合定位算法

为提高无GPS情况下的3维定位精度,提出基于惯性导航与UWB(超宽带技术)的联合定位算法.该算法将线性最小二乘法的航迹计算与定位点拟合进行融合,使用加权平均对信赖度因子进行权衡.为验证算法的有效性,设计了1套UWB与9轴惯性导航模块结合的软硬件平台.仿真和实际测试结果表明:该算法可将3维定位误差控制在20cm以内.     

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法,研究了基于接收信号强度测量的信号源定位问题.首先,建立了路径损耗的线性化模型;然后,介绍了加权最小二乘法,并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度（RSS）的2种算法进行比较,仿真结果表明提出的算法在定位精度方面有更好的表现.      

麦克风阵列中基于零陷波束形成的声反馈抑制

在教室和会场环境中,通常使用自适应控制方法进行声反馈抑制,但由于扬声器输出信号和麦克风输入信号之间存在强相关性,利用自适应控制方法进行声反馈抑制容易产生偏心估计问题。针对这一问题,提出在麦克风阵列中利用零陷波束形成实现声反馈抑制,该方法通过在扬声器方向上形成零陷,避免麦克风阵列采集扬声器的输出信号,达到声反馈抑制的目的。考虑到实际环境中噪声对声反馈抑制的效果有影响,利用加权最小二乘法迭代更新波束形成器系数。仿真结果显示,在有噪声的情况下,与最小二乘法、最小-最大法相比,加权最小二乘法对波束形成器反馈抑制性能的提升更有益。     

相关观测噪声的加权观测融合UKF滤波器

对于具有相同观测方程,相关观测噪声的非系统,应用无迹卡尔曼滤波器(UKF),以及加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.该算法具有全局最优性,且没有增加观测系统的维数,进而没有增加系统的计算负担.一个带有相关观测噪声的两传感器非线性系统的仿真例子说明了该融合算法的有效性及等价性.     

PET成像的加权最小二乘重建算法

针对正电子发射断层成像系统,提出一种基于加权最小二乘函数的迭代重建算法.与传统的梯度型算法不同,在迭代过程中,此算法利用当前迭代点构造辅助函数,使用辅助函数的最优解代替目标函数的最优解,获得新的迭代点.该算法自动满足非负约束,无需步长因子,保证目标函数单调递减,并且具有全局收敛性.使用模拟数据和真实医学诊断数据进行实验...     

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.     

基于非线性最小二乘算法的超宽带TOA估计

研究室内密集多径信道环境下的超宽带到达时间(TOA)估计技术.提出一种改进的门限比较TOA估计算法,利用非线性最小二乘算法同时估计多径延时和幅度,采用迭代算法提高参数估计精度,根据判决门限比较结果终止多径搜索过程并估计出TOA.分析该算法在室内多径信道模型中的性能,给出门限的设置方案.仿真结果表明,在不同的信噪比下设置合理的判决门限后,该算法具有较高的估计精度,能够满足精确定位需求.     

MIMO-OFDM系统中基于RAMP及其改进的稀疏信道估计算法

研究了在MIMO-OFDM系统中的稀疏信道估计问题。将正则化稀疏度自适应匹配追踪算法（RAMP）运用到MIMO-OFDM稀疏信道估计中,并对该算法的迭代结束条件加以改进,取残差的能量之差小于设定的阈值来终止迭代过程,更加准确地估计出信道稀疏度,进而提高了稀疏信道的估计精度。仿真结果表明,在MIMO-OFDM系统中,相比RAMP算法与稀疏度自适应匹配追踪算法（SAMP）,改进算法能够获得更好的MSE性能,在不需要稀疏度的前提下达到了与正交匹配追踪算法（OMP）算法相似的MSE性能。      

融合运动状态信息的高速相关滤波跟踪算法

为解决相关滤波(Discriminative Correlation Filter,DCF)算法在快速运动、遮挡、尺度变化等复杂情景下的跟踪失败问题,提出一种融合运动状态信息的高速相关滤波目标跟踪算法.在传统DCF算法基础上做出以下改进:(1)在跟踪框架中融入卡尔曼(Kalman)滤波器,利用目标运动状态信息对预测运动轨迹进行修正,以解决目标复杂运动时易跟丢问题,提高跟踪精度;(2)训练一个独立的尺度相关滤波器进行目标尺度预测,并利用主成分分析法(Principal Component Analysis,PCA)进行特征降维处理,提高跟踪速度;(3)提出一种高置信度更新策略判断是否对位置滤波器进行模板更新,以及是否采用Kalman滤波器预测位置作为目标位置.最后在OTB-100数据集上进行算法测试,提出算法平均精度与成功率分别达到74.8%与69.8%,平均帧率为84.37帧/s.相较其他几种主流算法,本文算法有效提高跟踪性能,并保证了跟踪速度,满足实时性要求,在遮挡、背景模糊、运动模糊等复杂情况下能够保持良好的跟踪效果.     

稀疏多元逻辑回归问题优化算法研究

稀疏多元逻辑回归(sparse multinomial logistic regression, SMLR)因为具有在分类的同时嵌入特征选择的作用而被广泛应用于生物信息学、高光谱图像分类、图像中的多类物体识别等领域。SMLR问题最早采用迭代重加权最小二乘法(iterative reweighted least squares, IRLS)的方式进行求解。但IRLS算法在处理高维数据集或者类别数较多的数据集时具有较高的计算复杂度。为了提高SMLR的可用性,提出采用一些高级优化算法如快速迭代收缩阈值法(fast iterative shrinkage threshold method, FISTA)、快速自适应收缩阈值法(fast adaptive shrinkage threshold method, FASTA)、交替方向乘子法(alternating direction multiplier method, ADMM)等来对SMLR问题进行求解。此外,为提高SMLR的适用性,还考虑了SMLR问题的分布式优化求解。对提出的几种SMLR优化求解算法的性能在不同数据集下进行了综合比较。实验结果表明,提出的算法在求解速度和准确率指标上都优于目前最先进的基于IRLS的SMLR优化算法。