基于UKF的ILS/GLS/INS组合导航融合方法

针对进近着陆过程中,仪表着陆系统(ILS)会受到空域以及外界环境的影响而产生导航偏差,影响进近着陆时导航的精度,而现在正在引进GLS着陆系统。本文提出一种将ILS和GLS分别与SINS相组合,利用改进的联邦无迹卡尔曼滤波,将其输出的位置之差作为量测值,再根据线性最小方差准则,提出了按照最优系数加权的方法融合局部导航数据,从而得到全局最优估值。相比于传统的联邦滤波算法,能有效的降低测量噪声,减小飞机降落时与标准航道的偏角误差,从而提高进近着陆引导的水平精度。     

削减NLOS误差的UWB室内定位算法

为了解决非视距(non-line of sight, NLOS)环境下超宽带(ultra-wideband, UWB)室内定位精度低的问题,提出一种基于到达时间差(time difference of arrival, TDOA)的UWB室内定位算法来削减NLOS误差,提高定位精度。利用卡尔曼滤波算法,初次估计移动标签节点与各锚节点间的TDOA值;基于TDOA差值进行NLOS误差判别,依据判别结果对受NLOS误差影响的测量值进行视距(line of sight, LOS)重构,并利用仅受LOS误差影响的历史值更新卡尔曼滤波的协方差阵;利用Chan-Taylor算法进行迭代计算,得到最终精确的定位结果。实验结果表明,在LOS环境下,提出的算法能达到分米级的定位精度;在受NLOS影响的环境下,该算法能有效提高定位精度,减小定位误差,具有更好的稳定性。     

IMM-SRUKF在GPS/INS组合导航中的应用

针对无迹卡尔曼滤波(UKF)鲁棒性不强的问题,结合全球定位系统/惯性导航系统(GPS/INS)紧组合模型特点,提出了基于交互式多模型(IMM)的混合平方根无迹卡尔曼滤波(SRUKF)算法.该算法采用交互式多模型结构,克服了模型不确定性因素的影响;采用平方根滤波技术,解决了协方差矩阵难以保持正定的问题.同时,考虑到内部滤波器与线性/非线性模型不匹配,引入混合滤波思想,对SRUKF进行了优化.将新算法应用于紧组合模型进行仿真,结果表明:新算法能够以适当的时间复杂度,获得较强的鲁棒性能,适用于复杂的导航环境.     

基于深度学习GRU网络的UWB室内定位优化

为减少信号传输质量和距离估计算法等因素对定位精度的影响,将深度学习应用于超宽带（ultra wide band,UWB）室内定位系统,利用门控循环单元（gated recurrent unit,GRU）网络代替传统UWB室内定位系统中的三边测量过程,以提高UWB室内定位精度。在得到定位标签到基站的距离信息后,将距离信息输入GRU网络中,输出最终位置坐标。GRU作为循环神经网络（recurrent neural network,RNN）的变种,既含有RNN处理时序数据的优势,又解决了RNN中的长程依赖问题。对GRU网络模型中不同学习率、优化器、批量大小、网络层数、隐藏神经元数量参数进行调整和训练。结果表明,基于GRU网络模型的UWB室内定位系统显著提高了定位精度,平均定位误差为6.8 cm。     

基于改进强跟踪滤波器的UWB/AHRS紧组合定位方法

针对遮挡环境下的车辆定位问题,提出一种基于改进强跟踪滤波（ISTF）算法的超宽带（UWB）与航姿参考系统（AHRS）紧组合定位方法.该方法使用阈值鉴别UWB测距异常值并消除其影响,将强跟踪滤波（STF）算法应用到紧组合系统的数据融合中,并结合定位模型对算法进行改进,以提高算法的稳定性和对观测噪声的估计精度.仿真与实验结果表明,该方法能在复杂工况下提供车辆精确的定位信息,与UWB单独定位及采用几种非线性滤波算法相比,系统的鲁棒性更强、定位精度更高,具有很强的实用性.      

基于惯性导航的消防室内定位技术研究

面对城市高层建筑火灾,消防室内定位的需求日益凸显。首先讲述了消防室内定位现状,详细介绍惯性导航定位技术腰部方案和脚部方案的原理,并针对目前主流的消防室内定位技术进行对比论证,最后提出了惯性导航消防室内定位技术创新改进方案。     

基于核函数与卡尔曼滤波的室内定位方法

针对室内定位中存在的定位精度不高、定位稳定性较差的问题,提出了一种基于核函数与卡尔曼滤波结合的室内定位算法.首先利用核函数作为匹配算法进行初步定位,高斯核函数可以充分捕获参考点指纹与测试点RSS之间的非线性相关性,取得比K最近邻算法更好的匹配效果,再利用卡尔曼滤波对核函数的定位结果作滤波处理.实验结果表明,在真实无线局域网环境下,对核函数定位的结果作卡尔曼滤波处理后,均方根误差降低了25%,2m以内的定位准确度由75%提高到90%,定位稳定性提高了29%.     

基于质心-Taylor的UWB室内定位算法研究

针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time difference of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。     

基于改进IMM-UKF算法的一种融合航迹推演的红外路标室内定位方法

在结构化环境中,针对室内机器人导航对精度和实时性的要求,在一种新型红外路标定位方法的基础上,为满足全局导航的需要并简化硬件结构,提出一种融合航迹推演的红外路标室内定位方法,将单个大功率红外发射管作为路标,移动机器人上的红外摄像头作为接收传感器,融合采用改进的交互多模型无迹卡尔曼滤波(interacting multiple models unscented Kalman filter,IMM-UKF)算法.将融合航迹推演的红外路标室内定位方法和一般的定位方法做了比较,并将融合所采用改进的IMM-UKF算法与一般的融合算法做了比较.实验结果表明,提出的基于改进IMM-UKF算法的融合航迹推演的红外路标室内定位方法获得了比一般的定位方法更快的定位速度和更高的定位精度,且改进IMM-UKF算法比一般融合算法获得的定位精度更高.     

基于超宽带技术的室内无线定位的研究

本文介绍了超宽带定位技术的特点和优点,在分析了无线定位基本算法和室内信道特点的基础上,研究了超宽带用于室内定位的几种技术,以及室内定位与跟踪的相关算法,进一步选出适合在室内定位的算法,以提高定位的精度并减少非视距和多径传播的影响。     

基于模拟退火算法的卡尔曼滤波在室内定位中的应用研究

卡尔曼滤波算法是用来解决定位中滤波的问题的一个重要内容,但由于预测和测量值之间的误差比较大,算法并没有达到最优,因为在室内定位中温湿度(高斯白噪声)对其有影响,以及非平面中的位置信息影响人员物品的位置定位精确度。针对卡尔曼滤波算法的这一问题,引进模拟退火算法。结合模拟退火算法的降温思想,采用迭代选取最优解,以此为基础,得到的最优解用于卡尔曼的初始值;将得到的最优距离作为对象,并以此建立邻域,最后再用线性插值法得到坐标。仿真实验表明,此种方法有效提高了室内定位精确度,减小降低了各种因素的干扰。     

基于UWB的三维定位和优化滤波方法

为了提高室内定位的精度,研究适用于室内定位的基于超宽带(UWB)的三维定位和优化滤波方法,建立基于UWB的三维定位模型;分析三维定位数据利用卡尔曼滤波、平滑滤波、中值滤波、曲线拟合4种算法,在所需时间、环境需求、性价比和精度方面的特性.实验结果表明:相比于平滑滤波、中值滤波、曲线拟合算法,卡尔曼滤波更适合在室内环境的三...     

一种基于传声器阵列的室内声音定位方法研究

提出一种使用多个声源进行室内声音定位的方法,能够在室内平面空间内进行坐标定位,为室内移动机器人的定位和导航提供了一种可以通用的方案.采用传声器阵列分别获取各声源声波的到达时间差,并对各声源进行定位.通过对多个固定位置声源的定位,根据声源位置和传声器阵列的几何关系,计算或者估计得到待定位单元的坐标.     

基于改进WKNN的室内定位算法

针对经典的NN算法,K近邻算法,加权K近邻算法中度量相似距离多为简单的欧氏距离,提出了将曼哈顿距离替代欧氏距离作为定位匹配的度量距离改进定位算法.其相比于之前的算法定位精度更高,响应速度更快,适合应用到室内定位相关研究当中.考虑到Wi-Fi信号易受噪声等外界不确定因素的影响以及移动终端接收信号强度指示与真实值存在偏差而...     

双层PSO-ELM融合室内定位算法

随着基于位置服务需求的增长,室内定位成为国内外学者研究的重点领域.研究发现采用多传感器信息融合方法可以提高定位准确度,目前人们普遍认为利用多传感器的互补特性,结合各融合算法提升导航系统的整体精度是室内定位领域未来的发展趋势.本文提出一种基于双层粒子群极限学习机(PSO-ELM)神经网络的融合视觉和惯性信息的室内定位算法...     

基于UWB无线定位的汽车防撞系统设计

汽车测速、测距的防撞预警可有效避免交通事故的发生。介绍了测速、测距原理,在此基础上论述了基于系统及芯片（system on a chip,SoC）的汽车防撞系统,提出了一种应用SoC芯片和超宽带（ultra wide band,UWB）无线定位技术的汽车防撞系统方案,研究了系统中关键功能模块UWB模块和SoC信号处理模块的实现和软件处理流程。结果表明,该方案可对行驶中的汽车与汽车以及汽车与其他障碍物之间的距离进行实时监测,在距离较近时能准确及时地判断并采取合理的处理措施,避免碰撞的发生,保障行车安全。     

基于神经网络的UWB室内定位算法

定位技术的迅速发展,使它渗透到了人们的生产生活中,因此,对定位技术的完善和提升变得尤为重要.一些传统定位技术,如红外线、超声波、蓝牙、RFID等,由于室内环境的复杂性,导致定位精度有所损失.UWB作为一种无载波通信技术,其诸多优点可以使它在视距传输中获得良好的定位效果,但是实际环境中的非视距传输,会使其受到影响而产生误差.采用TOA定位方法,辅以神经网络算法,可在寻求优化解的过程中不断减小误差,实验仿真表明,该算法在复杂的室内传输中具有较高的定位精度.     

基于UWB无线定位的汽车防撞系统设计

汽车测速、测距的防撞预警可有效避免交通事故的发生。介绍了测速、测距原理,在此基础上论述了基于系统及芯片(system on a chip,SoC)的汽车防撞系统,提出了一种应用SoC芯片和超宽带(ultra wide band,UWB)无线定位技术的汽车防撞系统方案,研究了系统中关键功能模块UWB模块和SoC信号处理模块的实现和软件处理流程。结果表明,该方案可对行驶中的汽车与汽车以及汽车与其他障碍物之间的距离进行实时监测,在距离较近时能准确及时地判断并采取合理的处理措施,避免碰撞的发生,保障行车安全。