基于WT-UKF 的PDR/GPS 组合定位算法

针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定性更强, 精度更高.     

基于信息融合的电网作业智能终端定位算法

现有的用于电网作业的智能终端设备在定位时采用GPS和无线基站定位.GPS定位和无线基站定位因在部分区域存在信号弱或者无信号的情况,导致定位误差大,定位漂移.本文提出了AGPS、无线基站定位和行人航位推测相结合的基于粒子滤波的信息融合定位算法,并分析了算法实现原理.实验表明,在GPS信号较弱或者无信号的条件下,智能终端依然可完成高精度定位.     

基于多传感器融合的双轮差速机器人定位研究

针对单一传感器有一定的误差与使用场景限制的问题,往往需要通过融合滤波技术对多传感器的测量信息进行优势互补。为改善由惯性姿态测量单元(Inertial measurement unit, IMU)与轮式里程计（Wheel Odometry）组成的航迹推算（Dead Reckoning, DR）长期使用时产生不可忽略的积分误差,以及全球定位系统（Global Positioning System, GPS）在遇到信号被遮挡或者干扰的情况下将无法正常工作等情况所引起的问题,本研究结合GPS、IMU、轮式里程计三种传感器对双轮差速机器人进行定位,以起到互补的作用,使其能够适应更加多样化的环境;同时,我们定时使用GPS模块对DR推算位置信息进行修正,并比较IMU互补滤波解算法与DMP解算法,选取效果更好的方案获取机器人欧拉角,最后使用扩展卡尔曼滤波(Extended Kalman Filtering, EKF)算法对传感器数据进行融合处理,得到机器人的最优定位。结果表明,在采用了多传感器融合的方案之后,机器人的定位精确度较之只有单一传感器的方案有了显著的提升。     

一种新型的GPS/DR组合定位系统数据融合算法

全球卫星定位系统定位和测速精度高,具有全天候、全球性且基本不受地域、时间限制,但常因为某种原因出现GPS卫星信号丢失情况,航迹推算算法正好能弥补这个问题,将两者结合可以很好地解决定位问题.传统的数据融合算法-卡尔曼滤波算法,在参数选择上要求较高,选择不当即导致较大误差,影响算法效果.建立了GPS/DR组合定位系统的模型,提出了一种新型实用的自适应扩展卡尔曼滤波算法和DR单独定位算法结合的定位算法.通过实际跑车实验,结果表明,较之传统的卡尔曼滤波定位算法,该算法实用性好,而且能很好的满足系统的定位精度及可靠性等方面的要求.     

基于单片机的老人跌倒检测装置

设计了一种基于单片机的老人跌倒检测装置,采用加速度、陀螺仪传感器采集原始信号。在进行数据融合时采用自适应互补滤波算法,从频域角度消除噪声。针对该装置设计了一种计算量小的跌倒检测算法,并且加入了GPS定位装置和GSM短信模块。实验证明该跌倒检测算法计算量小、误判率低,并且能够实现精准定位。     

电磁波干扰下的工程GPS定位优化与仿真

研究GPS信号的优化定位问题.GPS在大气层传播中,信号要受到不可抗拒的电离层和对流层电磁波干扰,加之大城市或山区高层建筑物及树木等对信号的影响,会导致信号的非直线传播,造成定位存在多路径效应.传统GPS抗干扰定位算法主要针对静态绝对定位,对于产生多路径效应的动态干扰,定位结果跳跃较大,稳定性差.提出了一种加权约束残差修正的工程GPS抗电磁波干扰定位算法.利用数据组合方法,对工程GPS测量信号进行采集.通过加权约束残差修正方法,并对采集的GPS信号进行残差修正处理,在电磁波干扰的情况下形成深零陷,从而提高工程GPS测量信号的抗干扰性.实验结果表明,改进算法可对工程GPS测量进行电磁波抗干扰处理,能够有效提高信号的抗干扰性能.     

抑制多径的BD2/GPS双模自适应扩展卡尔曼滤波算法

当BD2/GPS卫星信号受到多径效应干扰时,接收机的定位精度将会严重下降。针对这一问题提出了一种抑制多径的BD2/GPS双模自适应扩展卡尔曼滤波算法。通过观测误差协方差估计和粗差检测来调整卫星参与定位的受信任程度和个数,分析了多径效应对伪距残差和多普勒残差的影响,同时对比了原始EKF算法和AREKF算法在多径干扰下复杂动态路况的定位性能。实验结果表明,AREKF算法能够有效抑制多径信号对定位效果的干扰,明显提高了定位精度和可靠性。     

基于误差四元数的单兵导航系统算法

MEMS传感器在尺寸、价格和功耗方面的进步促进了单兵导航系统的发展.对基于MEMS的单兵导航系统,航向估计是GPS信号丢失情况下的一个基础性难题,准确的航向估计能有效抑制导航误差的漂移.为获得准确的航向信息,减小单兵定位误差,提出了基于误差四元数的数据融合算法,利用卡尔曼滤波算法估计误差四元数,并进行了场地实验以验证算法的有效性.结论证明:当步行距离为80 m时,定位误差小于总距离的3％.     

基于灰色预测模型的GPS/WiFi室内外融合定位方法

针对室内外GPS/WiFi信号交织区定位模式反复切换、定位精度低的问题,提出一种基于灰色预测模型的融合定位方法。通过构造GM(1,1)模型得到当前定位模式下物体的灰色预测轨迹,利用几何方式将预测轨迹与待切换定位模式下的定位信息进行深度融合,实现精准定位。当预测轨迹与定位信息几何融合失败时,根据GPS接收卫星信号的数量判断是否切换定位模式。实验结果表明,与基于GPS和基于WiFi的定位方法相比,该方法具有较高的定位精度与较强的鲁棒性。     

基于信号抑制追踪定位的汽车GPS信号源检测

针对汽车GPS检测中汽车用户接收卫星发射的信号,由于地理位置的不同,加上汽车运行时卫星信号中噪声的存在不易准确获取.针对上述问题,提出利用抑制追踪定位算法的汽车GPS信号源检测方法,引入信号抑制追踪定位,用检测得到的汽车GPS信号残差特征对系统的计算结果进行了修正,以及运用修正后的数据构建汽车GPS噪声子频带DEMON谱,有效表达汽车的GPS信号差,间接反映汽车GPS信号信息,提高了汽车定位的准确率.实测证明,利用信号抑制追踪定位原理可有效计算出理想汽车GPS信号地点,定位准确性提高了10％.