IMU辅助的TDOA室内定位

室内环境下,当无线信号受到多径和非视距干扰时,传统的基于到达时间差（Time Difference of Arrival,TDOA）的测距模型定位精度不满足室内定位精度要求。为此,提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit,IMU）相结合的定位方法。在视距情况下,只有TDOA系统工作,但在信号受到干扰时,利用IMU能够在短时间内提供一个准确的相对位置信息的特性,采用TDOA算法对其进行辅助定位,并利用卡尔曼滤波器对它们的数据进行预处理,最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明,提出的算法比传统的TDOA定位具有更高的精度。     

基于容错决策树的UWB辅助惯性定位方法

针对惯性导航系统误差随时间累积和超宽带(UWB)定位受到非视距问题、多径效应和人体影响出现粗大误差的问题,提出了一种基于容错决策树的UWB辅助人员室内惯性定位方法。该方法提出并采用陀螺仪高精度分段拟合误差补偿模型,抑制惯性导航误差漂移;同时在UWB辅助人员室内惯性定位的基础上,构建惯性导航与UWB单点定位数据共同作用的容错决策树判定模型,剔除UWB定位的粗大误差因子,进而对惯性导航和UWB的参数应用扩展卡尔曼滤波,实现UWB辅助增强惯性定位。根据实验验证表明,在复杂狭窄巷道环境,该方法将距离均方误差占路线长度的比例从6.02%提升到0.76%;在常规方正室内环境,该方法将最大误差占路线长度的比例从2.207%提升到0.635%。实现了长时间的连续可靠定位,具有较强的工程应用价值。     

基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法

针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

基于自适应UKF的UWB/PDR行人定位系统

UWB(Ultra-Wide Band)无线通讯技术在室内导航定位领域获得了广泛的应用，然而基于UWB的行人定位系统在复杂室内环境下的稳定性不佳，导致定位误差增大。为了解决这一问题，文中提出了一种基于自适应无迹卡尔曼滤波(Unscented Kalman Filter, UKF)的UWB/PDR(Pedestrian Dead Reckoning)行人定位系统。该系统利用无迹卡尔曼滤波算法将PDR模型与UWB的定位信息进行融合，以得到最优位置估计，随后利用UWB定位与PDR系统所获得的步长差概率密度函数来计算定位点的非视距评估概率，并将评估结果作用于系统的自适应噪声调整，以此提高系统对环境的适应性。实验验证结果表明，该系统可有效降低复杂环境下定位误差，提高行人定位结果的精度和稳定性，平均定位精度达到10 cm以内。     

一种高精度的BDS/INS紧耦合测姿算法

针对"北斗"卫星姿态测量系统在测姿过程中测姿精度和稳定性不高的问题,提出了"北斗"卫星导航系统(BDS)/惯性导航系统(INS)紧耦合姿态测量算法.该算法首先利用BDS观测量设计了BDS系统测姿误差模型;然后以INS状态误差方程为滤波系统状态方程,以载波相位为主要观测量设计了扩展卡尔曼滤波器,利用滤波器的输出实现对惯性导航测姿系统的辅助校正;最后采用静态测试、动态测试和遮挡测试验证该算法.该系统可以有效提高BDS测姿精度与输出频率,并且在静态条件下航向角测量精度可以达到0.15°.     

基于蓝牙/INS的室内组合导航算法

蓝牙是一项低成本的室内定位导航的技术,但容易受室内环境影响;惯性导航系统(INS)常用于估计航姿,可通过加速度计的输出进行位置估计,但它容易受传感器误差和漂移的影响.为了实现更精准的室内导航,提出了使用卡尔曼滤波器(KF)融合蓝牙和惯导系统进行导航的算法.组合导航算法中,梯度下降法被用于对惯性传感器(ICM20602和...     

基于超宽带阵列与里程计的多机器人相对定位

精准的相对定位是实现多机器人协作与编队控制的关键。在弱全球定位系统(GPS)的室内环境中，视觉或激光雷达(LiDAR)通过特征匹配的方式确定机器人间相对位置，但在非视距环境下难以工作。针对这一问题，该文提出一种基于多超宽带(UWB)节点的移动机器人相对定位方法。首先，利用每个机器人携带的多个UWB节点构成UWB阵列，通过非线性优化实现移动机器人间相对姿态估计。为进一步提升估计精度，利用里程计对非线性优化结果进行约束，通过图优化算法对滑动窗口内的相对位姿与里程计进行优化，保证了算法的实时性。然而，图优化过程中难以确定相对位姿估计的误差，对定位结果影响较大。因此，利用粒子滤波融合里程计和滑动窗口优化后的相对位姿，进一步提升相对姿态估计的精度。实验结果表明，该方法在12×6 m的室内环境中，能够达到0.312 m的平均定位误差以及4.903°平均角度误差，且具有良好的实时性。     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波算法以处理多源数据的融合.提出的滤波算法可将M估计理论、强跟踪算法、动态增强策略与传统的容积卡尔曼滤波算法结合,以此缓解外界噪声和系统模型误差对状态估计的不利影响.在UWB-INS组合定位框架内采用动态鲁棒容积卡尔曼滤波,可实现对室内行人运动轨迹的精确稳定跟踪.实际数据测试和Matlab仿真验证了所提方法在复杂环境下其定位精度和鲁棒性均优于单一依赖UWB或INS技术的定位系统.     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案。结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM)网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究。在此基础上,通过仿真和实测实验对联合定位算法进行验证,实验结果表明,该LSTM神经网络联合定位算法的定位精度优于传统TOA(Time of Arrival)、UKF(Unscented Kalman Filter)联合定位算法,适用复杂室内定位。     

Pedestrian Navigation Based on Inertial Sensors, Indoor Map, and WLAN Signals

As satellite signals, e.g. GPS, are severely degraded indoors or not available at all, other methods are needed for indoor positioning. In this paper, we propose methods for combining information from inertial sensors, indoor map, and WLAN signals for pedestrian indoor navigation. We present results of field tests where complementary extended Kalman filter was used to fuse together WLAN signal strengths and signals of an inertial sensor unit including one gyro and three-axis accelerometer. A particle filter was used to combine the inertial data with map information. The results show that both the map information and WLAN signals can be used to improve the pedestrian dead reckoning estimate based on inertial sensors. The results with different combinations of the available sensor information are compared.     

低成本MIMU/编码器组合的高精度航姿系统

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统的进一步推广应用,根据某型雷达车的需要,该文提出了一种低成本微型惯性测量单元(MIMU)/编码器组合的高精度航姿系统的结构与方案,并给出了初始对准和组合导航系统的数学模型,初始航向对准通过接收挠性陀螺寻北仪的寻北结果来完成,考虑到雷达车的工作方式,扣除杆臂效应后,2个速度误差观测量和3个位置误差观测量都为0,采用卡尔曼(Kalman)滤波将捷联惯导解算和航向编码器数据进行信息融合,得到对载体导航参数的最优估计。设计了工程样机,并进行了实验室测试与用户工程使用测试,结果表明,静态下产品的俯仰≤0.015°,滚动≤0.015°;动态下产品的俯仰≤0.025°(1σ),滚动≤0.025°(1σ)。     

基于北斗/惯导与多传感融合的无人机参数矫正方法研究

针对无人机飞行过程中姿态、定位以及高度参数不精确的问题,提出基于北斗/惯导与多传感器融合的无人机参数矫正方法,介绍了在北斗/惯导组合系统中融合气压传感器与速度传感器的采集参数,结合卡尔曼滤波器算法推算最优定位值。由速度传感器提供具体参数给惯导系统,并利用加速度与航偏角之间的关系预测无人机轨迹,结合北斗系统当前定位参数推算出最优值,将运算得到的无人机参数通过无线通讯的方式发送到终端进行存储显示。结果表明:采用多传感融合方式矫正的方法有效提高飞行轨迹与姿态的监测精度,定位精度达到3m,为操控无人机提供了有力的理论依据。     

Detection of UWB ranging measurement quality for collaborative indoor positioning

Wireless communication signals have become popular alternatives for indoor positioning and navigation due to lack of navigation satellite signals in such environments. The signal characteristics determine the method used for positioning as well as the positioning accuracy. Ultra-wideband (UWB) signals, with a typical bandwidth of over 1 GHz, overcome multipath problems in complicated environments. Hence, potentially achieves centimetre-level ranging accuracy in open areas. However, signals can be disrupted when placed in environments with obstructions and cause large ranging errors. This paper proposes a ranging measurement quality indicator (RQI) which detects the UWB measurement quality based on the received signal strength pattern. With a detection validity of more than 83%, the RQI is then implemented in a ranging-based collaborative positioning system. The relative constraint of the collaborative network is adjusted adaptively according to the detected RQI. The proposed detection and positioning algorithm improves positioning accuracy by 80% compared to non-adaptive collaborative positioning.     

基于特征匹配的着陆导航敏感器相对校准算法

在光学辅助惯性导航系统中,观测信息的最优融合依赖于相机与惯性测量单元六自由度转换的精确校准。针对火星软着陆自主导航中的测量信息最优融合问题,提出了基于扩展卡尔曼滤波的导航敏感器相对位姿校准算法。该算法仅利用火星表面可获取的路标特征点信息,不借助额外的测量设备,对相机与惯性测量单元相对位姿进行精确的校准,同时,能够估计着陆器的位置、速度和姿态。考虑到着陆器机动和火星自旋的影响,建立了宽视场相机及惯性测量单元的高精度测量模型。最后通过数学仿真对所提出的校准算法的可行性和有效性进行了验证。     

基于激光陀螺平台的船载姿态定位系统

为确保船载卫星接收机能够得到自身实时、准确的姿态信息,考虑到低成本的要求,采用微机电系统(MEMS)惯性器件设计接收机用姿态定位系统。利用船头部的高精度激光陀螺导航系统来组合尾部的MEMS惯导系统,对MEMS捷联惯导系统的误差进行了分析并建立组合导航系统的动态模型,利用Sage-Husa自适应滤波器对惯导系统的误差进行估计,对MEMS惯导系统的姿态解算结果予以修正,以解决MEMS惯导姿态精度低的问题,试验验证方案可行。     

Mesh自组网与惯导组合的班组协同定位算法研究

采用单一低精度惯性传感终端完成定位解算将导致定位精度发散,定位信息回传覆盖范围小,且传输易受干扰,因此,该文提出了一种Mesh自组网与惯导组合的班组协同定位方法。该方法建立的一种基于线性化卡尔曼滤波的班组协同定位算法模型,以高、低精度惯导组合的班组协同为基础,结合Mesh网络的通信传输功能,可抑制单一低精度惯性传感终端的短期累积误差,提高长航时定位精度。实验结果表明,采用班组协同定位算法,低精度惯性班组人员定位的闭环轨迹误差分别降低3.28%和3.2%,30 min累积定位平均误差分别降低5.82%和643%,有效抑制了单一低精度惯性定位成员的短期累积误差,提升了班组整体的定位精度。