基于信息融合的GPS航位推算组合导航系统设计

全球定位系统（GPS）和航位推算（DR）两种定位方式的结合,构建了基于卡尔曼滤波的算法,实现陆地GPS/DR组合定位系统的数据融合,当其中任何一个子系统出现故障时联合滤波器仍然可继续为用户提供导航服务。本文简介了GPS/DR车载组合导航。系统的设计原理及运用联合卡尔曼滤波进行数据融合的实现方法。     

基于神经网络的航位推算导航

针对航位推算法中陀螺仪对方向测量存在较大噪声,进而导致航位推算误差较大的问题,提出一种基于神经网络的航位推算方法.该方法利用神经网络考察加速度测量值与方向测量值之间的时变关系,从而在不使用陀螺仪的情况下,通过该时变关系使用加速度值计算方向值,进而完成水下自主航行器(AUV)的航位推算导航.结果表明,该算法能在仅使用加速度计的情况下完成航位推算导航,因此可避免近海面由陀螺仪噪声导致的航位推算误差问题.仿真实验证明了该算法准确率较高.     

基于EKF的无人潜航器航位推算算法

为了解决传感器的安装角偏离误差以及量测误差导致的无人潜航器(AUV)在水下自主航行时不能满足长时间导航定位的要求,对航位推算算法进行了研究.针对AUV在高纬度、长时间航行中曲率半径的变化,采用地球参考椭球体作为地球几何形状的数学描述;针对数据滤波实时性的要求,基于扩展卡尔曼滤波(EKF)对卫星导航系统(GPS)数据进行滤波,并利用AUV湖试数据对传感器的安装偏离误差进行了校正.对提出的导航算法进行了试验验证,结果表明AUV的自主导航定位精度为0.75%,满足设计要求,并优于改进前的航位推算算法.     

一种基于MEMS惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算 (Pedestrian Dead Reckoning, PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(Micro Electro Mechanical System, MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman Filter, KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态,并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

联合卡尔曼滤波在GPS/DR车辆导航系统中的应用

针对ＧＰＳ／ＤＲ车辆组合导航系统的特点,提出了一种卡尔曼滤波算法,并进行了实时跑车试验,结果表明,此算法可有效地提高ＧＰＳ／ＤＲ组合系统的定位性能,增加系统的可靠性和容错能力,并且有良好的实时处理性能。     

联合卡尔曼滤波在车辆组合导航系统中的应用

GPS/DR组合导航系统是一种低成本、高可靠性的车载导航设备.针对陆地车辆GPS/DR组合导航系统的特点,设计了用于该系统的联合卡尔曼滤波器,给出了滤波算法,并进行了实地跑车实验.理论分析和跑车实验的结果表明,联合滤波方法不仅有效地抑制了DR系统的误差发散,而且能够充分利用DR的数据信息对GPS定位的随机误差进行补偿,从而有效地提高GPS/DR组合系统的定位精度及容错能力.     

基于航位推算的LEACH协议改进算法的研究

本文首先分析了LEACH这种经典的无线传感器网络路由协议存在的一些问题,指出了它的优缺点,在此基础上提出了一种新的LEACH协议改进算法——DR-LEACH,该算法主要通过航位推算方法来减少数据收发次数,进而达到减少能耗的目的。通过计算和NS2仿真实验表明,DR-LEACH算法在不影响数据精度的前提下,延长了网络生存周期,有效的证明了该算法的可行性。     

CUKF算法及其在移动机器人组合导航中的应用

针对移动机器人位置的精确估计问题,提出一种附有约束的无色卡尔曼滤波(CUKF)算法.由于无色卡尔曼滤波(UKF)在处理非线性问题时,无需计算Jacobian矩阵或Hessian矩阵,从而有效地减小了线性化对非线性系统误差的影响.CUKF算法很好地利用了UKF的非线性滤波特点,在其基础上增加某种约束.将地理信息系统(GIS)环境下的地图数据库中的道路方向信息作为约束条件,通过引入拉格朗日函数解决具有约束的差分全球定位系统/航位推算(DGPS/DR)组合导航系统的非线性最优估计.仿真实验结果表明:CUKF比UKF能够更有效地提高定位精度.     

车载GPS／DR组合导航系统的厂家及其滤波算法

给出了基于ＧＰＳ与ＤＲ组合的车辆导航系统的设计，建立了该系统的数学模型，利用卡尔曼滤波器对各子系统进行滤波处理，最后对系统进行信息综合及传感器误差校正，试验结果表明，系统具有良好的导航与定位性能。     

陆地车辆导航系统滤波技术的研究

给出一种基于航位推算的陆地车辆导航系统的硬件结构,设计了一种实用卡尔曼滤波器.通过实际车载试验,说明滤波器有效地减小了导航系统的随机干扰,提高了系统的导航定位精度.     

改进的车载DR系统自适应扩展卡尔曼滤波模型及仿真研究

提出了车载ＤＲ系统改进的自适应扩展卡尔曼滤波模型及其滤波算法。由于考虑了速率陀螺漂移误差中的马尔柯夫过程成分,和采用描述机动载体运动的“当前”统计模型及自适应算法,提高了ＤＲ系统模型的准确性。计算机仿真结果表明,应用该模型和算法与改进前相比,ＤＲ系统的定位精度得到明显提高。     

车载GPS/DR组合导航系统的研究及其滤波算法

给出了基于ＧＰＳ与ＤＲ组合的车辆导航系统的设计，建立了该系统的数学模型，利用卡尔曼滤波器对各子系统进行滤波处理，最后对系统进行信息综合及传感器误差校正．试验结果表明，该系统具有良好的导航与定位性能     

自适应UKF算法及其在GPS/INS组合导航中的应用

提出了一种自适应无迹Kalman滤波(UKF)算法.针对UKF受初始值误差和动力学模型异常扰动误差影响的问题,将自适应估计原理引入到UKF算法,将动力学模型信息对导航解的贡献进行合理调整.计算结果表明,在GPS/INS松组合导航系统数据处理时,UKF算法略优于扩展Kalman滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制动力学模型误差对导航解的影响,进一步提高导航解的精度和可靠性.     

车辆定位导航系统的新定位算法

依据大数定律及其相关的假设,用计算几何的若干知识,设计车辆定位导航系统的一种新定位算法.该算法通过计算凸壳、凸多边形三角剖分、凸多边形面积及直径等诸量获得车辆运行的近似路线.计算结果表明,用该算法可以提高车辆定位导航系统的定位精度,并优于基于卡尔曼滤波的GPS/INU/MM组合导航算法的结果.     

组合导航信息融合算法的研究

以GPS／INS组合导航系统为应用背景,推导了“当前统计”模型下卡尔曼滤波方程的关键矩阵。阐述了卡尔曼滤波器的主要参数对组合导航信息融合效果的影响;给出了组合导航系统的松耦合设计框图;根据实验测得的数据采用基于卡尔曼滤波的信息融合算法,通过对算法改进前后东向误差和北向误差的分析,说明算法改进后的定位精度比改进前高约30％．     

北斗卫星导航定位中PVT解算的研究与应用

PVT解算是北斗卫星导航定位系统用户接收机后端信息处理部分,输出结果即为客户直接见到的位置、速度和时间信息。在常规解算方法基础上,提出并分析了Kalman滤波在PVT解算中的应用,解决了目前我国北斗卫星数目少,不能用类似GPS的PVT解算方法来计算的问题,一定程度上提高了定位精度。     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。