超宽带定位应用系统及算法改进

UWB(超宽带)技术由于具有低功耗,大带宽等特点非常适合于无线测距定位应用.针对智能交通系统中的车辆定位特点提出了一种理想应用环境中只需两个参考节点的二维车辆定位系统,并针对该系统在非理想情况下精度较低的问题提出了3种分别基于方程解平均,多次测距平均,及AOA测距平面修正的定位精度改进方案.通过理论分析及仿真结果证明,提出的车辆定位系统可以有效实施车辆定位,在3种改进算法的辅助下能够达到较高的定位精度.三种改进算法中,基于方程解平均及AOA测距平面修正以增加成本为代价,多次测距平均以增加时间开销为代价,因此在实际车辆定位系统设计中,可根据应用环境及精度要求灵活使用.     

基于SR-CKF的相对方位多机器人协同定位算法

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。     

基于SR-CKF的移动机器人动态目标跟踪算法

针对移动机器人在未知复杂环境中动态目标跟踪存在的数值不稳定、计算量大和精度较差等问题,提出基于平方根容积卡尔曼滤波的移动机器人动态目标跟踪算法(SR-CKF-SLAM-OT)。该算法的系统状态由地图环境特征、机器人和目标作为一个整体构成。建立目标和机器人的动态模型进行预测、数据关联和更新,在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。此外,通过数据关联环节能够有效的降低伪观测值对系统状态估计的影响。仿真结果表明:相比基于EKF的动态目标跟踪算法,所提出的动态目标跟踪算法目标和机器人均方根误差分别降低了36.3%和38.2%,SR-CKF-SLAM-OT算法有效地满足了移动机器人动态目标跟踪的需求。     

基于超宽带的TDOA相邻单元协同定位技术

针对目前超宽带TDOA（Time Difference of Arrival）分单元定位系统存在位置多解性、定位精度低等问题,本文提出了相邻单元协同定位方法以及基于改进樽海鞘群算法的协同定位方程解算算法。该方法通过汇总相邻单元内收到同一定位请求信号的全部测量值,使坐标解算不再局限于一个时钟同步单元内,由此也导致参与位置计算的测量值个数与基站布局不确定性增加,Taylor算法无法满足解算要求,进而使用改进樽海鞘群算法代替Taylor算法进行协同定位位置计算,最终求得待测点位置坐标。六基站相邻单元协同定位实验结果表明,各测量点的R95值处于12 cm~15 cm之间,最大残余误差处于16 cm~23cm之间。本文所提方法无需进行多参量判断取舍位置信息,有效解决了位置多解性问题并提高了定位精度。     

GNSS 多系统 PPP 中强跟踪自适应Kalman 滤波的应用

精密单点定位(precise point positioning, PPP)技术由于操作简单、定位精度高,现已广泛应用于许多领域。针对PPP解算过程中周围环境改变可能带来的观测噪声和多路径效应,传统滤波算法无法解决其导致的精度下降的问题,本文提出一种强跟踪自适应Kalman滤波(strong tracking adaptative Kalman filtering, SAKF)算法,通过引入渐消因子调整预测误差值,同时使用IGGⅢ函数方法重构测量噪声协方差,从而实现PPP解算。实验结果表明,在静态解算时,SAKF定位精度较传统算法提升约20%,在仿动态解算时,SAKF定位精度提升约55%～60%,同时具有更好的收敛稳定性。     

井下人员超宽带精确定位算法

针对恶劣的井下环境易对超宽带信号造成干扰导致现有井下人员定位算法误差较大的问题,提出基于超宽带的SDS-TWR优化算法与鲁棒卡尔曼滤波结合的改进算法。该算法在一次定位周期内可测得定位标签到相邻基站的两个测距值,随后将其作为鲁棒卡尔曼滤波的两个观测值,旨在提高算法定位精度及稳定性、抑制巷道随机NLOS时延误差。仿真实验表明,在同等条件下,本文算法较S-TDOA法误差降低35%,较异步测时法误差降低31%,且误差波动较小,同时抑制了巷道NLOS时延误差,有效提高了井下人员定位精度。     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model,IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM,AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度...     

基于AIMM SRCKF的机动目标跟踪算法

为了解决交互式多模型(interacting multiple model, IMM)算法在目标机动时模型切换速度迟缓的问题,给出了一种Markov概率转移矩阵在线修正的自适应IMM(adaptive IMM, AIMM)算法,利用IMM子模型中连续两个时刻之间的概率差来调整Markov概率转移矩阵,以提高子模型的切换速度和分配的合理性,同时提高了IMM算法的跟踪精度。其次,将平方根容积卡尔曼滤波(square root cubature Kalman filter, SRCKF)引入到 AIMM 算法中,以解决在迭代滤波过程中协方差矩阵出现的非正定的问题,改善了数值稳定性,提出一种适用于机动目标跟踪的AIMM SRCKF算法,仿真实验结果表明,该算法能提高匹配模型概率,缩短模型切换时间。     

减小超宽带穿墙定位中NLOS误差的方法

超宽带穿墙定位中,需考虑NLOS传播效应对定位结果的影响以提高定位精度.在对室内目标穿墙定位的应用中,为了减小由NLOS传播引起的定位误差,建立了信号的穿墙传播模型,基于该模型提出了一种NLOS误差减小方法,该方法能够有效减小误差并提高对目标的定位精度.文中推导了定位误差与几何的关系,为实际系统的布设提供了理论依据.仿真结果验证了基于传播模型的NLOS误差减小方法对提高定位精度的有效性.     

北斗和超宽带定位技术在电力系统中的应用

针对北斗卫星定位技术因障碍物的阻挡导致室内无法获取定位信息的问题,提出了北斗室内外无缝定位技术方案。在此基础上,对卫星定位及超宽带(Ultra Wide Band,UWB)两种定位模式算法原理的研究,提出了一种可兼容两种定位模式的高精度定位算法,在该算法下可以实现两种定位模式的无缝切换,不影响最终定位结果精度。并对变电站等复杂电磁环境下的算法模型进行研究,确定了室内UWB定位基站的布站模式以及定位精度的实现方案,解决室内定位信号弱的难题,确保在实际应用环境中的定位精度。对电力系统中的人和设备的定位提供了理论依据。     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

基于高性能ARM的不同GPS定位算法的性能分析与对比

近年来,GPS技术和嵌入式技术在导航、定位、测量等领域都有良好的应用.为了对比分析3种常用的定位算法(最小二乘法、加权最小二乘法、卡尔曼滤波)的性能优缺点,针对不同的接收机以及考虑到性能、成本、运算效率、稳定性等多方面问题,设计了一套基于高性能ARM(STM32F429IGT6)的GPS定位仿真系统,实验分别采用两种不同性能的GPS接收机(NEO-M8T和LEA-6T),实验运行结果表明,3种定位算法均能使GPS定位精度提高,但基于不同性能的接收机,其优化性能的程度是不一样的.该研究为工程实现中定位算法的选择提供有效的参考价值,同时基于高性能ARM的GPS定位系统为今后做差分定位,载波相位测姿以及组合导航等前沿技术研究提供良好的硬件和软件基础,在卫星导航定位领域中具有重要意义.     

基于改进Hausdorff距离的运动目标自动跟踪算法

针对视频运动目标的跟踪问题,提出了一种基于改进Hausdorff距离的运动目标自动跟踪算法。首先对视频图像作预处理,使用Canny算子进行边缘提取;然后采用对称差分算法建立运动目标的初始模板;接着采用改进的Hausdorff距离和新的匹配搜索策略,实现后续帧中运动目标与初始模板的匹配;最后,采用一种新的模板更新算法———4步法对模板进行更新。实验结果表明,该算法不仅能准确跟踪运动目标,而且能有效提高目标跟踪效率。     

基于Kalman滤波的头盔运动姿态的预测方法

针对头盔瞄准具单目视觉定位系统中,由于面阵CCD相机帧频的限制而导致对其定位速度慢的问题,提出了一种基于自适应Unscented Kalman滤波的头盔运动姿态固定超前预测方法。首先,分析了飞行员头部的运动特点,利用匀变速运动来描述头盔的实际运动,并建立了头盔姿态固定超前预测的状态空间模型;然后,基于自适应Unscented Kalman滤波理论分别对头盔在相机连续2次采样中间的非采样时刻和采样时刻的姿态进行固定超前预测,并利用采样时刻头盔姿态的测量值对其固定超前预测值进行实时的修正,以在间接提高头盔定位速度的同时,保证其定位精度;最后,搭建了单目视觉姿态测量与预测实验系统,对该方法的有效性和准确性进行了验证。实验结果表明,该方法能够对头盔瞄准具在相机连续2次采样中间的非采样时刻的运动姿态进行有效而准确的固定超前预测,在保证了对头盔定位精度的前提下,可以有效地将其定位速度提高1倍。     

一种基于IMMPDA-UKF的机动目标跟踪算法

为了实现对在航捷点附近做机动运动目标的精确跟踪,提出采用不敏卡尔曼滤波（UKF）作为底层的滤波算法,解算出方位和俯仰的角度变化率,通过角度变化率解算出目标的切向速度,在过航捷时建立新的跟踪模型,将切向速度扩充到观测方程中,并结合交互多模型概率数据关联算法（IMMPDA）实现对过航捷机动目标的跟踪。仿真结果表明,该算法跟踪精度高,在航捷点附近无论是转弯机动还是加速运动,都可以保持对目标的持续跟踪,稳定性较高,可以直接应用于工程实践。     

基于K-S检验的直方图匹配目标跟踪算法

为了快速准确跟踪运动目标,提出了基于K-S（kolmogorov-smirnov）检验的直方图匹配目标跟踪算法。将直方图信息作为模板,通过Kalman滤波原理预测出目标下一时刻的可能出现位置,以该位置为中心确定一个搜索范围,在搜索范围内判别直方图的相似性并进行模板匹配,在当前图像中跟踪目标。结果表明,基于K-S检验的直方图匹配方法可减小搜索范围,利用Kalman滤波预测目标的位置,在预测位置附近进行模板匹配,可有效减少模板匹配的遍历时间,提高目标实时跟踪效率。     

基于降阶组合定位系统的矿井人员定位算法

针对目前的由无线 Wi-Fi定位系统与捷联惯导系统构成的组合定位系统复杂度高且工程实现较困难的问题,提出一种新的降阶微惯性测量装置(MIMU)及其降阶误差模型,并与 Wi-Fi 构成降阶的10维状态变量的组合定位系统。通过采用1个低精度微陀螺仪和2个低精度微加速度计作为惯性传感器设计简易 MIMU 的安装结构,将其与 Wi-Fi定位系统组合,并用降阶卡尔曼滤波技术设计组合定位算法。仿真实验结果表明,该降阶组合定位系统定位响应速度快,定位精度高,在工程上也易于实现,适用于井下人员定位。