基于卡尔曼滤波方法的BDS动态伪距差分定位算法研究

针对北斗卫星导航系统(BDS)最小二乘伪距差分方法定位精度及稳定性不足的问题,提出了一种基于卡尔曼滤波方法的伪距差分算法,并进行了静态以及人行慢动态两种条件下的实验.对实测数据结果的处理分析表明,卡尔曼滤波方法在静态条件下,东、北、高三个方向精度分别提升55％、23％、48％．在动态条件下,东、北、高三个方向精度分别提升71％、49％、33％．      

单点定位中一种载波相位平滑伪距方法

针对伪距单点定位精度低,定位结果发散等问题,该文提出一种基于卫星高度角的卡尔曼滤波相位平滑伪距方法。基于该方法利用载波相位信息对C/A码伪距进行平滑,并用最小二乘法求解用户位置。通过实测的静态和动态数据验证了该方法的可行性。结果表明:和最小二乘法比,该方法定位结果更加平滑,一定程度上提高了伪距单点定位精度。其中,静态定位水平精度提升了20.7%,垂直精度提升了15.7%,三维精度提升了16.8%;动态定位水平精度提升了27.8%,垂直精度提升了20.8%,三维精度提升了21.2%。     

基于卡尔曼滤波方法的BDS/GPS动态伪距单点定位算法研究

为了解决在单系统动态过程中伪距单点定位精度不足的问题,提出了一种基于卡尔曼滤波并顾及多普勒频移的双系统伪距单点定位算法。通过实测数据的处理发现,在静态和慢动态两种测试环境下,基于卡尔曼滤波方法并顾及多普勒频移算法定位精度要优于最小二乘算法。     

数据缺失情况下BDS定位性能分析

针对观测数据的缺失会影响数据处理效果、降低定位精度的问题,该文为了探明缺失数据是如何影响定位,进行静态定位实验分析3类卫星对定位误差的影响,进行动态定位实验测试了在缺失数据的真实情况下北斗卫星系统的定位性能。静态实验结果表明,在伪距单点定位中缺失GEO卫星时三维点位精度下降了85%,在缺失IGSO时定位精度下降了43.8%,缺失MEO卫星时定位精度下降了6%,在载波相位定位中缺失3类卫星数据对定位精度虽然也有影响,但不如伪距定位的影响大。在动态实验中发现在无遮挡的环境中,BDS定位精度不受影响,且定位精度较高,可与GPS相媲美;在遮挡的环境中,GPS和BDS都出现了信号质量下降的情况,BDS数据缺失比GPS严重,缺失严重时定位出现较大的误差,结果不可靠。     

BDS/GPS网络差分定位试验分析

针对在传统网络差分定位中,单GPS系统在观测条件不好情况下会出现可用卫星数量偏少甚至不够、观测值存在粗差而影响定位等问题,该文提出BDS/GPS双系统组合网络伪距差分定位的数学模型,并加入基于最小二乘残差法探测粗差观测数据的质量控制算法。基于省CORS网实时BDS/GPS双系统数据,以国产的手持机终端作为流动端,利用BDS/GPS伪距差分平台进行了车载动态试验,根据试验对比和分析,动态定位平面精度优于1m,在加入质量控制算法模式下,定位精度和可靠性都有一定提高。     

一种基于速度约束的智能手机RTD算法研究

针对受限于低成本信号接收与处理单元,手机伪距单点定位和伪距差分定位无法满足用户对定位精度的要求的问题,该文利用多普勒测速和历元间差分求解速度矢量约束位置解,构建附加多普勒原始观测值速度约束、附加伪速度约束和历元间位置约束的3种实时差分(RTD)模型。并与常规RTD模型进行对比,探究其在双频多系统下的定位精度及其稳定性。实验结果表明,3种模型相较于常规RTD都能有效提高定位精度,其中历元间位置约束的RTD模型定位精度的提升最为明显;静态模式下,小米8利用历元间位置约束的RTD定位下E、N、U方向提升分别为65%、50%和47%;在动态模式下,小米8利用历元间位置约束的RTD定位后,平面精度可提升43%。     

一种高精度的北斗伪距单点定位加权算法

为提高北斗伪距单点定位的精度与速度,文章提出了一种基于互差中值理论的加权最小二乘算法。通过北斗实测数据验证:该算法的定位精度较最小二乘算法和直接解算方法的定位精度有较大提高,并能有效地减少问题卫星的影响。该算法对于当前导航定位接收机的改进具有较大的参考价值。     

顾及伪距差分系统间偏差的GPS/BDS/Galileo/QZSS伪距差分定位精度分析

随着BDS、Galileo和QZSS等卫星导航系统的发展,GNSS正朝着多系统组合定位的方向发展。本文针对GPS/BDS/Galileo/QZSS,提出四系统间伪距差分模型,并对其定位性能分析。结果表明:无论是相同还是不同类型的接收机,伪距DISB在几天范围内是稳定不变的。同时通过设置截止高度角进行模拟遮挡实验。实验结果表明:相对于常规的系统内伪距差分方法,系统间伪距差分方法在截止高度角为30°、40°、50°下的定位精度分别提升19.62%、33.11%、57.77%。该方法可以有效提升定位的精度和可靠性,特别是在遮挡严重的环境下改进明显。     

BDS/GPS/GLONASS融合网格伪距差分定位性能分析

为了充分利用全球导航卫星系统资源,最大限度发挥北斗卫星导航系统的优势,向用户提供高精度、高可靠性和稳定性更好的服务,该文对BDS/GPS/GLONASS 3系统融合网格伪距差分定位性能进行了分析。运用该文阐述方法的原理进行实验分析,结果表明,3系统融合网格伪距差分定位较其他方案具有更高的定位精度、解算成功率,可见卫星数大幅度提高,可靠性和稳定性更优。     

基于最小二乘的WiFi匹配导航

讨论了WiFi室内定位技术中常用的定位方法,并以位置指纹匹配方法为例,详细分析了其定位算法及精度.在此基础上,提出了基于最小二乘的接收信号强度匹配方法.在仿真场景下,分别对该算法进行了静态和动态的实验.结果表明,与位置指纹匹配方法相比,基于最小二乘的匹配方法可以达到子格网的定位精度.     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

卫星导航定位卡尔曼滤波时延平滑方法研究

为进一步提高卫星导航定位精度和性能,介绍和讨论了卡尔曼滤波延时平滑方法,并建立了一种卡尔曼滤波延时平滑定位模型与算法。与经典卡尔曼滤波类似,该算法同样具有状态系统与测量系统两类方程,能够根据后续历元测量值及定位结果向前进行逆向预测与更新,从而达到对整体定位过程再次平滑的目的,更大程度地获得定位结果跟随性与平滑性之间的平衡。通过多种不同情况下的GPS实测试验,对方法的正确性和可行性进行了分析与验证。结果表明,卡尔曼滤波延时平滑定位方法能够适用于多种静态、动态导航应用领域,使输出结果更为平滑和准确,在有效提高定位精度的同时具有更强的抗多径和抗干扰性。     

一种用于RSS提取的改进粒子滤波算法

针对室内WiFi指纹位置定位中取RSS的平均值作为其定位特征值在室内环境的复杂性和动态性不能准确地反映RSS信号真值的问题,以及卡尔曼滤波和粒子滤波算法等用于RSS信号的提取只针对线性噪声或非线性噪声中的一种,在室内动态多变、干扰复杂多样的环境下鲁棒性不理想的问题,结合卡尔曼滤波和粒子滤波,提出一种用于RSS提取的改进的粒子滤波算法。给出了算法实现的步骤,并且在不同地点不同环境条件(静态环境和动态环境)下分别进行了指纹定位在线端的数据采集实验。实验结果表明:基于改进粒子滤波的RSS提取算法的定位精度和鲁棒性均优于均值算法、卡尔曼滤波算法、粒子滤波算法等已有算法。     

基于GNSS/UWB的室内外连续定位方法

全球卫星导航系统(GNSS)与超宽带(UWB)等定位系统在室内外复杂环境下作用范围有限,并且单一定位源均无法获得从室外到室内连续可靠的定位结果等问题,针对北斗卫星导航系统(BDS)+GPS/UWB松组合定位方法展开研究,设计了室内外动态定位实验与过渡区域静态定位实验,利用扩展卡尔曼滤波器(EKF)对定位误差状态进行最优估计,并对BDS+GPS组合、UWB以及BDS+GPS/UWB松组合三种定位模式进行分析评价. 实验结果表明:在室内外的过渡区域,BDS+GPS/UWB松组合改善了GNSS-实时动态定位(RTK)的定位精度,扩展了GNSS-RTK的作用范围;BDS+GPS/UWB松组合相比于各单一定位源在一定程度上提高了系统从室外到室内定位的连续性与定位结果的可用性.      

Chan序贯平差组合算法的超宽带定位降噪

在室内环境中接收机与标签之间的距离会受到随机误差的影响,针对超宽带系统的定位特性,结合Chan算法和序贯平差算法的优势,本文提出了Chan序贯平差(Chan-SA)组合算法,以削弱测距随机误差的影响。首先,通过Chan算法两次加权最小二乘获得标签的三维坐标;然后,将此坐标作为初始值代入序贯平差算法中,利用序贯平差算法对后续数据进行迭代得出最优解。仿真数据和实地测量数据的解算结果表明：与Chan算法、粒子滤波算法和序贯平差算法比较,静态场景中Chan-SA算法定位精度分别提高50.14%、35.29%和41.91%,同时在动态场景内也证明了本文算法的适用性。因此,Chan-SA可以提高超宽带系统的定位精度和稳健性。     

基于SLAM/UWB的室内融合定位算法研究

精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.      

BDS/GPS短期ISB建模和预报的Kalman滤波方法

ISB是多系统PPP数据处理中必须要考虑的一项误差,因此有必要对BDS/GPS短期ISB建模和预报进行研究。为了提高ISB预报精度,针对等权LS(least square)估计ISB模型参数时忽略了拟合数据权重不同的问题,提出了采用Kalman滤波对模型参数进行估计,并根据ISB拟合数据距预报时刻的远近调整Kalman滤波拟合数据的方差。本文采用7d的ISB数据进行建模,根据所建模型预报第8天的ISB值,并对预报精度和定位结果进行了验证。进行试验的4个测站Kalman拟合模型的ISB预报精度比LS拟合模型分别提高了29.7%、11.5%、43.5%和32.0%。采用Kalman拟合模型的ISB预报值作为先验约束,PPP平均定位精度在E和U方向上比采用LS拟合模型预报值分别多提高了2.7%和0.9%,比不加ISB先验约束在E、N、U方向分别提高了10.6%、26.3%和3.4%。     

基于卡尔曼滤波的罗兰C时差信号处理

罗兰C时差信号测量误差是影响定位精度的关键。简要介绍了罗兰C系统的定位原理和卡尔曼滤波技术,针对罗兰C时差信号的特征,设计卡尔曼滤波算法,基于CV模型和CA模型分别对罗兰C静态定位和动态定位的实测数据进行处理,得出相关结论,具有一定的工程实用意义。