井下巷道地磁匹配特征的CEA卷积增强的分析

针对井下某些巷道地磁空间变化平缓,地磁匹配概率低的问题,构建了井下巷道地磁卷积增强算子（convolution enhancement algorithms, CEA）,进行地磁匹配前的目标区域和匹配向量的卷积增强预处理,去除数据噪声和增强识别特征。以Laplace、高通滤波（High Pass）、索伯尔滤波（Sobel）图像卷积算子为基础,通过列向量特征的锐化处理,建立了井下巷道地磁卷积增强的Laplace、High Pass和Sobel卷积算子模板。选取某金矿4个巷道的地磁数据,开展了CEA算子卷积前后的均方差算法地磁匹配定位的仿真试验。试验结果表明,CEA算子卷积可以增强匹配序列和地磁图的地磁空间特征,降低了匹配数据中的噪声影响。在数据CEA卷积前后的地磁统计特征对比中发现,Laplace算子不仅保持了原有地磁图变化特征,还增大了数据空间变化的差异度,降低了相关性,效果明显。特别是600 nT的高噪声干扰匹配试验中,Laplace算子卷积能够降低噪声对地磁定位扰动影响,有效提高了地磁匹配定位的概率和精度,具有较强的鲁棒性,适合作为井下巷道地磁匹配的数据预处理模型。     

一种基于快速动态时间规整的地磁定位算法

针对地磁序列匹配定位中动态时间规整算法计算耗时长、实时性差的问题,该文提出一种基于快速动态时间规整的地磁定位算法。该算法首先利用粗粒度化的方法缩短地磁序列长度,得到"粗粒度"化的地磁数据;然后采用减小搜索空间的策略快速得出匹配地磁数据与指纹数据的相似距离和规整路径;最后将"粗粒度"化的地磁数据与规整路径再规整回原来地磁数据序列的大小。在该文提出的定位算法中,缩短地磁数据长度与控制搜索空间的策略较好地改善了地磁序列匹配定位的计算耗时问题。实验结果表明,当匹配定位的地磁序列数据长度为100时,基于快速动态时间规整的地磁定位算法的平均定位误差为1.31 m,均方根误差为1.44 m,且其单次定位时间比动态时间规整算法缩短了2.63 s,算法执行效率提升了78.5%。该文提出的地磁定位算法在保证定位精度的同时加快了算法运行速率,能满足室内定位实时性的需求,具有较高的应用价值。     

地磁室内定位基准图数据采集系统设计

近年来,地磁作为室内定位基准已经成为热点研究领域。本文深入研究了地磁室内定位技术,并通过大量试验,分析了室内磁性材料及电子设备对磁场的干扰,进一步探究了室内磁场特性,证明了磁场信息作为定位依据的可行性;利用Arduino IDE研发了智能地磁数据采集平台,该平台搭载多种传感器,如HMC5983磁传感器和惯性导航传感器等,采集一定密度的室内地磁数据,利用克里金法对该地磁数据进行差值处理,生成2 cm间隔大小的栅格地磁图,作为室内定位基准图保存在数据库中。     

融合地磁/WiFi/PDR的自适应粒子滤波室内定位

随着国民经济的快速发展，人们在室内活动的时间越来越长，室内空间环境也越来越复杂，对室内环境的位置与导航服务的需求也越来越高。由于地磁信号具有稳定性的特点，且WiFi技术已得到广泛部署，融合使用地磁和WiFi定位具有一定的优势。因此，本文基于Android系统智能手机作为接收设备，融合地磁、WiFi及行人航迹推算（PDR）技术，通过自适应粒子滤波模型和随机抽样一致性算法对采集的信号进行处理。试验证明，地磁、WiFi、PDR三者融合进行室内定位的方法与其他单类方法相比，实现了将室内定位精度的误差最小降低到1.02 m。     

一种基于智能手机的室内地磁定位系统

研究分析了手机传感器和室内地磁场的性质后,针对室内定位问题提出了一种基于客户端 服务器架构的定位系统.因智能手机大多搭载了能够收集地磁信号的三轴磁通门传感器,提出了两种构建位置指纹的方法:将地磁传感器的数据水平化,或是结合方向信息和地磁数据构建混合位置指纹,并通过将定位区域划分为网格的方式构建定位基准图.针对两种位置指纹设计了基于欧几里得距离的匹配算法.最后,在Android平台部署应用并进行实验,分别对比了两种位置指纹的定位准确度、地磁匹配速度,实验结果表明系统能够达到1 m的定位精度.      

一种融合WiFi/地磁/PDR的室内定位方法

提出了一种改进的粒子滤波方法，利用室内常见的WiFi信号、地磁源并结合智能手机廉价传感器进行室内定位。WiFi室内定位错误匹配情况较少，地磁指纹室内定位具有较强的抗干扰能力，本文利用两者的优点并结合PDR提供连续的位置信息。与传统的粒子滤波相比，采用MD-DTW（多维动态时间规整算法）对粒子定权并提出分段粒子定权的方法对粒子序列长度进行约束，能有效加快粒子滤波收敛速度。仿真试验表明利用改进的粒子滤波进行定位结果可达1 m，有较强的实用性。     

地磁室内定位技术研究

基于指纹库进行室内定位，传统的数据采集方式为单点采集，这种采集方式既费时又费力，又不利于数据的更新。本文针对地磁数据的特征，提出一种指纹快速采集方法，借助克里金插值算法快速建立地磁数字基准图，并利用动态时间规整算法实现快速定位。通过试验测试和数据分析，快速采集方式的定位精度能够满足用户的位置服务需求，具有较高的实用价值。     

基于粒子滤波的PDR/地磁指纹室内定位

针对行人航位推算（PDR）定位存在误差累积和地磁指纹不唯一导致的误匹配问题,本文改进了基于粒子滤波的PDR/地磁指纹室内定位方法。在PDR定位过程中利用地图信息控制粒子权重更新,得到较为准确的位置信息后,利用动态时间规整（DTW）算法在PDR推算位置基础上进行快速序列匹配,获取最优位置估计。试验结果表明,融合定位方法有效解决了行人位置穿墙问题,最大定位误差小于1.5 m,53.33%概率定位精度1 m。     

地磁变化场的MEEMD-样本熵-LSSVM预测模型

针对地磁变化场时间序列的混沌特性,提出了一种改进的集成经验模态分解(modified ensemble empirical mode decomposition,MEEMD)-样本熵-最小二乘支持向量机(least square support vector machine,LSSVM)的地磁变化场预测模型。首先,利用MEEMD-样本熵将非平稳的地磁变化场时间序列分解为一系列复杂度差异明显的地磁变化场子序列;然后,针对每一个子序列分别建立LSSVM模型,选择各自适合的最优模型参数;最后,以地磁台站实测的地磁变化场数据为例进行实验,并与基于单一LSSVM以及RBF径向基神经网络的两种预测模型进行比较。实验结果表明,MEEMD-样本熵-LSSVM模型的预测值能紧跟地磁变化场的变化趋势,相比另外两种模型,体现出更好的预测效果,在地磁Kp指数小于3时,预测3h平均绝对误差为1.63nT。     

基于小波降噪和神经网络的GPS高程时序预测模型

全球定位系统（GPS）时序数据预测的工作中发现，通常时序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响，将提升小波阈值降噪技术和长短期记忆（LSTM）神经网络相结合，实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离，然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比，结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性.      

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位，而且基于地磁场的定位无需布设任何额外设施，因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题，本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法，并开发了地磁室内导航系统，以智能手机为硬件平台构建磁力计传感器模型，建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内，产生的平均定位误差为1.13 m，最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%；与单一地磁指纹匹配算法相比，定位精度提高了57%。试验证明，本文提出的融合算法对提高室内定位精度具有显著的作用。     

基于探地雷达的古墓遗址探测及数据后处理方法

探地雷达用于地下考古目标和地下遗址分布的确定,为探地遥感应用开辟了广泛的应用前景.以浙江、绍兴印山大墓为地下探测特定目标,针对长江下游地区地下水位高、土壤潮湿使电磁波被地下水大量吸收而无法很好地深入地下,目标回波信号幅度小、信噪比低而影响探测结果,以冲击脉冲雷达和线性调频雷达两种方式对地下目标作用,以获取同一地下目标的各种电特征数据和地下目标同一物理特征的不同电参量表示,提高接收信号的信噪比,增加探测深度.并用回波能量相关方法辨别地下古代遗址的外形轮廓以确定目标位置.选择不同天线位置,对地下目标的反射特性参数做聚类处理.利用图像处理方法,使地下古墓廓线三维反演成像,并使位置误差最小.为古墓的无损探测提供了一种可行的方法.     

封闭环境下限制误差发散的高精度导航定位

基于GNSS系统的导航定位设备在封闭或受阻环境下导航精度受限,为此,提升地下空间或室内定位精度,摆脱对GNSS的依赖是当前的研究热点。针对该问题,本文研究了LiDAR+IMU+DMI多源传感器导航定位技术,通过将LiDAR控制标靶数据带入卡尔曼滤波方程,计算IMU+DMI组合的误差状态向量,限制其误差发散,从而获取设备的高精度位置。该技术能使移动检测设备完全摆脱对GNSS信号的依赖,实现地下封闭空间移动测量设备精确定位,便于地下空间检测。通过在武汉某地铁试验表明,本文算法适用于地下、室内空间封闭环境中无GNSS信号的移动测量设备高精度导航定位。     

GPS周解坐标时间序列粗差剔除的策略分析

针对地震、地质构造活动或测站更换接收机或天线等原因导致时间序列中存在粗差的问题,该文通过对站点位置的时间序列的研究分析,可以获取板块运动规律、地球震荡周期变化等信息,这对维护和更新地球参考框架,探究和揭示大地构造变形运动过程、动力学机制及地震活动等相关科学问题具有十分重要的意义。对全球分布的34个IGS站周解坐标时间序列,分别采用3RMS准则和IQR准则进行粗差的剔除,得出低高纬度更适合3RMS准则,中纬度比较适合同时应用两准则结论,为后续研究提供了良好的数据基础。     

GNSS/地磁组合的室内外无缝定位平滑过渡方法

针对室内外无缝定位在室内外过渡点精度低、不能平滑自动切换等问题,结合GNSS定位技术以及室内地磁指纹节点的组合方法来实现室内外无缝定位及导航。由于从室外至室内时接收机接收到的卫星星数减少、GDOP值逐渐增加、定位的误差增大,因此室内地磁定位精度逐渐优于GNSS定位精度,在两个定位精度临界点通过分析计算得出GDOP最优转化范围值,进行平稳切换。此次试验仿真结果表明,GDOP在3~3.5进行切换与单一GNSS或地磁方法定位的精度相比,分别提高85.7%和82.6%,从而达到了室内外的高精度无缝定位,填补了国内外在室内外无缝定位上没有合适的切换界定的空白。     

神经网络在SINS/GPS组合定位中的应用

地籍测量中,单一系统无法满足定位要求,组合定位技术应运而生.其中,捷联惯性导航系统(SINS)和GPS组合定位应用最为广泛.在卫星信号受到干扰失效区域,系统进入纯SINS解算,定位误差会逐渐累积,无法满足定位精度要求.针对此问题,提出一种长短期记忆(LSTM)神经网络辅助的组合定位算法.根据LSTM神经网络能够有效运用...