利用渐消自适应EKF算法进行PDR-WiFi融合定位

针对基于指纹库的WiFi定位存在的点位重积、回跳,行人航位推算算法中误差积累的问题,提出了并实现了通过一种自适应加权扩展卡尔曼滤波对两种定位算法进行松耦合。首先给出了WiFi无线定位和行人航位推算进行位置解算的原理,采用渐消因子的自适应加权EKF算法实现了两者的融合,最后通过实测数据验证算法的有效性。试验表明,该方法在保持了WiFi定位单次定位高精度的特性的同时,继承了航位推算的连贯性,不仅减少了WiFi定位所存在的重复堆积点以及回跳点,并在一定程度上削弱了行人航位推算所存在的积累误差,提高了融合算法的效率,大大提高了室内定位的精度与稳定性。     

多关节深海航行器组合导航算法

为解决多关节水下航行器定位问题,本文提出了基于捷联惯导+航位推算的组合导航算法。该方法利用捷联惯导系统测量航行器的位置,采用航位推算的方法得到航行器在下一时刻的位置,然后将测得的信息采用Kalman滤波处理,得到高精度的位置信息。通过Matlab/SIMULINK平台对比其他两种单一导航系统的性能,仿真结果表明,采用捷联惯导+航位推算算法时,位置误差可控制在5 m以内,满足多关节水下航行器的定位需求。     

一种基于智能手机的室内融合定位方法

随着室内无线终端与智能手机的快速发展,室内定位技术成为近几年的研究热点之一。本文研究了基于低功耗蓝牙(BLE)和行人航位推算(PDR)技术,利用扩展卡尔曼滤波(EKF)进行融合处理的室内定位方法。该方法包含3部分:①离线阶段利用蓝牙指纹快速采集方法建立指纹库,在线阶段利用加权K邻近算法进行指纹定位;②利用手机内置传感器准确估计航向角,并结合步态识别算法和步长估计算法推算行人位置;③利用EKF对两种定位结果进行融合,获取最优位置估计。试验结果表明,融合定位方法的平均定位精度为1.17 m,90%的概率定位精度达到2 m。     

多传感器行人航位推算方法和UKF融合算法

针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。     

蓝牙和地图辅助行人航位推算的室内定位系统

针对行人航位推算算法中误差积累的问题,提出并实现了一种蓝牙纠正+地图匹配辅助行人航位推算的室内定位方法:首先通过划分矢量域对手机航向角予以校正,削弱线性矢量域的累积误差,并使用蓝牙信号强度模型反演距离,达到纠正关键点的效果。实验结果表明,该方法在保证了PDR的实时性以及短时间内的高精度性的同时,大幅削弱了PDR的误差,在一定程度上提高了系统整体的精度、可靠性以及抗差性。     

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。     

一种提高导航精度的改进滤波方法

卡尔曼滤波技术是目前GPS/IMU组合导航中应用最广的误差估计关键技术之一。本文在捷联式惯导系统正向导航滤波算法与逆向导航滤波算法基础之上,提出一种将二者有机结合的组合滤波算法,用于事后IMU/GPS联合解算中,以提高组合导航的精度,并通过实际的机载飞行试验数据解算结果验证该方法的可行性。组合滤波后的位置精度达到厘米级,速度误差小于0.02 m/s,航向角精度约为0.2°。     

IMU/DGPS辅助航空摄影新技术的应用

 利用IMU/DGPS组合导航技术，可以在航空摄影的同时直接获取像片的外方位元素。试验表明，只要对IMU/DGPS与航摄仪的集成系统误差和漂移误差进行检校和改正，直接获取的像片外方位元素可以用于正射影像的制作和中小比例尺测图。本文首先讨论了IMU/DGPS组合导航技术和IMU/DGPS辅助航空摄影系统的工作原理； 然后，结合甘肃酒泉试验数据，重点分析讨论了IMU/DGPS和航摄仪集成系统的误差及其检校问题。     

相对定向的机载惯性测量装置视准轴误差求解方法

利用航摄像片存在的相对几何位置关系,将机载IMU视准轴误差引入立体像对相对定向模型中,提出了一种基于相对定向的机载IMU视准轴误差求解新方法。详细推导了基于单个立体模型和连续立体模型求解IMU视准轴误差的数学模型,并用三组带有IMU设备获取的实际航空影像数据进行了试验验证。结果表明,所推导的机载IMU视准轴误差求解方法是正确、可行的,利用三张以上相邻像片构成的连续立体模型即可求解出IMU的视准轴误差,避免了野外布设检校场和其他地面控制条件带来的诸多问题,有利于带机载IMU的航空遥感快速对地目标定位。     

一种LiDAR平面配准方法辅助的IMU室内定位算法

室内环境由于缺乏观测条件,无法使用全球导航卫星系统(global navigation satellite system,GNSS)进行定位,而单独惯性导航系统(inertial navigation system,INS)由于传感器的误差累积,定位结果快速偏移且无法受到限制.因此,针对室内未知环境下移动背包的定位问题,提出激光雷达(light detection and ranging,LiDAR)与惯性测量单元(iner?tial measurement unit,IMU)的组合导航系统,使用LiDAR平面配准获得的载体速度作为扩展卡尔曼滤波器观测量,对IMU位姿推算的误差进行修正.结果表明,该方法可以有效控制惯性导航误差的漂移,从而提高室内定位精度.     

一种基于地图匹配辅助行人航位推算的室内定位方法

针对行人航位推算算法中误差积累问题,提出并实现了地图匹配方法,辅助惯性测量装置进行自主定位。根据室内几何布局特征划分矢量域,修正方向传感器数据来确定航向角,同时通过投影匹配模型判定界点的最优坐标,最终进行最佳室内位置估计。经实验证明:在保持惯性传感器短时间内自主性强、定位精度高等优点的同时,该方法能够很好地抑制误差积累,提高定位算法的精度与稳定性。     

一种改进扩展卡尔曼滤波算法的GPS多径抑制应用

在用EKF算法消除微弱GPS卫星信号中的噪声,并估计出多径幅度与码相位时延的码跟踪环中,由于各种误差的存在,从而降低了环路的跟踪性能。针对这一问题,该文在EKF算法的基础上提出了一种LSEKF算法,该LSEKF算法用最小二乘估计的原理对EKF算法所用的采样观测点进行修正,构造出一组无偏、均方误差和最小与空间分布确定的新型采样观测点,用来进行后续的滤波估计。仿真结果表明,相比EKF算法,LSEKF算法拥有更高的伪码跟踪精度,而且收敛速度更快,跟踪门限也更低。     

基于智能手机传感器的室内行人三维定位算法

针对室内行人定位中累积误差发散及高程值缺失的问题,提出了一种基于智能手机传感器(磁力计、加速度计、陀螺仪和气压计)的室内行人三维定位算法。该算法在使用行人航位推算获得二维定位信息的基础上,融合多传感器输出解算行人方位角,结合电子罗盘提出加权方位角以提高解算精度;通过传感器输出检测行人行为状态,结合虚拟地标点图层及其匹配算法,将行人的位置匹配到相应的特殊位置,重置行人初始位置以消除累积误差;使用基于气压计的差分气压测高法求解行人的高程值,从而获得行人三维定位信息。在智能手机上进行实验,结果表明,该算法不仅能够提供准确、连续的二维定位信息,还能提高行人对楼层的分辨力,可为室内行人导航、跟踪等基于位置服务提供有效的定位信息。     

基于精化预积分的因子图GNSS/INS松组合定位

针对扩展卡尔曼滤波假设的马尔可夫性无法追溯历史信息，并且只进行一阶泰勒展开无法获得最优状态估计的问题，引入基于精化预积分的因子图(FGO)算法。首先在预积分的理论基础上参照高精度捷联惯导力学编排方程，加入地球自转实现精化预积分，其次设计IMU精化预积分因子、GNSS PPP因子，构建GNSS/INS松组合因子图框架，最后利用非线性优化理论进行状态估计，获取滑动窗口内的全局最优解，并与EKF算法进行对比分析。实测实验结果表明，基于精化预积分的FGO松组合时，三维位置的均方根误差均在0.1 m以下；与EKF相比，使用FGO算法时三组实验数据松组合的定位精度在北方向、东方向、地方向分别提升了53.03%、52.35%、64.59%,60.14%、22.62%、50.06%,22.2%、40%、67.16%;对于导航级惯性导航系统，基于图优化算法的松组合GNSS中断60 s时，最大误差均在4.7 m以内。     

面向智能手机的改进有限状态机步态探测算法

针对室内定位行人航位推算中步态探测算法步数识别准确率不高、同步控制不精确及位置估计偏差较大等问题,提出了一种面向智能手机平端活动的改进有限状态机步态探测算法。通过设定有限状态对应步行过程合加速度变化趋势,利用相邻合加速度差值和上/下坡次数阈值实现步数识别和步态周期估计。在211 m走廊内由2名实验人员分别平端智能手机开展实验,结果表明,改进算法的步数识别准确率为100%,每一步的平均识别时间提前了0.004 s,平均位置误差为0.384 m,相比于自相关分析和加速度差分有限状态机算法,识别准确率、同步控制精度和位置估计精度分别至少提高了0.7%、60%和21.15%。改进算法在步数识别、同步控制及位置估计方面优于现有算法。     

环境语义信息辅助的室内停车场车辆定位方法

针对室内停车场环境下GNSS信号受限,无法进行车辆定位的问题,本文提出了一种环境语义信息辅助的室内停车场定位方法。该方法基于智能手机,首先在使用机器学习识别室内停车场中环境语义信息(减速带、转弯)的基础上,建立了室内停车场路网的拓扑结构,然后利用粒子滤波算法对传统车辆航位推算定位数据进行了融合。试验结果表明,该方法有效消除了车辆航位推算的累积误差,平均定位精度达3 m以内,并通过语义信息匹配减少了传统粒子滤波方法的运算时间。     

融合UWB+PDR的室内定位方法改进

近年来,随着科技的进步和创新,对室内定位的研究正朝着多技术互补融合的方向发展,将导航技术与室内定位相融合成为目前的研究热点。行人航位推算(PDR)和超宽带(UWB)技术以其独特的定位优势和精确度等众多优点成为室内定位的主流技术,但PDR由于其累积误差的影响只适用于短时间内高精度室内导航需求,而超宽带在复杂环境中,时间信息可能会严重失真,导致定位信息缺失。因此,本文利用扩展卡尔曼滤波(EKF)对两者进行融合改进,以此发挥各自技术优势。试验结果表明,定位解算的终点误差最大为0.819 5 m,最小为0.144 3 m,平均误差为0.347 8 m,位置平均误差为0.475 0 m,有效提升了室内定位的精度。     

新型组合导航定位技术在机场抢建中的应用

在机场抢修抢建中,对测量系统的作业时间、定位精度、可靠性具有较高的要求,本文提出了一种新型高精度IMU/TS组合定位导航方法,引入激光跟踪定位/惯性组合导航理念,分析了系统组成以及各传感器的误差项,将系统时间延迟作为新的状态估计参数,采用卡尔曼滤波器将IMU和TS数据进行数据融合处理,并在车载动态应用条件下同IMU/GPS组合定位导航系统进行了实验数据比对,验证了在无GNSS信号环境下IMU/TS组合定位导航系统的位置测量精度。     

用户行为感知辅助的室内行人定位

提出了一种用户行为感知辅助的室内行人定位方法。该方法采用行为感知技术,通过智能手机内置的传感器获取行人经过室内特殊位置(如电梯、转角等)的连续多个位置相关的行为状态,结合室内路网的拓扑结构,将行人的位置匹配到相应的特殊位置,以消除行人航位推算(PDR)的累积误差,同时可以在起始点未知的情况下实现行人的自主定位。试验验证了该方法的有效性。     

徕卡ADS100数字航摄系统无地面控制点空中三角测量精度验证

对徕卡ADS100数字航摄系统进行了简要介绍,使用该系统获取了0.2 m分辨率影像,利用CORS基站数据差分解算机载IMU/GPS数据,并在此结果上进行了空中三角测量。空三时采用了较多控制点、少量控制点和无控制点3种方案,结合外业实测点进行了精度检验,3种方案检查点的平面和高程中误差都在0.2 m左右。检验结果表明,使用ADS100航摄影像,利用CORS基站数据差分解算机载IMU/GPS数据,在无地面控制点的情况下,空三加密精度也能达到相关规范要求。