自适应抗差KF-UKF的超宽带导航定位方法

针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。     

BDS/GPS/GLONASS RTK定位算法研究

实现了BDS/GPS/GLONASS三系统组合RTK定位算法,介绍了BDS/GPS/GLONASS三系统组合RTK数学模型,解决了多模融合导航定位时空基准统一问题,并针对附加模糊度参数的卡尔曼滤波函数模型,提出了一种确定实时动态定位中卡尔曼滤波参数的方法。编制了BDS/GPS/GLONASS RTK定位程序,并对28 m超短基线及31 km短基线实测数据进行了解算。对比分析了BDS、GPS、GLONASS、BDS/GPS、BDS/GLONASS、GPS/GLONASS、BDS/GPS/GLONASS七种模式下的定位结果。     

基于单频GPS精密单点定位算法研究

研究单频GPS精密单点定位的算法,包括单频精密单点定位的回归方程及卡尔曼滤波用于单频精密单点定位.探讨卡尔曼滤波的观测方程和状态方程,给出状态转移矩阵及系统噪声矩阵.通过算例验证在1 s采样率的情况下,定位达到了分米级的精度.     

基于卡尔曼滤波方法的WM手持机BDS/GPS单频RTK算法研究

首先对基于卡尔曼滤波的单频RTK定位模型进行研究,介绍了基于RTCM的数据流解码过程,并通过实时数据分别对基于卡尔曼滤波方法的WM手持机BDS/GPS单频RTK定位算法进行计算.在静态条件下,该算法在东方向精度优于0.13 m、北方向优于0.14 m、高方向优于0.35 m;在动态环境下轨迹轮廓与实际地物符合较好,定位状态稳定.     

卡尔曼滤波方法的BDS/GLONASSRTK定位算法

针对单系统RTK定位精度以及稳定性不足的问题,该文提出了BDS、GLONASS双系统联合RTK定位方法,通过对双系统进行时空基准统一,基于附加模糊度参数的卡尔曼滤波函数模型双系统RTK定位算法的研究,开发了BDS/GLONASS双系统RTK定位程序,对超短基线、短基线实测数据进行计算,并且与GPS系统结果进行比对。实验结果表明,BDS、GLONASS、BDS/GLONASS这3种模式定位精度虽稍逊于GPS,但也能够达到厘米级精度,从而提供高精度的定位服务。     

卡尔曼滤波的中长基线非差RTK算法

针对实时动态定位(RTK)中作业范围受到大气延迟误差制约的现象,该文提出了一种基于卡尔曼滤波的非差观测模型RTK算法和非差改正数的计算方法。利用扩展卡尔曼滤波函数模型,将残余的相对对流层延迟、相对电离层延迟同流动站位置参数以及单差整周模糊度作为状态向量进行卡尔曼滤波估计。非差观测模型利用参考站的非差误差改正数以单颗卫星为对象进行误差改正,流动站接收数据小,算法简单。通过GNSS实测数据对该算法进行了算法验证和结果分析,实验结果表明,对于中长基线,利用非差观测模型可实现GNSS单参考站RTK定位,并获得厘米级的定位精度。     

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.     

卡尔曼计算框架下的通用滤波算法研究与实现

将各种滤波方法统一在卡尔曼计算框架下,该框架包括时间预测和量测更新两个过程.在此框架基础上引入软件设计理论中的开-闭原则进行了通用滤波算法的研究,给出了状态空间模型和卡尔曼滤波计算框架的数据结构设计.它具有良好的灵活性、可扩展性和可插入性,从而简化了新滤波算法的构造和实现.最后给出了一个使用该通用算法的示例程序.     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。     

基于方差分量估计原理的自适应卡尔曼滤波及其应用

简单介绍了GPS伪距动态定位的卡尔曼滤波模型的建立,针对传统卡尔曼滤波中动态噪声不准或不容易确定以及因动态目标机动而导致滤波发散的现象,提出了一种根据方差分量估计原理,利用预报残差计算模型的动态噪声方差分量的自适应滤波算法.当利用预报残差进行计算时,这一方法增加的计算量不大,能有效地克服由上述原因而导致的滤波不稳定现象,适用于GPS动态定位数据的实时处理.     

BDS／GPS中长基线宽巷准厘米级RTK算法

针对常规实时动态（RTK）定位技术中长基线初始化时间较长、定位结果不稳定的问题，提出了一种基于部分模糊度固定策略的BDS/GPS宽巷卡尔曼滤波RTK定位方法，从充分发挥宽巷观测值波长较长和宽巷模糊度易于固定的优势，避免低高度角卫星对模糊度解算的影响，从而提高中长基线情况下的模糊度固定率. 同时采用附加宽巷模糊度参数的卡尔曼滤波方法计算浮点解，以固定高于设置模糊度解算截止高度角的卫星进行定位，并解算电离层活动较剧烈的25~76 km的中长基线. 通过3组试验，结果表明，BDS/GPS双系统联合定位宽巷模糊度固定率均接近100%，76 km基线模糊度固定率达到99.9%，定位精度达到厘米级或准厘米级.      

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

Android智能手机GNSS高精度实时动态定位

本文基于智能手机GNSS观测值的质量和性质,利用手机载波相位观测值不确定度进行粗差处理,使用星间单差法消除智能手机伪距和载波相位观测值之间差值不固定特性的影响,针对手机观测值修改滤波过程中的观测值噪声方差数值,采用不固定载波相位整周模糊度的常加速度动态单频Kalman滤波模型实现实时PPP和RTK两种定位方法,提高手机实时GNSS定位精度。使用某智能手机进行验证,单频实时动态PPP定位在99s内达到稳定状态,平面定位精度为1.51 m,高程精度为2.79 m;RTK定位在27 s内达到稳定状态,平面定位精度为0.73 m,高程精度为0.78 m。测试结果表明目前智能手机的GNSS定位模块具有提供更加精准的位置服务能力,甚至在某些特定场景下具有实施测绘作业的潜能。     

单频RTK动态解算的卡尔曼滤波算法研究

本文针对单频RTK提出了一种快速动态定位卡尔曼滤波算法,该方法使用C码和L1观测值,用模型改正对流层干延迟,双差大气延迟分解为测站大气天顶延迟和投影函数,与流动站位置以及站间单差模糊度组成观测方程进行卡尔曼滤波,得到单差模糊度浮点解及方差阵,通过星间求差得到双差模糊度浮点解及方差阵,结合MLAMBDA方法实时动态确定模糊度。经实测数据和IGS站数据验证该算法具有较好定位结果。     

GPS/BDS/GLONASS双频RTK定位算法研究

针对GLONASS采用频分多址技术导致双差观测方程中双差模糊度失去整周特性的问题，提出了一种基于站间单差模糊度分别求解的方法，并结合附加模糊度参数的卡尔曼滤波模型，实现了GPS/BDS/GLONASS组合RTK定位。通过自编RTK程序对GPS、BDS与GLONASS双频实测短基线数据进行测试，并对比分析其他RTK模式下的稳定性与定位精度。结果表明，GLONASS单频和双频定位的模糊度固定率分别为99.8%、99.7%，其定位精度与BDS、GPS相差不大。在单频或双频RTK定位中，双系统、三系统组合定位的稳定性和定位精度明显高于单系统，其中三系统组合定位的稳定性最好，精度最高。随着频率增加，初始化时间明显减少，为实现单历元获得固定解提供了可能性。     

基于渐消因子的改进Kalman滤波时间尺度估计算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法，在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差，Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动，应当对状态模型误差进行实时控制。对此，引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子，利用统计量实时计算渐消因子的量值，控制状态预测协方差阵的增长，降低了原子钟状态估计的扰动。实验结果表明，相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法，基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度，改进时间尺度的稳定度。     

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。     

Performance of Singapore Integrated Multiple Reference Station Network (SIMRSN) for RTK Positioning

Conventional RTK positioning is usable, but requires the use of a local base station. It is also restricted by the effects of the de-correlate atmospheric refraction on the GPS signal, which limits the use of the RTK positioning up to distances of 10–15 km from the reference station to the user. With a multiple reference station network approach, precise RTK positioning capability may be extended for a much larger area. The Singapore Integrated Multiple Reference Station Network (SIMRSN) has been established for this purpose. Using an existing method termed linear combination method, the multiple reference station network corrections are generated for the user on an epoch by epoch, satellite-by-satellite basis. A residual-based adaptive Kalman filter is proposed to improve network correction availability. The VRS concept is used to transmit corrections to the user for RTK positioning. Field tests were conducted to demonstrate the general performance of SIMRSN. The tests confirmed that RTK positioning within a multiple reference station network can provide the user with better than 3 cm in horizontal position, the height accuracy is in the range of 1–7 cm, and the average TTF (Time To Fix) are 46 and 76 s during GLC station and LPR station tests, respectively. With this highly efficient survey technique, the user needs only to be equipped with a single GPS receiver. This reduces equipment and manpower costs compared with traditional RTK positioning using a specially set up reference station. The multiple reference station framework also paves the way for various other applications beyond the traditional surveying profession. Electronic Publication