基于多尺度预处理的GPS/SINS组合导航系统

基于多尺度分析的思想,以离散小波变换为工具,利用小波对惯性元件输出的信息进行并行阈值消噪以削弱惯性元件误差对SINS及组合系统性能的影响;然后,对GPS输出的信息进行并行多尺度预处理,并结合传统的Kalman滤波方法,对系统进行综合滤波;将上述方法引入到GPS/SINS组合导航系统中,利用实测数据进行验证,并给出了基于不同方法的大量实验曲线。实验结果表明,该方法可以有效削弱惯性元件以及GPS误差对系统的影响,提高了GPS/SINS组合导航系的精度和可靠性。     

本期导读

利用掩星和地基GPS研究日食电离层效应(王泽民,等)一文利用COSMIC掩星GPS数据和地基CORS网GPS数据来共同分析2009-07-22发生在亚洲东部和太平洋西部的日全食,进而分析了日食期间电离层效应的物理过程。基于多尺度预处理的GPS/SINS组合导航系统(李廷军,等)一文基于多尺度分析的思想,以离散小波变换为工具,利用小波对惯性元件输出的信息进行并行阈值消噪以削弱惯性元件误差对SINS及组合系统性能的影响;对GPS输出的信息进行并行多尺度预处理,并结合传统的Kal man滤波方法,对系统进行综合滤波;将上述方法引入到GPS/SINS组合导航系统中,利用实测数据进行验证,并给出了基于不     

基于SINS／GPS的无人机组合导航系统建模与仿真

根据无人机的飞行特点以及SINS(捷联惯导)和GPS(全球定位系统)的优缺点,利用轨迹发生器设计无人机的飞行轨迹,建立基于SINS/GPS的无人机组合导航系统,依据卡尔曼滤波的相关原理对系统进行数学建模和计算仿真,验证无人机SINS/GPS组合导航系统的可靠性。     

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于长距离时间序列的特性,在GPS有效区域,用卡尔曼滤波(KF)算法对SINS/GPS信号进行数据融合得到精确定位信息,同时利用惯性测量单元(IMU)、GPS和SINS输出信息对神经网络进行训练;在GPS失效区域,利用训练好的神经网络预测GPS位置信息,使得系统能继续用卡尔曼滤波器滤波. 最后结合地籍测量特点,设计了仿真实验,证明了该算法在GPS信号失效时可以有效抑制系统误差发散、提高定位精度,在不同运动状态下依然可以满足定位精度要求、鲁棒性强.      

北斗二代／SINS组合导航系统研究

将伪距、伪距率组合方法应用于北斗二代卫星／SINS组合导航系统,利用卫星系统的星历数据与SINS给出的位置、速度计算出相应的伪距和伪距率,然后与接收的伪距和伪距率相比较得出误差作为量测值,通过卡尔曼滤波器估计卫星定位系统和SINS的误差量,从而实现系统的校正。建立了组合导航系统的状态模型和量测模型,仿真实验表明,该组合模式可得到很好的导航精度。     

基于双差伪距/伪距率的GPS/SINS紧组合导航

GPS/SINS组合导航系统的观测模型直接关系着导航系统的精度。提出了一种基于双差伪距/伪距率的GPS/SINS紧组合观测模型。分析了采用双差伪距和采用双差伪距/伪距率两种观测模型对组合导航输出参数精度的影响。实测数据结果表明,采用双差伪距和采用双差伪距/伪距率作为观测值均能实现组合导航系统的收敛。引入双差伪距率观测值明显改善了系统的可观测性,不仅提高了组合导航中速度和姿态角的估计精度,也加快了速度误差和姿态角误差估计的收敛速度。     

GPS辅助激光陀螺捷联惯导系统动基座对准实验研究

对GPS辅助下的激光陀螺捷联惯导系统的动基座初始对准进行了实验研究。首先给出了车载SINS／GPS组合导航系统误差模型，然后利用Kalman滤波器对SINS和GPS的车载动基座实际测量数据进行了离线的半实物仿真。仿真结果表明，动基座对准能够在10分钟以内快速实现，但是达到的对准精度与静基座对准相比稍差。     

一种GPS/GLONASS/INS数据融合算法

针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。     

CNS/SINS组合导航系统仿真分析

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

一种路网拓扑约束下的增量型地图匹配算法

着眼于低频浮动车轨迹数据,对地图匹配问题进行了抽象,并分析了影响匹配结果的几何约束与拓扑约束。针对GPS采样的低频性和城市路网的复杂性,提出了一种路网拓扑约束下的增量型地图匹配算法（topology-constrained incremental matching algorithm,TIM）。选取北京市浮动车的GPS样例轨迹数据进行匹配,结果表明,该匹配算法在不同复杂程度的城市路网下均表现较好。     

符合认知规律的时空轨迹融合与路网生成方法

以行驶在城市大街小巷的出租车GPS时空轨迹数据为研究对象,研究了符合"感知—认知—经验"认知规律3层次的轨迹融合与路网生成方法,提出了基于Delaunay三角网的时空轨迹融合模型,实现了从GPS时空轨迹中对符合认知规律需求的路网信息的获取,并以武汉市出租车GPS轨迹为试验,实现了对武汉市出租车时空轨迹的融合与武汉市路网数据的生成,证明了该方法的有效性。     

路网更新的轨迹-地图匹配方法

全面准确的路网信息作为智慧城市的重要基础之一,在城市规划、交通管理以及大众出行等方面具有重要意义和价值。然而,传统的基于测量的路网数据获取方式往往周期较长,不能及时反映最新的道路信息。近几年,随着定位技术在移动设备的广泛运用,国内外学者在研究路网信息获取时逐渐将视野转向移动对象的轨迹数据中所蕴含的道路信息。当前,基于移动位置信息的路网生成和更新方法多是直接面向全部轨迹数据施加道路提取算法,在处理大规模轨迹或者大范围道路时,计算量极大。为此,本文基于轨迹地图匹配技术,提出一种采用"检查→分析→提取→更新"过程的螺旋式路网数据更新策略。其主要思想是逐条输入轨迹,借助HMM地图匹配发现已有路网中的问题路段,进而从问题路段周边局部范围内的轨迹数据中提取并更新相关道路信息。该方法仅在局部范围内利用少量轨迹数据来修复路网,避免了对整个轨迹数据集进行计算,从而有效减少了计算量。基于OpenStreetMap的武汉市区路网数据以及武汉市出租车轨迹数据的试验表明,本文提出的路网更新方法不仅可行,而且灵活高效。     

车载GPS道路信息采集和更新系统研究

介绍了车载道路信息采集和更新系统 (CRICUS)的设计和研究进展。该系统利用 3S集成技术采集道路信息并生成数字道路网数据库。初步实验表明 ,该系统的定位精度可达 1m。     

Traj2Traj: A road network constrained spatiotemporal interpolation model for traffic trajectory restoration

In transportation, the trajectory data generated by various mobile vehicles equipped with GPS modules are essential for traffic information mining. However, collecting trajectory data is susceptible to various factors, resulting in the lack and even error of the data. Missing trajectory data could not correctly reflect the actual situation and also affect the subsequent research work related to the trajectory. Although increasing efforts are paid to restore missing trajectory data, it still faces many challenges: (1) the difficulty of data restoration because traffic trajectories are unstructured spatiotemporal data and show complex patterns; and (2) the difficulty of improving trajectory restoration efficiency because traditional trajectory interpolation is computationally arduous. To address these issues, a novel road network constrained spatiotemporal interpolation model, namely Traj2Traj, is proposed in this work to restore the missing traffic trajectory data. The model is constructed with a seq2seq network and integrates a potential factor module to extend environmental factors. Significantly, the model uses a spatiotemporal attention mechanism with the road network constraint to mine the latent information in time and space dimensions from massive trajectory data. The Traj2Traj model completes the road-level restoration according to the entire trajectory information. We present the first attempt to omit the map-matching task when the trajectory is restored to solve the time-consuming problem of map matching. Extensive experiments conducted on the provincial vehicle GPS data sets from April 2018 to June 2018 provided by the Fujian Provincial Department of Transportation show that the Traj2Traj model outperforms the state-of-the-art models.     

出租车GPS轨迹集聚和精细化路网提取

针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。     

Performance of GPS and GPS/SINS navigation in the CE-5T1 skip re-entry mission

A CE-5T1 spacecraft completed a high-speed skip re-entry to the earth after a circumlunar flight on October 31, 2014. In addition to the strapdown inertial navigation system (SINS), a lightweight GPS receiver with rapid acquisition was developed as a navigation sensor in the re-entry capsule. The GPS receiver effectively solved the poor accuracy problem of long-term navigation using only the SINS. In contrast to ground users and low-earth-orbit spacecraft, numerous factors, including high altitude and kinetic characteristics in high-speed skip re-entry, are important for GPS positioning feasibility and were presented in accordance with the flight data. GPS solutions started at nearly 4900 km orbital altitude during the phases of re-entry process. These solutions were combined by an inertial measurement unit in a loosely coupled integrated navigation method and SINS navigation initialization. A simplified GPS/SINS navigation filter for limited resources was effectively developed and implemented on board for spacecraft application. Flight data estimation analyses, including trajectory, attitude, position distribution of GPS satellite, and navigation accuracy, were presented. The estimated accuracy of position was better than 42 m, and the accuracy of velocity was better than 0.1 m/s.     

基于GPS时空轨迹的路网拓扑自动变化检测

充分利用出租车GPS时空轨迹数据分布广和时效性强的特点,提出一种基于车载GPS轨迹数据的路网拓扑自动变化检测新方法。该方法首先利用向量相似性度量模型,度量GPS轨迹向量与路网局部拓扑向量之间的相似性,检测疑似道路拓扑变化点,然后通过比较疑似道路拓扑变化点与路网拓扑关系,完成新增、废弃、改建等道路变化,实现基于车载GPS轨迹的路网拓扑自动变化检测。实验结果表明,该方法不仅有效地检测出道路新增、道路废弃与道路改扩建等变化,而且能利用出租车实时和大范围分布特点来实现城市路网大范围实时变化检测。     

基于点序列和要素加权法的地图匹配算法

浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。