基于ICCP算法的重力辅助惯性导航

迭代最近等值线算法(ICCP)是一种重要的匹配导航算法,文中首先介绍ICCP算法的基本原理,随后在0.2′×0.2′重力异常数据库的基础上,利用ICCP算法进行仿真计算得到最佳匹配位置。最后为了验证匹配位置是否可用于修正惯导误差,提出将匹配位置误差作为观测量,用卡尔曼滤波对惯导系统误差进行最优估计。由最后的仿真结果可以看出,ICCP算法可有效抑制惯导纬度误差的增长,且最大纬度误差不超过2,′以匹配位置误差作为观测量可以用来估计惯导方位误差角。     

ICCP重力匹配算法在局部连续背景场中的实现

提出了在具有统一解析式连续背景场基础上实现迭代最近等值线的匹配算法,建立了局部连续背景场的最近点搜索模型,采用BFGS拟牛顿方法实现置信范围内最近等值点精确定位。分别对连续背景场的ICCP匹配算法和离散背景场的ICCP匹配算法进行了两组对比仿真实验。实验结果表明,连续背景场的IC-CP匹配算法在搜索最近等值点方面有了较大改进,匹配精度有了较大提高。     

水下重力异常相关极值匹配算法

重力辅助惯性导航是利用地球物理特征信息——重力来修正水下潜器惯性导航误差,其关键技术是匹配算法。基于平均平方差最小准则构造差分降权相关目标函数模型,针对受干扰误差随机影响,基于目标函数模型搜索得到的多个有效位置,均有可能以不同概率密度源于正确位置这一问题,提出概率数据关联滤波重力匹配算法,与最近邻法相比,该算法确定的航迹更接近于真实位置,提高算法的可靠性与抗干扰性;分析探讨序列采样间隔对匹配精度的影响。通过试验区仿真匹配,结果表明,当选择适当的采样间隔与采样长度,该算法能有效修正导航误差。     

视觉辅助下的室内惯导位姿修正

惯性导航系统可以短期内提供连续的高精度信息，但是误差会随时间增大，不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中，传统的惯导+卫星组合方法也不再适用。针对该问题，本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中，采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法，本文利用视觉定位的位姿信息建立量测方程，进行卡尔曼滤波，并选取合适的试验设备，通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

一种基于路网曲线特征和惯导测量数据的辅助导航定位方法

不同于已有的辅助导航定位方法,提出了基于路网曲线特征和惯导测量数据的导航定位方法,即通过对道路网和行驶惯导轨迹数据利用曲线拟合和特征提取的方法进行处理,得到能够反映出目标实际运动状态和位置情况的特征点和线,并将它们进行匹配,以达到修正导航位置的目的。     

地磁异常匹配辅助导航的研究

本文研究了地磁异常匹配辅助导航的基本原理,对其关键技术进行了分析,对系统建立了状态方程和观测方程,并给出了一个实例,利用EKF进行了数据融合处理,仿真结果表明地磁异常匹配辅助导航可以有效修正惯导的误差,大大降低了惯导的导航误差。     

一种基于约束条件的重力匹配导航算法

重力匹配导航算法对于提高匹配效率和精度具有重要的意义,是匹配导航技术中的热点问题。在已有的重力辅助惯性匹配导航算法研究的基础上提出了一种新的基于相关约束条件的重力匹配导航算法。该算法增加基于惯导系统提供的轨迹方位与航距信息,有效排除大量待匹配干扰轨迹,提高匹配效率和匹配精度。仿真结果表明:该方法精度较概率神经网络方法匹配结果有显著提升,精度由千米级提高到百米级,并将概率神经网络匹配时长缩短近50%,大大提高了重力匹配的效率,更好满足水下导航的需求。     

北斗/惯导的快速混合高斯UKF算法

为进一步改善北斗/惯导中无迹卡尔曼滤波的精度,针对导航系统中噪声随机模型本质上的非高斯分布特性,结合有限高斯概率分布可近似任意概率密度函数的理论,以混合高斯UKF滤波为框架,提出了一种快速混合高斯UKF算法。该算法使用奇异值分解替代无迹变换产生采样点中的协方差平方根计算,和迭代中构造有限分量混合高斯模型二次近似后验二阶矩减少子滤波器数量的思路,改善了传统算法子滤波器数量随迭代次数成指数变化而增加计算成本的状况,一定程度上提高了计算的实时性。通过对北斗/惯导紧耦合系统的数据仿真实验,结果分析表明:相对于传统算法,本文提出的新算法在保证滤波精度的同时,计算量较低、实时性较好,适合于处理非高斯非线性北斗/惯导组合导航定位的滤波计算问题。     

惯性导航及其基于位置信息校正的关键技术研究

论文围绕惯性导航和基于位置信息的捷联惯导系统校正技术展开研究,内容涵盖了惯导系统的基本理论、惯性元件误差的分析与处理、静基座捷联惯导解析法对准、地固系捷联惯导系统关键算法、基于位置信息的捷联惯导系统综合校正技术等。     

利用TERCOM与ICCP进行联合地磁匹配导航

为解决地磁匹配导航中TERCOM算法精度较差I、CCP算法容易产生局部收敛且匹配速度较慢的缺陷,提出了一种联合TERCOM与ICCP的水下地磁匹配导航新方法。对此算法中的粗匹配及其性能进行了分析,同时,对精匹配及改进ICCP算法进行了研究,解决了传统匹配导航算法精度、速度及完备性不能兼得的问题。     

利用改进的ICCP算法辅助导航

文中研究了ICCP算法的基本原理,分析了ICCP算法的特点,针对ICCP实时性差的不足,借鉴计算机编程思想中的移位寄存器原理给出了改进ICCP算法,同时,改进ICCP算法中每个采样点都可以有多个匹配结果,通过对这些匹配结果求加权平均可以有效消弱结果中的随机误差,从而提高了匹配的可靠性。并通过一个仿真实例,表明改进ICCP算法可以有效改善ICCP算法的实时性,经度方向精度与ICCP算法相当,纬度方向精度有明显的提高。     

辅助导航中等值线匹配算法仿真试验研究

等值线（ICCP）匹配算法是辅助导航中的一个重要匹配算法，但目前缺乏本算法的系统仿真试验。本文对ICCP算法在地形辅助导航中的应用进行了正交实验设计，按照设计方案进行大量仿真研究。通过对仿真结果的分析，得出等值线匹配精度的主要因素。     

地磁匹配导航算法研究

提出一种MonteCarlo方法和均方差算法（MSD）相结合的匹配算法，并将本算法用于地磁匹配导航中。该方法根据惯性导航系统指示的位置从地磁图上提取参考地磁数据，将地磁测量数据进行若干次随机干扰后和参考地磁数据使用MSD算法进行匹配，得到若干个匹配位置，取其均值作为最终匹配位置。仿真结果表明本算法可行。     

基于Matcom混合编程的ICCP算法仿真实现

阐述了利用Matlab和Visual C++实现ICCP算法的优缺点,提出了Matcom和Visual C++混合编程实现ICCP算法的新方法。利用Matcom提供的函数库,在Visual C++环境下实现了ICCP算法仿真系统。该方法较大地改善了复杂算法仿真系统的开发效率,最终的仿真效果也较好地吻合了理论要求。     

基于航迹线追踪的TERPM定位算法

针对TERCOM（terrain contour matching）算法定位精度对航向误差敏感和算法普适性差等不足,提出了一种基于航迹线追踪的TERPM（terrain profile matching locating algorithm）定位算法。利用INS（inertial navigation system）提供的速度和航向信息对UV（underwater vehicles）的航迹进行追踪,在遍历基准地形时考虑航向误差对数据选取的影响,组合最优匹配的判别方法,提高定位算法的抗噪性。实验结果表明:TERPM定位算法适用于机动UV的精确定位且定位精度对航向误差不敏感;与已有的TERCOM改进算法相比,新算法具有更高的定位精度和更好的抗噪性能。     

一种改进的浮动车地图匹配算法

现有地图匹配算法应用于低频方式采样的浮动车GPS数据时匹配准确度与匹配效率不能同时兼顾。基于此,本文提出了一种改进的浮动车地图匹配算法,基于改进的自适应电子地图网格划分方法快速确定待匹配定位点候选路段集,基于最短距离权重、车辆航向权重、最短路径权重及轨迹方向权重的总权重准确确定最优匹配路段及匹配点。试验结果表明,该算法在保证匹配效率的同时提高了算法的匹配准确度。     

Open source map matching with Markov decision processes: A new method and a detailed benchmark with existing approaches

Map matching is a widely used technology for mapping tracks to road networks. Typically, tracks are recorded using publicly available Global Navigation Satellite Systems, and road networks are derived from the publicly available OpenStreetMap project. The challenge lies in resolving the discrepancies between the spatial location of the tracks and the underlying road network of the map. Map matching is a combination of defined models, algorithms, and metrics for resolving these differences that result from measurement and map errors. The goal is to find routes within the road network that best represent the given tracks. These matches allow further analysis since they are freed from the noise of the original track, they accurately overlap with the road network, and they are corrected for impossible detours and gaps that were present in the original track. Given the ongoing need for map matching in mobility research, in this work, we present a novel map matching method based on Markov decision processes with Reinforcement Learning algorithms. We introduce the new Candidate Adoption feature, which allows our model to dynamically resolve outliers and noise clusters. We also incorporate an improved Trajectory Simplification preprocessing algorithm for further improving our performance. In addition, we introduce a new map matching metric that evaluates direction changes in the routes, which effectively reduces detours and round trips in the results. We provide our map matching implementation as Open Source Software (OSS) and compare our new approach with multiple existing OSS solutions on several public data sets. Our novel method is more robust to noise and outliers than existing methods and it outperforms them in terms of accuracy and computational speed.     

GAINS中重力传感器信息的扰动改正

重力辅助惯性导航系统GAINS(Gravity Aided Inertial Navigation System)是利用地球物理特征信息重力来完成水下运动载体的辅助惯性导航与定位.为实现重力匹配以校正惯性导航随时间累积的误差,首先必须对重力传感器输出信息进行扰动改正.分析了水下运动状态下重力传感器受到的各种重力扰动,如垂直扰动加速度、水平扰动加速度以及厄特弗斯效应影响所产生的原因,研究了扰动误差模型与INS导航精度之间的关系,并通过计算,提出了可直接以INS输出数据而无需其它外部有源导航信息进行扰动分离的方法.