融合改进小波去噪与T-Taylor的井下定位算法

针对超宽带井下定位方法中,信号易受到非视距(NLOS)误差的影响,导致定位算法的精确度与环境适应性较差的问题,本文提出了一种融合改进小波去噪和T-Taylor算法的井下定位算法。对原始测距值进行降噪处理,抑制NLOS误差对定位的影响;同时引入三球交会算法,将其作为Taylor算法的初始算法,确保Taylor算法收敛的同时,增强定位算法在井下复杂环境的定位精度与环境适应性;通过蒙特卡罗仿真试验进行验证。结果表明,融合算法能够在一定程度上降低测距误差,增强算法对于复杂环境的适应性,提高定位精度,在NLOS环境下较C-Taylor算法有更高的定位精度与抗噪声性能。经实地定位试验验证,融合算法平均定位精度相比于C-Taylor算法有一定程度的提升,提高了37.3%。     

复杂环境下智能手机RTK+PDR融合定位

针对室外复杂环境下智能手机定位精度低、抗干扰能力不足的问题,本文利用手机GNSS观测值和手机内置IMU数据,采用RTK和PDR算法融合定位,对比分析了小米8和华为Mate20X两款手机的GNSS数据质量和融合定位算法性能,以及不同观测条件下融合算法的定位精度和稳定性。试验结果表明,在良好和复杂两种观测条件下,采用RTK算法定位精度分别为1.8 m和4.6 m;采用RTK+PDR融合算法定位精度分别为1.2 m和2.6 m,在两种环境下,RTK+PDR融合算法的精度分别提高了50%和76%,即显著提高了智能手机在室外复杂环境下的定位精度。     

一种 RSSI 不同特征值融合的提取算法

室内WIFI指纹位置定位一般取RSSI的平均值作为其定位特征值,但考虑到室内环境的复杂性和动态性,平均值并不能准确地反映RSSI信号特征值。通过对不同外界干扰因素下RSSI的概率分布特征研究的基础上,提出一种RSSI不同信号特征值融合指纹定位算法。给出算法实现的步骤,并且在稳态环境下和动态环境下分别进行指纹定位在线端的数据采集实验。实验结果表明:RSSI不同信号特征值融合指纹定位算法的定位精度优于均值指纹定位算法的定位精度。     

一种WiFi距离交会加权融合定位算法

基于距离交会的WIFI室内定位算法受环境的影响,距离反演精度较低导致定位误差较大,不同距离反演模型对定位误差影响特性存在差异。考虑到GPR距离反演模型过度平滑引起定位结果扎堆的缺陷和传统损耗模型反演精度过低引起定位结果误差较大的缺陷,提出一种基于GPR预测模型和损耗模型的加权融合定位算法。实验结果表明:该融合算法能够有效提高定位精度并明显改善基于GPR模型定位算法的定位结果扎堆现象。     

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。     

基于RSSI联合算法的二维室内定位系统设计与实现

针对位置指纹匹配算法计算量大导致室内定位精度不高的问题,提出了一种基于接收信号强度指示(RSSI)的联合算法. 该算法以K近邻位置指纹匹配算法为基础算法,加入三角定位辅助算法,首先进行三角定位得出参考区域,再进行位置指纹匹配进行精准定位,有效地提高了定位精度. 使用Android Studio基于Java语言开发了一款集Wi-Fi位置指纹采集与在线定位一体化的软件,并在试验场地进行测试.实验结果表明:该算法定位精度在二维平面内达到 1～3 m,较单一算法定位精度有所提高.      

PDR+BLE融合的室内实时定位方法

由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。     

正则化距离准则的Wi-Fi位置指纹室内定位方法

针对K-近邻法中常规指纹相似度匹配准则未能充分利用测试点和参考点的几何距离信息问题,该文提出了正则化距离准则的Wi-Fi位置指纹室内定位方法。该方法较常规距离准则兼顾了测试点与参考点的指纹距离和可靠几何距离,仅增加了正则化距离和K-近邻位置估算的迭代流程。而且,该方法仅含一个正则化因子,确定方法简便且可解释性好。密集与稀疏参考点格网间距下智能手机Wi-Fi平面定位实验表明,所提方法在正则化距离准则下能够有效提高约20%的定位精度,其中曼氏和欧氏定位中误差不超过2m。     

煤矿井下基于Attention机制的LSTM地磁定位算法

针对利用无线射频信号对井下人员定位受环境影响大的问题,本文提出了基于Attention机制的LSTM地磁定位算法。利用矿用智能手机以路径连续采集方式获取井下地磁数据,通过分析井下巷道地磁信号变化的空间差异性和时间稳定性,建立面向井下拓扑结构的地磁指纹数据库;在LSTM模型中引入Attention机制,使其能够根据地磁序列与位置的相关性进行训练且给予不同的权重;将井下实时采集的地磁数据输入模型后进行位置估计。试验结果表明,通过神经网络LSTM学习地磁序列与相应位置的映射关系,可有效提高定位精度。     

面向智能车的地下停车场环视特征地图构建与定位

针对地下停车场环境GPS信号缺失的问题,本文在环视特征地图构建的基础上,提出基于二阶马尔科夫模型的粒子滤波定位算法(Markov model-particle filter,MM-PF),实现智能车在地下停车场环境中的高精度定位.在该模型中,环视特征地图节点被定义为粒子,查询图像被定义为观测数据.在状态转移过程中,引入二阶马尔可夫模型,对短时间车辆运动进行建模,构建状态转移模型.利用图像的全局特征建立当前车辆获取的图像与各粒子(环视地图节点)之间的匹配关系,从获取的汉明距离建立粒子权重分布模型,可以大幅提高系统的计算效率.当前车辆的位置由局部特征匹配获得.选取两个典型的地下停车场场景对本文算法进行验证,在选取的两个场景中,本文算法平均定位精度小于0.38 m,定位误差均方差小于0.29 m,定位误差在1 m以下的概率不低于95.4％.试验结果表明:本文所提出的二阶MM-PF算法能够将车辆的运动信息与视觉信息相融合,相较于对比算法,定位精度与稳健性得到大幅提高.     

基于WiFi信号室内定位技术的研究

主要对基于WiFi信号的室内定位技术中的三角形定位法进行了研究。鉴于现有的三角形定位模型受信号强度和环境干扰的约束影响,定位精度不高,提出了一种结合室内影响因素约束的权重改正定位模型,更加切合复杂的室内定位环境。通过试验测试和数据分析,经过加权去噪模型改正后的定位精度更高,适用性更广。     

一种基于流形正则化的半监督指纹定位算法

针对传统指纹定位算法采集带标签训练数据成本高的问题,本文提出了一种基于流形正则化的半监督指纹定位算法。首先以流形假设为依据,利用批量输入的带标签数据与无标签数据之间的相似度构建图拉普拉斯算子;然后与极限学习机算法相结合,通过随机特征映射建立隐含层;最后在流形正则化框架下,求解隐含层和输出层之间的权值矩阵,从而建立位置估计模型。仿真结果表明,与INN、SVR、ELM 3种算法相比,该算法的训练和测试时间相对较短,且在带标签训练数据稀疏的前提下仍能保持较高的准确率与稳定性。     

一种基于图像灰度直方图相似度计算的室内定位方法

近年来,视觉定位由于定位精度高广泛应用于室内定位与导航。然而,室内环境复杂多变,视觉定位在很多场景下无法实现高精度定位,而且多数视觉定位算法耗时和计算复杂度高,不适用于智能手机。为实现基于智能手机的准确高效定位,本文提出了一种基于图像灰度直方图相似度计算的定位方法。该方法分为两个阶段：离线阶段和在线阶段。离线阶段在已知坐标的格网点分别利用智能手机采集图像,提取图像灰度直方图,建立图像灰度直方图图像特征库;在线阶段智能手机在待测点采集图像提取灰度直方图,然后与图像特征库进行相似度计算,选取相似度和最大值的格网作为概略位置,以相似度为权重采用加权均值法得到准确位置。将所提方法和KNN算法进行对比,试验结果表明,该方法的平均定位误差优于0.3 m,与KNN算法相比定位精度提高了40.7%,计算时间优于1.7 s。     

融合对流层模型及其在精密单点定位中的应用

受实测气象参数的限制，使用标准大气参数的传统对流层模型的精度并不高；使用参数估计法的精密对流层模型增加了观测方程的待估参数，影响收敛速度. 针对实测气象参数缺失的情况，提出一种融合对流层模型，使用两种非实测气象参数模型分别计算出平均海平面处和测站处的气象参数，再利用Saastamoinen模型经验公式求解天顶对流层延迟（ZTD）. 利用RTKLIB软件进行精密单点定位（PPP）实验. 提出的融合对流层模型摆脱了实测气象参数的限制，解算结果表明:使用该模型时，在东、北、天方向的定位精度分别比Saastamoinen模型提高16 mm、1 mm、2.2 mm，比MOPS模型提高13.8 mm、0.7 mm、1.6 mm，比GPT/UNB3m+Sa模型提高2.9 mm、0.4 mm、0.7 mm，在天、北方向的定位精度接近参数估计模型，实现了PPP定位精度的提高.      

面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析

为了验证目前高精度定位中多传感器组合定位模型性能的优越性,以更好地解决自动驾驶场景下自主定位中出现的预测精度标准不一致、预测不及时及误预测率高等问题,本文利用LiDAR与Radar数据,建立了一种基于迭代加权的IEKF-BP组合算法的松组合模型,并对两种传感器组合定位结果精度进行了分析。试验表明,迭代加权的IEKF-BP组合算法的组合结果精度优于单一的IEKF算法和BP神经网络算法组合定位精度,其中,在X、Y方向上的均方根误差分别为0.028、0.028 m,平均误差分别为0.023、0.014 m,能准确反映载体的运动状态,满足未来无人驾驶中定位需求。     

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。     

基于粒子滤波的INS／磁力计融合定位算法

针对城市峡谷场景中GPS信号容易受到建筑物的遮挡、反射,导致智能终端的GPS定位精度降低甚至无法定位的问题,本文在分析城市峡谷场景中GPS定位误差的基础上,在智能终端上实现了基于粒子滤波融合INS输出的水平速度和磁力计方位角的多传感器定位算法。实验结果表明,该算法的平均定位误差是3.19 m,相比于GPS的13.81 m,降低了769％,相比于EKF和UKF融合算法的4.84 m和4.82 m,分别降低了34.1％和33.8％.      

多系统卫星融合定位数据的稳定性和精度比较分析

论述GNSS多系统融合定位的数学模型、分析各项误差处理策略以及参数估计方法,基于日本东京海洋大学RTKLIB软件进行GPS、GLONASS、Galileo、BDS多系统融合定位试验,并分析其动/静态定位稳定性和精度。试验结果表明:GNSS多系统融合收敛时间与GPS单系统相比缩短30%~50%,定位精度与GPS单系统相比可以提高20%~50%。此外,在卫星高度截止角大于40°和不利观测环境条件下,单系统可见卫星数不足,从而导致无法进行连续定位,但多系统融合可视卫星可获得比较好的定位精度,在建筑物密集区、山区和卫星遮挡较为严重的恶劣条件下具有实际应用价值。     

区域电离层建模的单频伪距定位验证

针对电离层单层模型无法满足单频用户定位精度要求的问题,该文建立了区域电离层斜路径模型和单星多项式函数模型。基于河北省区域CORS站的实验结果表明:该文建立的区域电离层模型的拟合精度比CODE中心的格网电离层模型提高了近80%。并将其应用于北斗、GPS单频伪距单点定位,得出北斗的单点定位高程和平面定位精度分别优于3和2m,GPS的单点定位高程和平面定位精度分别优于1.5和1m;相对于CODE,GPS和北斗在平面及高程方向的定位精度均提高了50%左右。结果证明,采用斜路径电离层模型和多项式函数模型,可以较好地反映区域电离层的精细结构。