适合于AR应用的姿态、位置综合测量系统

本文分析了AR技术的发展需求,提出适合于AR智能导航的姿态、位置综合测量系统.该系统由双频GPS接收机、陀螺仪和车辆里程计组合,采用卡尔曼滤波方法实现位置姿态测量.文章估计了滤波器实时为动态AR智能导航系统输出的位置姿态信息的精度.并通过实验验证了系统的可靠性、适用性和稳定性.     

面向多维时空位置数据的动态加权聚类模型

针对传统聚类算法在处理时空位置数据挖掘时面临的多维聚类问题,提出了动态加权聚类模型。该模型叠加利用经典k-均值和基于密度的DBSCAN聚类算法,通过计算最大轮廓系数确定合适的簇数目,按照划分初始簇类、识别和剔除噪声点、修正聚类簇中心点位置坐标3个步骤实现对大体量多维时空位置数据的聚类分析,提出了动态权重系数计算公式,优化了基于密度的DBSCAN聚类算法中相似度函数,并在Python3.7环境下以网络签到数据集实例仿真验算了该模型算法。实验结果表明,相较单一的传统聚类算法,该模型能综合利用多维非位置属性对时空位置数据点聚类,更合理界定聚类簇的归属数据点,对提升时空位置数据集聚类簇中数据点的聚类效果明显。     

出租车载客热点精细提取的改进DBSCAN算法

随着城市化水平的提高和居民公共交通出行的需求增长,要求有更精细化的聚类方法提取出租车载客的热点区域。针对基于密度聚类在出租车数据聚类中存在的问题,设计一种基于路网约束的改进DBSCAN算法。该算法通过将行程距离引入DBSCAN算法中,改进原有DBSCAN算法在出租车数据聚类中存在的精细尺度聚类参数选择和设置困难问题,弥补现有聚类算法在出租车载客热点区域提取方面的不足。利用武汉市出租车GPS轨迹数据进行的实验结果表明,在加入道路约束后,算法在出租车载客热点区域的精确提取方面具有较好的效果。     

GPS车载导航系统的地图匹配算法

分析了影响GPS车载导航系统数据质量的各种误差,提出采用地图匹配算法来实时提高车载导航系统的定位准确度,给出了误差模型和算法描述以及算法的实现方法.     

多维密度聚类的精细化道路交通运行状况检测

现有的路况检测方法以整条路段为单位进行检测,存在精度不高的问题,且DBSCAN算法用于出租车GPS数据聚类仍存在脱离线性参照系统、假噪声和簇内速度差异大等问题。在线性参照系统中定位GPS点,以两点间的测量值距离作为空间距离,同时增加速度距离约束,提出一种基于DBSCAN算法的多维密度聚类算法,使其适用于精细化路况检测;在此基础上构建路况事件表,并利用动态分段技术对路况事件进行管理和可视化,满足实际应用中对路况检测精度的要求。以上海市出租车GPS数据和路网数据为例进行实验分析,结果表明,提出的方法能够实现较为精细的路况检测。     

一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。     

车载导航系统的高精度定位算法

提出了一种基于联合卡尔曼滤波理论和地图匹配技术的高精度车载导航系统定位方法。该方法一方面对联合卡尔曼滤波器的结构进行简化，简化后的联合滤波器能够较好地将全球定位系统（GPS）与航位推算系统（DR）获取的空间信息进行融合，不仅较大程度地减小滤波计算量，而且避免了子滤波器间误差的互相干扰，提高了空间定位精度。另一方面提出了根据行车方向与位置匹配行车道路的技术，该技术不仅具有较好的行车道路匹配效果，而且能够对各种行车异常情况进行处理。实验证明，本文提出的方法能够较好地满足车载导航系统对空间定位方法实时性及高精度的要求。     

应用EKF平滑算法提高GPS/INS定位定姿精度

为了提高城市遮挡环境下GPS较长时间(60s)无法单独定位情况下GPS/INS组合定位定姿精度,研究了扩展卡尔曼滤波及其RTS(Rauch Tung Striebel)平滑算法;同时给出了基于ψ角惯导误差模型的GPS/INS组合系统状态方程和基于位置、速度更新的量测方程。实验中模拟GPS信号失锁60s,应用RTS后处理算法进行了GPS/INS组合数据处理。结果表明,扩展卡尔曼滤波EKF平滑算法可以有效地提高城市遮挡环境下GPS/INS组合定位定姿精度,特别是对GPS失锁的情况。从而很大程度上降低对高成本惯导的依赖。     

GPS车载导航系统数据误差分析及精确定位

深入分析了影响GPS车载导航系统数据质量的各种误差，给出在不同阶段提高车载导航系统中数据质量的方法，最后提出用地图匹配算法提高车载导航系统的定位准确度。     

一种基于轨迹数据的红绿灯位置检测方法

红绿灯位置是道路上行人和车辆的交会点,极大影响着道路结构和交通运行,在城市路网中起着重要的枢纽作用。针对目前红绿灯位置检测方法准确率不够高、覆盖面区域不完整等问题,提出了一种基于轨迹数据的交通灯位置检测方法。该方法基于聚类-合并-分类-合并的四级模型,首先从清理过的轨迹数据中提取隐含的车辆行驶特征,再采用具有噪声的基于密度的聚类（density-based spatial clustering of applications with noise,DBSCAN）方法得到转向和停驻两类聚类中心,对这两类聚类中心进行合并,获得红绿灯位置的候选位置;根据候选位置一定范围内的轨迹点提取该区域的车流行驶特征,然后采用梯度提升决策树（gradient boosting decision tree,GBDT）算法进行分类,最后将候选位置的正样本融合,以检测红绿灯位置。采用成都市浮动车GPS轨迹数据进行实验,检测结果的F1分数为0.947,效果优于常规的机器学习方法。实验结果表明,基于GPS轨迹数据,采用提出的四层模型能有效检测出红绿灯的位置,该模型可被用于城市大范围红绿灯位置信息的快速获取和更新。     

基于GPS／BDS组合的浅海AUV定位性能分析

针对水下机器人在浅海工作时定位误差大的问题,在浅海电磁波信号衰减不大的情况下,文中重点介绍一种基于GPS/BDS双模组合定位技术的浅海水下机器人高精度定位导航系统,为了比较双模定位系统的定位性能,设置了GPS和BDS单模定位系统作对比,提出了使用中值滤波算法和卡尔曼滤波算法相结合的定位数据处理方法,通过对双模定位系统测试数据的滤波处理,得出系统的定位性能。测试结果表明,双模定位系统的定位精度要高于单模定位系统;中值滤波和卡尔曼滤波相结合算法的应用能够明显提高双模定位系统的定位精度。      

卫星导航定位卡尔曼滤波时延平滑方法研究

为进一步提高卫星导航定位精度和性能,介绍和讨论了卡尔曼滤波延时平滑方法,并建立了一种卡尔曼滤波延时平滑定位模型与算法。与经典卡尔曼滤波类似,该算法同样具有状态系统与测量系统两类方程,能够根据后续历元测量值及定位结果向前进行逆向预测与更新,从而达到对整体定位过程再次平滑的目的,更大程度地获得定位结果跟随性与平滑性之间的平衡。通过多种不同情况下的GPS实测试验,对方法的正确性和可行性进行了分析与验证。结果表明,卡尔曼滤波延时平滑定位方法能够适用于多种静态、动态导航应用领域,使输出结果更为平滑和准确,在有效提高定位精度的同时具有更强的抗多径和抗干扰性。     

一种基于多普勒频移的GPS自适应滤波算法研究

针对接收机的动态模型对GPS定位精度的影响,提出了一种基于多普勒频移观测的高动态GPS自适应滤波算法。该算法利用GPS伪距测量值以及利用信号载波的多普勒频移所获得的伪距率测量值,在GPS动态滤波中同时观测伪距和伪距率。借助于移动目标的运动矢量模型以及GPS定位误差模型建立了滤波方程。重点讨论了运用该模型进行Kalman滤波的实现过程。仿真实验表明,该模型与传统的方差自适应模型相比,位置精度提高了32%、速度精度提高了25%,应用本文算法能够提高定位精度和改善接收机的动态性能,拓宽高精度、高动态导航的应用范围。     

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.     

改进的粒子滤波及其在GPS动态定位中的应用

针对城市环境中GPS动态定位系统的特点，提出了一种基于粒子滤波的GPS动态定位算法。与传统卡尔曼滤波算法相比，该算法利用观测伪距误差分布建立重要的密度函数，能够处理噪声符合非高斯分布的情况，且无需对观测方程线性化，提高了GPS动态定位的精度。通过实际算例分析，验证了该算法的有效性。     

粒子滤波在高动态GPS定位中的应用

针对高动态GPS定位系统的特点,引入了一种基于粒子滤波的高动态GPS定位系统滤波算法。借助于移动目标的速度矢量模型建立了系统状态方程,论文给出了标准的卡尔曼滤波算法模型,重点讨论了粒子滤波算法在高动态GPS定位中的应用,详细描述了算法的推导过程。对算法进行仿真,结果表明当GPS接收机作大范围机动或GPS信号受到干扰时,粒子滤波要优于标准的卡尔曼滤波。     

改进Sage-Husa算法在飞机组合导航中的应用

针对机载组合导航系统,考虑不同飞行阶段的气压高度,提出一种改进的Sage-Husa自适应滤波算法,以提高组合导航系统定位精度. 该算法通过引入气压高度,实时计算并修正滤波异常判定的调节因子,以满足飞机不同飞行阶段的滤波需求. 通过捷联式惯性导航系统(SINS)、全球卫星导航系统(GNSS)定位误差特性仿真、卡尔曼滤波组合算法仿真、以及改进的Sage-Husa自适应滤波算法仿真,并对相关结果进行比较验证. 仿真结果表明,改进Sage-Husa自适应滤波可以提高滤波的自适应性,降低组合导航系统定位误差,取得较好的效果.      

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

一种联合载波相位观测值的GPS/BDS滤波导航算法

提出了一种基于历元间相位差分的GPS/BDS单机实时动态定位算法。该方法采用历元间载波相位差分数据准确计算出载体的位置变化量;并以此描述载体的运动状态变化,建立动态定位滤波模型的状态方程。同时以历元间载波相位差分数据与伪距数据作为主要观测值,采用扩展Kalman滤波实时估计载体的位置和钟差。采用自主编制的软件对静态与车载GPS/BDS实测数据进行处理,结果表明:采用该方法,定位结果精度优于传统的标准单点定位算法与载波相位平滑伪距算法;而且算法具有较好的稳定性,与载体的运动状态无关。     

基于多传感器的民航客机定位

为获取民航客机落地前的高精度位置,本文探讨了一种基于多传感器的民航客机高精度定位方法。在飞机飞行过程中,机载数据记录器会记录整个飞行过程中GPS接收机、无线电高度表、惯性导航系统等传感器数据;在飞机落地后,利用无线电高度表数据、GPS数据进行位置差分,再利用惯性导航数据进一步优化,可大幅提高落地前垂直定位精度。结果表明,通过本文方法在机场跑道入口前2 km,飞机定位精度大幅提高,垂直定位精度可以达米级,满足事后调查需求。