Chan序贯平差组合算法的超宽带定位降噪

在室内环境中接收机与标签之间的距离会受到随机误差的影响,针对超宽带系统的定位特性,结合Chan算法和序贯平差算法的优势,本文提出了Chan序贯平差(Chan-SA)组合算法,以削弱测距随机误差的影响。首先,通过Chan算法两次加权最小二乘获得标签的三维坐标;然后,将此坐标作为初始值代入序贯平差算法中,利用序贯平差算法对后续数据进行迭代得出最优解。仿真数据和实地测量数据的解算结果表明：与Chan算法、粒子滤波算法和序贯平差算法比较,静态场景中Chan-SA算法定位精度分别提高50.14%、35.29%和41.91%,同时在动态场景内也证明了本文算法的适用性。因此,Chan-SA可以提高超宽带系统的定位精度和稳健性。     

超宽带定位的降噪方法研究

针对超宽带定位中原始观测数据存在的高频噪声影响定位结果的问题,该文利用小波变换、Vondrak滤波、卡尔曼滤波3种方法分别对原始观测数据和定位结果两种方案进行降噪处理,并通过静态实验对比了降噪前后定位结果精度。结果表明,在两种降噪方案中,3种方法都能够有效提高定位结果精度,且卡尔曼滤波方法的效果最优,此外,对于同一点位,两种降噪方案得出的定位结果精度基本一致。     

卡尔曼滤波算法在长白山天池火山水准测量中的应用

基于长白山天池火山多期一等水准监测数据资料,对其利用卡尔曼滤波算法进行动态平差,获得天池火山地表垂直形变的变化速度与年变化速率(加速度),结果表明天池火山锥体北侧垂直形变准确地反映了2002年的火山扰动事件,而且水准点位置与其相应的垂直形变量完全符合Mogi的火山膨胀模型。西侧水准测量平差结果反映了火山区背景形变与东北地壳的垂直运动相一致。充分说明这种平差方法完全适合火山区无起算点的多期复测水准网的动态平差计算。     

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。     

卡尔曼滤波在GPS精密单点定位中的应用研究

GPS精密单点定位是对非差观测值进行各项系统误差的改正,利用相应的模型直接得到测点在ITRF框架下的坐标。本文研究并采用卡尔曼滤波方法对经过各项改正后的非差观测数据进行处理,详细阐述滤波模型中各种参数与噪声矩阵的取值方法,并说明GPS接收机钟的稳定性对模型误差的影响,给出描述接收机钟差的状态转移模型。采用C#语言编制基于卡尔曼滤波的数据处理程序,对IGS站24 h的观测数据进行处理与分析,得到厘米级的定位精度。     

基于SLAM/UWB的室内融合定位算法研究

精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果.      

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.     

抗差自适应卡尔曼滤波在GPS精密单点定位中的应用

卡尔曼滤波是GPS精密单点定位中最常用的参数估计方法.理论上讲,随着观测数据的增多,通过卡尔曼滤波可以得到更精确的状态估值,但有时由于状态异常或发生大的周跳等原因,使得状态估值与实际状态之间的误差较大,滤波会发生发散现象,为此,本文提出了将抗差自适应滤波模型运用到精密单点定位中,通过算例分析显示,该方法将显著提高定位结...     

基于卡尔曼滤波的Wi-Fi/PDR融合室内定位方法研究

当前智能手机大多集成了多种传感器,组合多种传感器数据进行室内定位已成为研究热点。本文针对传统的Wi-Fi位置指纹室内定位精度不高的问题,提出了一种基于卡尔曼滤波结合行人航位推算的融合定位方法,经测试,融合定位方法的平均定位精度为3.1 m,较单独Wi-Fi指纹定位精度提升了43%。同时针对PDR步数检测不准确的问题,本文提出了基于低通滤波和阈值滤波的组合滤波方法,将计步准确率提高至99%,对于不同的应用场景具有较强的适应性。     

GPS动态定位中自适应卡尔曼滤波方法的应用研究

采用描述机动载体运动的“当前”统计模型,直接从GPS接收机输出的定位结果入手,建立一种GPS动态定位自适应卡尔曼滤波模型,提出一种改进的自适应滤波算法,对GPS动态定位数据进行滤波。实验结果表明该模型简单,实时性好,滤波后的定位精度得到了提高。     

超宽带室内高精度定位技术研究

近年来,室内定位逐渐成为位置服务的新领域。其中以超宽带这种利用纳秒级非正弦波脉冲来传输数据的无线载波通信技术为室内定位技术注入了新的活力,超宽带定位技术具有时间和空间分辨率高、保密性好、穿透能力强、定位精度高等优点,为高精度室内定位提供了很好的解决方案。首先介绍超宽带技术概念和定位原理,针对超宽带室内定位精度展开试验,实验结果显示在室内环境下可以达到厘米级的精度,最后讨论超宽带定位技术的应用领域和前景。     

GPS动态定位自适应卡尔曼滤波算法研究

Sage-Husa滤波和强跟踪滤波是2种常规的自适应卡尔曼滤波,有各自的优缺点。综合2种滤波的特点,给出一种抗粗差的修正算法,实验效果比较好,能有效抑制少部分粗差带来的影响,计算结果表明效果比较理想。     

导线网间接平差中点的近似坐标算法设计及实现

导线测量随着光电测距技术的发展而成为应用广泛的测量手段。与此同时,对于导线测量中的观测数据进行平差计算还是一项不可或缺的繁重工作。在导线网间接平差时,点的近似坐标计算是很重要的一步,只有在计算了点的近似坐标以后,方可实现平差解算。鉴于此,在略谈导线网间接平差算法的基础上,重点研究导线网近似坐标的计算,并给出了其算法流程图,最后用C 语言编程实现算法,结合算例验证了其正确性。     

超宽带应急定位基站布设研究

针对应急场景下人员位置难以确定的问题,通过合理布设超宽带定位基站,能为人员位置确定提供有力支撑。该文设定了4种定位基站布设方案,通过仿真定位实验统计分析了不同布设方案中精度因子(DOP)值的分布,通过实测定位实验统计分析了测试轨迹的DOP值变化和测试点位的定位误差。结果显示,测试点位的DOP值的变化受到定位基站布设的区域范围、数目和高度等因素影响,当测试点位在基站所围成的几何图形的封闭区域内部、合理增加基站数目以及测试点位与基站的高度角较大的情况下,测试点位的VDOP值和PDOP值较小;同时,定位终端与基站的几何构型影响测距误差,进而影响定位误差。表明,通过合理布设定位基站,优化定位终端与基站的几何构型,减小DOP值,同时顾及测距误差影响,从而提高终端定位精度。     

卡尔曼滤波在无线信号定位中的应用

无线信号指纹定位技术已经广泛应用在室内定位中,针对无线信号不稳定造成信号指纹定位方法在连续单点定位时定位结果跳动的问题,提出利用卡尔曼滤波算法来估算用户的位置坐标。针对特定的室内环境,进行了滤波试验,试验结果表明,相比常用的均值滤波,卡尔曼滤波算法是鲁棒的,可有效改善无线信号指纹定位方法的精度,很好改善了无线信号指纹定位方法在连续单点定位时的跳动问题。     

卡尔曼滤波可靠性分析及其在动态GPS定位中的应用

从预测残差入手，通过假设检验，给出了卡尔曼滤波内外可行性量度，并将其和模型偏差分离估计递推公式引入ＧＰＳ动态定位之中。通过对ＷＡＤＧＰＳ用户站的动态数据处理得到了一些结论。     

基于卡尔曼滤波算法卫星数不足情况下的连续定位

介绍了卡尔曼滤波模型,采用C#编程语言建立了程序模块,并将其作为参数估计方法对一组动态数据进行了伪距单点定位解算;将部分历元时刻卫星数设置为少于4颗进行解算,并比较了其定位结果与原始结果的差异。实验结果表明,采用卡尔曼滤波模型能够在卫星数不足的情况下在一定时间内保持定位的连续性,并能保证一定精度。     

BDS实时动态相对定位卡尔曼滤波算法

为了实现BDS实时动态高精度相对定位, 本文提出了一种适用于单频或双频动态定位的卡尔曼滤波算法, 并对GEO和IGSO卫星残差特性进行了分析。该算法将位置参数和整周模糊度参数作为状态向量进行滤波估计, 滤波过程中将单点定位结果作为位置参数的一步预测值。通过实测数据验证, 单频相位B1相对定位E方向优于1.2 cm, N方向优于3 cm, U方向优于5.3 cm, 双频B1和B2相对定位E方向优于1.0 cm, N方向优于2.6 cm, U方向优于4.5 cm;GEO卫星相位差分残差值比较平稳, 频率间存在系统性偏差, 而IGSO卫星残差与高度角相关, 低高度角时差分残差较大。     

城市环境下附有约束条件的室内外协同定位模型

针对城市化进程不断加快,城市无缝定位的需求不断增多的问题,该文提出一种应对复杂环境下单一定位系统不可靠及定位精度不高的解决方案。利用全球导航卫星系统(GNSS)在城市空旷环境下的定位优势、超宽带(UWB)具有的室内高速率短间距无线通信和高精度测距值的特性,通过扩展卡尔曼滤波融合原始定位数据和测距信息进行耦合定位,充分利用约束条件从而实现复杂城市环境下高精度的无缝定位过程。GNSS、UWB、GNSS/UWB耦合定位实验的结果表明,GNSS/UWB紧耦合融合定位系统可以有效解决复杂环境单一系统的定位缺陷和定位盲区问题,且在实际应用中易于布设,实现精确融合定位。     

用卡尔曼滤波进行GPS动态定位

采用卡尔曼滤波进行GPS单点定位,必须合理地构造系统动态特性,才能使滤波平稳进行。介绍两种确定GPS观测数据方差的方法,然后针对卡尔曼滤波的发散问题进行讨论,并给出一种避免滤波发散的渐消因子改进算法,实现滤波的自适应。最后结合算例验证了该方法的有效性。