UWB TW-TOA测距误差分析与削弱

针对室内环境下UWB TW-TOA测距精度受标准时间偏差和NLOS误差影响明显的问题,采用4阶多项式拟合模型对标准时间偏差进行标定,设计了一种新的基于偏移卡尔曼滤波的NLOS误差鉴别与抑制方法。该方法将测距残差与卡尔曼滤波结合,鉴别出NLOS误差,并将残差值加入到卡尔曼滤波的迭代中,修正卡尔曼滤波的异常值,得到消除NLOS的测量值。利用实测试验对以上算法进行验证,结果表明经过标准时间偏差标定及NLOS误差的鉴别与抑制后,在LOS环境下,UWB TW-TOA测距精度可达到毫米级;在NLOS环境下,测距精度可由原来的0.5m缩小至0.2m,证明了本文方法的正确性和可行性。     

GPS/BDS接收机端系统偏差实时估计方法

针对GPS-BDS系统偏差会导致GPS和BDS系统间的混合双差模糊度不具有整数特性,且其不完全稳定的问题,该文提出一种GPS/BDS系统偏差实时在线估计方法。通过将双差模糊度以单差模糊度之差的形式进行求解,然后再将以周为单位的单差模糊度投影为双差模糊度,以此消除GPS和BDS不同波长的影响;在此基础上,采用Kalman滤波对系统偏差进行实时动态估计。实验结果表明,该方法采用较少历元的观测数据便可使系统偏差收敛,并且收敛后十分稳定,可以将其作为校正参数;加入系统偏差改正的GPS/BDS紧组合定位在恶劣环境下表现良好,可将模糊度固定平均所需时间缩短29%,模糊度固定成功率提高45%。     

露天矿精细DEM模型的建立及更新方法

由于露天矿复杂特殊的地形特征,在建模过程中应充分考虑相应的约束条件,否则会出现台阶被削平等现象。本文提出一次性约束三角网生成算法,经过空间数据提取、拓扑关系建立以及空间索引建立,最终建立起边界约束线以内的约束不规则三角网;并提出扩展边界概念,利用扩展边界及上述三角网生成算法,可实现局部模型建立以及局部模型与整体模型间的无缝拼接,最终完成整体DEM模型的更新。     

抗差容积卡尔曼滤波及其在UWB室内定位中的应用北大核心CSCD

针对超宽带(UWB)观测值异常引起的量测误差及系统噪声先验统计信息未知而导致状态估计误差增大的问题,该文提出了一种带噪声时变估计器的抗差容积卡尔曼滤波(CKF)算法。该算法在滤波过程中,利用预报残差因子构建抗差等价协方差矩阵,控制观测异常值对滤波参数解的影响,同时利用sage_husa算法对系统噪声的统计特性进行实时估计和修正,提高滤波精度和稳定性。实验结果表明,所提算法不仅能有效地消除量测误差对滤波解的影响,而且能在系统噪声先验信息未知的情况下更进一步提高UWB室内定位的精度和可靠性。     

一种单目视觉/INS组合室内定位抗差方法

针对单目视觉/INS的组合定位算法中,单目视觉本身不具备尺度的问题以及在景深变化明显和光照不均匀的环境下会产生粗差的问题,提出了一种单目视觉/INS组合室内定位抗差方法。在尺度恢复方面,借助INS的位置增量信息,基于最小二乘法对单目视觉进行尺度恢复。在抗差方法方面,利用INS在短时间间隔内增量信息高精度的特性,对单目视觉在此时间间隔内的增量信息进行检测,判断是否产生粗差并进行粗差剔除,进而提高组合定位系统的定位精度。实验结果表明,所提算法可以有效的探测并剔除单目视觉/INS组合系统在恶劣环境下产生的粗差,提高组合定位系统的精度及鲁棒性。     

基于北斗三频的短基线单历元模糊度固定

整周模糊度固定是GNSS高精度动态定位的关键问题,为研究GPS/BDS（北斗卫星导航系统）组合定位对短基线模糊度搜索效率和固定成功率的提高效果,利用基于模糊度方差-协方差阵特征值平方根的模糊度搜索空间对比方法分别对短基线条件下GPS单系统、BDS单系统和GPS/BDS组合系统下的模糊度搜索空间进行对比分析。实验数据表明：GPS/BDS组合定位对各单系统的方差-协方差阵均有影响,从整体上可以缩小GPS和BDS单系统的模糊度搜索空间。最后对模糊度固定成功率进行了统计,结果表明,在单、双频条件下组合系统均可显著提高模糊度固定成功率和搜索效率。     

一种基于平面不等式约束法的北斗三频数据组合选取方法

GNSS现代化的标志之一是三频或多频数据的广泛使用,文中在研究北斗三频数据组合原理、优化选取准则的基础上,推导出一种基于平面不等式约束法的三频数据组合选取方法。该方法将长波长条件转化为组合系数的线性关系,将弱电离层条件转化为平面域,将低噪声条件转化为椭圆域,依此建立模型并给出模型的几何解释,最后应用该方法选取特性较优的北斗三频数据组合,并总结了一些组合系数的特点。结果证明,该方法组合系数选取效率大于枚举法等常规方法,从而为多频数据组合理论的研究提供参考。     

超宽带与惯性导航组合的室内导航定位

针对室内环境下缺少GNSS信号,且超宽带(UWB)定位精度受非视距误差影响明显的问题,该文提出了基于UWB/INS组合的室内导航定位方法。该方法利用惯性导航系统(INS)推算的位置和速度信息与UWB解算的位置和速度信息的差值作为量测信息,按先验阈值鉴别并剔除非视距误差,通过扩展卡尔曼滤波进行室内导航定位。实验结果表明,该方法能有效抑制非视距误差的影响,大幅提升导航定位精度,稳定性更高,可靠性更强,适用于较高精度的室内导航定位。     

基于自回归法的滑坡监测数据Kalman滤波的应用

介绍了卡尔曼滤波的基本模型,针对运动学方法以监测点位置参数、速率参数为状态向量,以加速度为噪声向量建立观测方程和状态方程的过程比较复杂。把自回归法引入状态方程和观测方程的建立中,并结合某露天矿滑坡动态监测数据分析了模型的应用。结果表明,滤波值和观测值之间差值保持在1～3cm之间,滤波后图像较原观测值图像更为光滑,表明所建模型是合适的,能够反映滑坡动态变化过程,从而为矿滑坡监测预报提供数学工具。     

实时GLONASS相位频间偏差粒子群优化估计方法

针对GLONASS相位频间偏差与模糊度线性相关所导致的难以对两者进行快速分离的问题,提出了一种实时GLONASS相位频间偏差估计方法。通过分析相位IFB与RATIO值之间的关系,将相位IFB估计问题归结为求解最优化问题,并将优化方法中的粒子群优化算法引入相位IFB估计中,该方法可在不增加待估参数数量以及先验信息的条件下,高效可靠地搜索出IFB变化率参数,实现GLONASS模糊度实时固定。测试结果表明,该方法在单历元解算条件下每历元平均搜索次数为32次,远低于基于粒子滤波的相位频间偏差估计方法的200次;在采用Kalman滤波方法进行解算条件下,每历元平均搜索次数仅为9次。无论采用单历元解还是滤波解,模糊度固定成功率均高于96.2%,模糊度固定解的最大坐标偏差均小于4 cm。