排序方式: 共有91条查询结果,搜索用时 265 毫秒
61.
安卓智能手机的伪距观测值,需要从Android系统API接口GNSS Clock和GNSS Measurement两个类中定义的原始GNSS参数恢复。其中,和伪距观测值有关的原始GNSS参数如FullBiasNanos通常为long类型,包含19位有效数字。在恢复伪距的过程中,使用double数据类型处理原始GNSS参数,会产生舍入误差,从而导致恢复出的伪距观测值不准确。目前,使用广泛的安卓智能手机原始观测值获取程序是Geo++RINEX Logger软件。实验证明:该软件恢复的伪距观测值,存在舍去2位有效数字的舍入误差。在单点定位结果中,舍入误差导致的伪距误差被手机钟差完全吸收,而位置结果不受影响。 相似文献
62.
63.
目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题,本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值,实时调节PI调节器的误差补偿系数,对预处理后加速度计和磁力计数据解算的航向角进行补偿,并与陀螺仪数据互补滤波融合,得到融合后的航向角。试验基于低成本智能手机,分别在磁场强弱环境下采集手机传感器数据,对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明,在室内磁干扰较强的环境下,本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%,平均航向误差分别减小了3.4°和1.8°,验证了本文算法有较好的抗磁干扰性能,提高了行人航向角解算的可靠性。 相似文献
64.
本文针对智能手机内部天线构造、GNSS接收芯片等因素限制,手机原始观测值易受外部环境影响,观测噪声大,导致定位精度较差的问题,面向大众导航定位需求,以提高手机伪距单点定位精度为目标,在对手机载波观测值周跳探测的基础上,研究对比分析了基于载波、多普勒平滑下的伪距单点定位的性能。试验表明:载波平滑伪距和多普勒平滑伪距都可以有效提高定位精度,但多普勒平滑伪距具有更好的稳定性且定位精度更好,统计显示在东(E)、北(N)、高(U)3个方向的均方根值(RMS)分别提高了52%、62%、60%,平面精度优于1.5 m。 相似文献
65.
66.
67.
68.
针对城市环境下卫星信号遮挡严重,智能手机全球导航卫星系统(global navigation satellite system,GNSS)定位难以保证连续性和可靠性的问题,提出了一种基于智能手机内置传感器数据的GNSS/微机械惯性测量单元(microelectro-mechanical system inertial measurement unit,MEMS IMU)紧组合车载导航算法。算法使用惯性导航系统机械编排进行时间更新,在车辆运动模型约束的基础上,使用伪距、多普勒频移和载波相位时间差分计算的航向角作为观测值进行测量更新。采用3部不同型号的智能手机进行车载试验分析,结果表明:城市场景下紧组合滤波定位算法平面位置精度统计约为5~6 m,高程方向约为5 m,且在GNSS信号失锁的隧道场景下具有短时间推算功能。该算法受GNSS观测条件的影响较小,大幅提升了城市复杂环境下智能手机车载定位的连续性和可靠性。 相似文献
69.
随着芯片技术的发展,智能手机已成为使用最普遍的一类全球卫星导航系统(GNSS)设备,其提供位置服务的能力逐步彰显.为探究将手机作为专业GNSS设备的可行性,利用谷歌开放Android智能终端GNSS原始观测数据这一契机,设计并实现一款手机实时动态(RTK)定位手机应用程序(APP),并基于该APP开展高精度定位应用试验.结果表明:在静态条件下,手机RTK定位精度约达1 dm;在行人和车载动态条件下,可达平面亚米级、高程1~2 m的精度水平,RTK定位精度远高于内置芯片解,但稳定性略差于芯片解.使用手机模拟RTK点测量,其平面精度约达1 m,基本满足地理信息采集和调查等亚米级到米级低精度专业应用的需求. 相似文献
70.
北斗卫星导航系统已于2020年实现全球覆盖。在开阔的室外环境,北斗可提供厘米级的定位服务,正向着更泛在、更融合、更智能的综合时空体系迈进。目前高精度室内定位技术处于百花齐放、百家争鸣的状态,尽管苹果支持的超宽带技术在市场中拥有优势,但是5G、音频和蓝牙测角等可支持所有大众手机的技术在市场中也具备竞争力。室内定位目前主要面临部署成本高、定位精度低、信号覆盖范围小和系统泛化能力差等难题。多源融合定位技术是解决这些难题的重要途径之一,特别地,融合低成本惯导定位源和高精度射频/音频定位源是目前具备实用价值的融合定位组合。行人航迹推算(pedestrian dead reckoning,PDR)定位源具有抑制积分误差累积的优势,但是由于用户手机握持姿态的复杂性和手机惯性传感器硬件的差异性,其在相对定位精度、手机泛化能力和多握持姿态支撑等方面也存在劣势,此外,受步频的影响,PDR定位源的位置更新率低于2 Hz。为了实现低成本、高精度和广覆盖的室内定位解决方案,本文提出了一种数据与模型双驱动的多源融合定位新范式,其中数据驱动的PDR部分通过构建神经网络模型,训练加速度传感器和陀螺仪测量值特征,学习速度变化矢量,推算高精度行人航迹,模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波,实现融合定位输出。试验结果表明,基于数据驱动的PDR方法可提供20 Hz的位置更新率,与高精度音频定位源融合,可实现0.23 m的动态定位精度。 相似文献