城市车辆综合导航定位系统

为了解决香港等大城市的车辆连续高精度定位问题，设计了一种基于GPS的多传感器组合定位系统。由于城市高楼密集等情况会出现GPS盲区，且多路径效应影响较大，单纯的GPS导航定位难以满足使用要求。GPS与航位推算（DR）的组合导航系统只能实现短时间内的高精度定位，将GPS／DR与地图匹配（MM）、数字信标（DB）组合构成综合导航定位系统可有效解决城市车辆的导航与定位问题。该系统采用MM结果修正DR系统累积误差，采用神经网络实时辨识导航系统中的GPS多径误差。在香港特区的大量现场试验表明，该系统定位精度优于20m，运行稳定可靠。     

航位推算组合导航系统在线标定技术

在航位推算组合导航系统中,存在里程计安装偏差角误差和标度因数误差。推导了里程计安装偏差角误差和标度因数误差对航位推算速度和位置精度的影响,并提出了一种航位推算组合导航系统在线标定算法。该算法利用航位推算的速度与GPS的速度之差作为速度量测,航位推算的位置与GPS的位置之差作为位置量测,对航位推算组合导航系统的姿态误差、安装偏差角误差和标度因数误差进行有效估计,并通过仿真试验和车载试验对该算法的有效性进行了验证。试验结果表明,通过车载试验在线标定出的里程计各误差参数与里程计传统标定法标定的结果接近,且该算法计算量小,具有一定的工程应用价值。     

一种提高车载定位定向系统定位精度的方法

在车载定位定向系统中,通常采用停车修正或引入GPS等外信息校正系统,这会降低陆地武器装备的战场生存能力和自主性。基于上述情况,分析了惯导系统以及与里程计构成的航位推算系统的误差模型,得出了惯导系统短时间内定位精度高以及航位推算系统定位误差随时间增长缓慢的规律。据此推导并提出了一种提高系统定位精度的方法,该方法不需要停车或外部信息,首先利用惯导系统对航位推算系统进行校正,估计出里程计标度因数误差和载车的安装误差并进行补偿;之后利用航位推算系统对惯导系统进行校正;采用加权函数对系统位置输出进行加权优化处理。理论分析和仿真实验表明利用此方法在2 min内能估计出里程计标度因数误差和载车的安装误差,估计精度在90%以上;加权后的位置输出精度在0.2%D(D为里程)以上。     

采煤机三维轨迹的惯性基厘米级相对测量方法

针对煤矿长壁工作面自动开采的实时精确定位需求,基于惯性测量和编码器航位推算的精确相对定位能力,提出了采煤机三维轨迹坐标的测量方法。通过目标工作面端点坐标拾取和航位推算轨迹的整体旋转,推导了工作面自动调直修正量的计算方法。设计了更适用于井下供电环境的导航信息即时存储方案,实现了采煤机断电前后的快速接续位置测量。误差分析表明,相对测量方法不受惯性导航系统初始对准误差及其相对采煤机安装偏角的影响,理论上具有厘米级的定位精度。通过激光陀螺惯性测量组合井下跑空刀试验验证了定位算法的有效性,5 h工作时间,水平定位精度达到3.9 cm,高程定位精度达到1.5 cm,满足综采工作面自动化生产需求。     

多运动状态下自适应阈值步态检测算法

多种运动状态情况下,由于对步行者航位推算系统中步态检测不准确,导致推算定位误差增大。针对上述弊端,提出了多运动状态下自适应阈值步态检测算法。首先,通过改进的多阈值的步态检测算法,改善支撑区间检测的准确性。然后利用随机森林算法识别站立、走路、跑步、上楼和下楼等五种常见的室内运动状态,自适应匹配相应的步态检测的阈值,以实现多运动状态下的精准步态检测,提高行人航位推算系统精度。实测结果证明,相对于传统固定阈值检测算法,该算法平面定位精度提升33.1%,步态检测精度提升89.4%。     

基于车辆运动约束的里程计误差在线标定方法

为了降低里程计误差对捷联惯导/里程计组合定位定向精度的影响,提出了基于车辆运动约束条件的里程计误差在线标定方法。通过对里程计标度因数误差进行建模,推导建立了航位推算的误差模型,将航位推算的速度输出沿车体横向、垂向的投影作为量测的一部分,将捷联惯导输出的速度、位置信息与航位推算输出的对应信息相减作为另一部分量测,通过卡尔曼滤波获得里程计标度因数误差等状态量的最优估计值,实现里程计误差的在线标定。仿真结果表明,该方法能够有效地标定出里程计标度因数误差,从而确保了捷联惯导/里程计组合定位定向的精度。     

基于ICCP算法及其推广的重力定位

基于ICCP算法的重力匹配定位可以用于限制推算定位随航行时间增长的位置误差。给出了ICCP算法的设计思想,同时针对算法的假设前提进行了推广,使算法能够在考虑重力传感器测量数据存在误差的情况下,实现推位航法的误差校正。仿真结果证明这种推广具有较好的定位精度,能够满足AUV的导航要求,对实现AUV的自主无源导航有重要意义。     

组合导航技术在油气管道测绘系统中的应用

针对长输油气管线必须进行轨迹绘制和探伤定位的问题，设计了惯性管道测绘系统。系统核心部件为捷联惯导系统，辅助信号有里程计和定距离磁标信号，是一种全自主的导航系统。在系统算法设计中，通过建立捷联惯导与航位推算组合导航系统误差模型，利用改进的卡尔曼滤波器估计系统姿态、航向角误差和里程计标度因数误差。该系统数据处理具有非实时性的特点，因此设计了后向卡尔曼滤波器进行数据平滑。系统跑车试验证明该滤波算法能够有效的提高系统的定位精度，系统具有高精度、高可靠的特点，满足实际工程需要。     

一种单目相机/三轴陀螺仪/里程计紧组合导航算法

针对车载基于MEMS-IMU/里程计/GPS组合导航系统在无GPS信号情况下,定位误差发散较快问题,提出一种基于单目相机/三轴陀螺仪/里程计紧组合导航方法,实现了较高精度定位。该方法分为初始化阶段和导航阶段两部分,在初始化阶段,通过三轴陀螺仪和里程计在线估算单目相机的尺度因子;在导航阶段,先通过基于三轴陀螺仪/里程计的航位推算实时解算载体位姿,再将单目相机观测到的带有尺度因子的特征点作为观测量,通过非线性优化方法,估计出载体位姿误差并进行修正。利用四轮小车开展算法验证实验表明,室外非闭环情况下累积误差约为里程的1.9%,在室外闭环情况下累积误差为里程的0.5%。     

基于GPS/DR的车载导航设备的改进及算法

将 GPS 定位航位推算(DR)技术结合起来,可以用于车辆的定位和导航中。但是现有的航位推算设备都需要用角度传感器测量车辆的行驶方向,在实际应用中存在很多不便而且性价比不高。为解决这一问题,通过研究设计了只使用速度传感器就可以进行航位推算的设备,并对设备的工作原理、体系结构和基本算法进行了介绍。通过对模拟实验数据进行分析,证明了这种航位推算方法可以很好地弥补 GPS 导航定位的不足。     

车载DR系统自适应扩展卡尔曼滤波模型的建立及仿真研究

提出了车载DR系统的自适应扩展卡尔曼滤波模型及其滤波算法，计算机仿真结果表明，应用该模型和算法与简单航位推算方法相比，可以明显提高DR系统的定位精度。     

轮胎充气温度对光电里程仪标度因数影响的标定算法

为减小车辆轮胎充气温度对光电里程仪标度因数的影响,提高车载航位推算系统的定位精度,分析了航位推算系统的误差模型,提出了基于载波相位差分GPS的里程仪标度因数标定方法.基于CDGPS的高精度定位特性,结合SINS和里程仪的输出,利用卡尔曼滤波对里程仪标度因数随轮胎充气温度的变化进行标定.实验表明该方法可以精确标定里程仪标度因数随轮胎充气温度的变化特性,在给定初始充气压力情况下标度因数与充气温度呈线性关系.利用标定后的里程仪进行了跑车验证实验,在较良好的路况下,行驶里程78km,纬度误差由28 m减小到5 m,经度误差由65 m减小到10m.     

基于地磁测向和时间到达差测距的行人航迹推算方法

为研究个人鞋式导航定位方法,提出了一种基于地磁测向和时间到达差测距的行人航迹推算方法。该方法分为两部分:依靠地磁辅助的航向角检测和依靠时间到达差测距的行人步幅检测。研究结果发现,采用超声波收发阵列可以有效提高两脚间距离检测精度。此外本文分析出该方法的主要误差来源为航向角检测误差,并设计了最小二乘误差补偿算法,补偿前航向角误差约为15.93°,补偿后在0.435°以内。实验通过行人直线、圆形、操场行走测试,结果表明最大定位误差占总行进距离的1.2%。本方法具有广泛的工程应用前景。     

基于北斗差分定位的炮载惯导外场标定

针对炮载惯导设备在外场标定过程中依赖固定基准点的问题,提出了一种基于卫星差分定位的误差标定新方法。该方法将北斗天线的安装误差、惯性器件的失准角以及安装误差等角度误差统一归为非对准误差。首先利用北斗测姿技术提供姿态基准,粗标出上述误差;精标阶段采用卫星差分技术来提供高精度位置信息,完成误差角的精确标定。多组标定结果与传统工厂标定方法结果相差均在0.3mil以内,达到了较高的精度。该方法不仅回避了对固定基准点的依赖,而且避免了滤波带来的繁琐过程,即能保证长时导航的精度,又提高了标定的实时性。     

一种快速跟踪的卡尔曼滤波算法及其在舰船组合导航中的应用

在用卡尔曼滤波算法估计动态系统的状态时,如果系统运动状态发生突变,会导致滤波估值不能及时跟踪系统真实状态的变化。本从算法上分析了产生这种现象的原因,提出了根据不同传感器观测值的误差特点对算法进行改进的方法,使得卡尔曼滤波器跟踪速度和滤波精度大大提高,并将其成功地应用于推算船位/GPS组合导航系统。     

捷联惯导系统的捷联算法误差补偿

用Millie提出的三子样圆锥误差补偿算法和Oleg Salychey提出了划船 误差补偿算法对相应的误差进行了补偿,并对补偿算法进行了数字仿真。仿真结果表明：所采用的误差补偿算法对提高捷联惯导系统的精度作用显著。     

基于WiFi/PDR的室内行人组合定位算法

对当前室内行人定位算法进行了研究。针对WiFi定位稳定性差的问题,提出了一种改进的K最近邻(Improved K-Nearest Neighbor,IKNN)算法。针对行人航位推算(Pedestrian Dead Reckoning,PDR)算法中步长模型及航向估计不准确的问题,提出了一种实时更新的步长模型及基于室内环境特征的航向估计算法。在改进的WiFi定位算法与PDR算法的基础上,提出了一种基于自适应粒子滤波的室内行人WiFi与PDR组合定位算法,通过自适应因子自动调节观测量对粒子分布的影响。通过智能手机在实际室内环境中对定位方法进行了测试,实验结果表明:组合定位系统定位精度为0.66 m,高于普通的粒子滤波算法,是一种准确高效的室内行人定位算法。     

量测噪声自动加权Kalman滤波

从Kalman滤波技术的稳定性出发,分析了Kalman滤波算法的实质及容量发散的原因。提出在Kalman滤波中引入了系统量测噪声协方差阵（R）的计算,并对其加权,从而影响滤波增益,抑制发散。推算舰位／GPS组合导航的应用仿真表明：量测噪声自动加权Kalman滤波算法对系统模型误差和量测噪声协方差误差具有良好的自适应性。