三种GPS定位优化算法的实现及比较

为进一步提高GPS定位精度,分析了目前研究中主要采用的加权最小二乘法和卡尔曼滤波两种优化算法.在此基础上,提出了一种利用粒子滤波器对伪距误差进行修正的定位优化算法.粒子滤波算法的特点是可直接用于求解非线性问题,对非高斯的误差进行修正.通过GPS实测数据进行实验,分别对这三种算法进行验证并分析了其各自特点.实验结果显示,三种算法均能使GPS定位精度得以明显改善.提出的粒子滤波算法作为一种新的GPS定位优化算法,在卫星导航定位领域中有着较好的参考价值.     

基于鲁棒无迹卡尔曼滤波的无线室内定位算法

为解决超宽带(UWB)系统定位易受室内环境的影响,测距误差特性呈现非高斯分布的问题,提出了一种鲁棒UKF定位算法,实现室内高精度定位。首先,介绍了UWB系统定位实现,以及对比分析了扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)定位算法之间的差异;然后,针对UKF算法存在的局限性,通过引入代价函数,自适应修正观测方差,建立鲁棒机制,降低算法对噪声特性分布的要求,提高了UWB系统环境适应能力。实测结果表明:该方法性能均优于最小二乘、EKF和UKF算法,平均定位精度可达0.33 m,相比较于最小二乘算法,定位精度提高了15%,是一种实时高精度的室内定位算法。     

GPS精密单点定位精度测试与分析

GPS精密单点定位技术是目前GPS研究领域的热点之一.文中先简要介绍了精密单点定位的数学模型、数据处理总体思路以及不同IGS产品对解算结果的影响;然后从静态和地面车辆动态两种模式分别介绍了精密单点定位精度测试过程与数据分析结果.实验测试结果表明:精密单点定位可以达到厘米级的定位精度(WGS 84坐标),收敛速度一般为30 min之内.     

卫星分群的抗差Kalman滤波在GPS/BDS融合精密单点定位中的应用

抗差Kalman滤波是控制GNSS动态导航定位中观测异常的有效算法,当应用到GPS/BDS实时动态精密单点定位(Precise Point Positioning,PPP)时,会出现某些历元定位精度甚至不如单一系统定位精度高,这主要是因为同一接收机接收的不同种类卫星观测量的随机特性不同,使得观测量验后残差的分布特性不一致,抗差估计时随机特性不同的观测量验后残差互比,反而对某一系统优质数据也进行了降权,导致定位结果出现偏差,减弱了GPS/BDS融合精密单点定位的优势。针对这一问题,提出了卫星分群的抗差Kalman滤波算法,并应用到GPS/BDS融合精密单点定位中,算法的核心是在每一历元观测数据质量控制时根据卫星类型分类构建方差膨胀因子,给出了算法的实施步骤,最后通过MGEX实测数据进行了验证,结果表明算法应用到GPS/BDS融合精密单点定位中,相较传统的抗差Kalman滤波算法在东、北、天三个方向分别提高了34.6%、33.3%、31.0%,同时表明该算法提高了GPS/BDS融合精密单点定位的可靠性。     

前后向平滑算法在精密单点定位/INS紧组合数据后处理中的应用

精密单点定位技术只需单台双频GNSS接收机就能实现分米到厘米级定位精度,将其与INS进行组合可以广泛应用于测量领域。但当GNSS信号被完全遮挡时,只能依赖纯惯性导航工作模式,而当重新捕获GNSS信号时,又需要一定时间才能使精密单点定位重新收敛到理想精度。针对以上问题,提出了一种适用于精密单点定位/INS紧组合的前后向平滑算法来同时提高GNSS信号完全遮挡段和重新收敛段的导航精度,详细推导了该算法的数学模型。对实测的跑车实验数据后处理表明:前后向平滑算法能有效提高精密单点定位/INS紧组合导航精度;对60 s完全遮挡段的位置误差统计表明,前向和后向滤波的三维位置误差RMS分别为44.46 cm和10.81 cm,平滑后改善到了10.47 cm。     

通信网络中的GPS/TDOA混合定位算法

提出了一种混合GPS/TDOA的泰勒级数-最小二乘算法,在GPS和TDOA定位方法都无法独立定位时实现了定位.算法先将GPS伪距观测方程做单差运算、消除钟差,然后与TDOA双曲线方程组合,一起进行泰勒级数展开得到组合后的线性方程组,再利用最小二乘的方法迭代估计出终端位置.验证该算法的实验结果表明,GPS伪距观测量越多时,定位精度越高;相反,由于TDOA观测量NLOS误差较大,TDOA观测量越多时,精度越差.因此实施该算法时,GPS伪距观测量作为输入应全部采用;在保证能够定位的前提下,应尽量少用TDOA观测量.试验所得混合定位结果的最大误差为231.52 m,最佳条件下所得均方根误差为33.80m,能够满足某些精度要求不高,而又必需位置信息的定位应用需求.     

基于移动节点辅助定位的UWB室内定位方法

针对UWB室内定位精度易受环境影响的问题，在低速、多节点的情况下，提出了一种基于移动节点辅助定位的方法。设置一个增量队列来剔除异常点，然后使用最小二乘法计算得到定位初值。将定位初值代入扩展卡尔曼器滤波算法，得到较为准确的更新后的定位结果。当移动节点处于静止或低速状态时，其解算坐标较为精确，可以将其视作坐标已知的固定节点，来提高其他移动节点的定位精度。实验结果表明，在相同的实验环境下，所提方法的定位均方根误差比最小二乘法和Chan算法分别减小了15.89%和16.45%，最大绝对误差分别减小了60.99%和62.77%。     

基于GPS的先验地图辅助视觉惯性定位方法

为提高视觉惯性导航系统定位精度，解决其航向缺失且无法提供绝对地理位置的问题，提出一种利用GPS生成先验地图来辅助视觉惯性同时定位与地图构建(SLAM)方法。将每一帧图像采集点的GPS地理坐标投影成绝对高斯坐标，与视觉关键帧信息同步，构建先验地图。利用词袋模型进行闭环检测，由视觉重投影误差因子、IMU残差因子、先验图像重投影误差因子共同构建目标优化函数，基于最小二乘法进行位姿估计与优化。通过地面车载和低空机载实验对该方法进行了验证，实验结果表明：相比于无先验地图的定位方法，x、y、z方向的平均定位误差分别降低了68.2%、75.1%、46.4%以上；相比于有先验地图(未融合GPS)的定位方法，x、y、z方向的平均定位误差分别降低34.9%、51.5%、19.4%以上，有效提高了视觉惯性导航系统在大范围环境中的定位精度。     

基于北斗信号辐射源的无源雷达定位技术

外辐射源无源跟踪对提高区域防御系统的生存能力和反击能力具有重要的军事意义和实用价值。近年来,基于星载辐射源的无源雷达探测系统受到广泛关注。在选取北斗卫星信号为研究对象的基础上,首先从模糊函数和雷达探测距离方面重点分析了北斗信号作为无源雷达辐射源的实用性。然后研究了一种基于时差测量的多发单收型无源雷达定位系统,并给出了解算目标位置的总体最小二乘算法。最后对该系统下的定位算法和定位精度进行分析,仿真结果表明在相同条件下,总体最小二乘算法能减小近50%的定位误差,且误差波动范围明显减小。     

基于Bagging模型的惯导系统误差抑制方法

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。     

一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究

—本文设计了实现车载ＧＰＳ／ＤＲ组合导航系统最优综合的联合卡尔曼滤波器，并给出了滤波算法。提出了一种自适应联合卡尔曼滤波器结构及其算法，并应用于ＧＰＳ／ＤＲ组合导航系统的最优综合校正中。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载ＧＰＳ／ＤＲ组合导航系统的定位精度及容错能力。     

MEMS-IMU/GPS组合导航系统的实现

针对我国军事和民用对低成本、微小型、高性能导航系统的迫切需求,提出基于MEMS技术的IMU/GPS组合导航系统方案,深入研究了构建该组合导航系统的关键技术。由于MEMS陀螺的零偏受到温度影响,提出采用递推最小二乘自适应标定算法（ARLS）进行误差标定和补偿,从而提高MEMS陀螺的使用精度;建立了MEMS-IMU/GPS组合的卡尔曼滤波器,利用加速度计倾角传感器原理估计载体的水平姿态,增强了姿态信息的冗余度和可靠性;设计了该组合导航系统的信息融合策略。最后,构建了基于DSP的MEMS-IMU/GPS组合导航系统。机载飞行试验结果表明,该系统算法正确、性能可靠,达到了较高的导航精度,具有广阔的应用前景。     

微惯性/卫星组合导航高精度事后基准确定方法

针对高性能MEMS组合导航系统的高精度定位定姿需求,提出了一种基于GNSS(Global Navigation Satellite System)精密相对定位RTK(Real-time Kinematic Positioning)和MIMU(MEMS-based Inertial Measurement Unit)组合的高精度事后基准确定算法,该算法在MIMU/RTK组合导航正向Kalman滤波的基础上,采用RTS(Rauch-Tung-Striebel)反向平滑再次进行信息融合,提升了组合导航结果的事后处理精度。另外,通过Allan方差分析技术实现对MIMU随机误差精细建模和MIMU/RTK组合导航相对精度分析。对实测的车载动态试验数据处理结果的均方根误差和Allan方差分析表明:相对于传统正向滤波方法,RTS反向平滑方法能够将MIMU/RTK组合导航定位、定姿精度分别提升45.2%和54.1%。该方法可作为GNSS/INS组合导航高精度参考基准的确定方法。     

组合导航系统几种滤波方法的分析比较及其性能评价

介绍了用于组合导航系统中的几种常用的滤波方法-如传统滤波方法中的集中卡尔曼滤波和联邦卡尔曼滤波、非传统滤波方法中的神经网络滤波,并从理论上分析了传统滤波方法和非传统滤波方法的优点和不足,最后以SINS/GPS组合导航系统为例进行了仿真.仿真结果表明,非传统的滤波算法在某些方面优于传统的滤波算法.     

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS／SINS组合导航系统中进行了计算仿真。仿真结果表明：该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度。