基于北斗/iNEMO惯性模块的机器人运动姿态解算方法

基于北斗/iNEMO惯性模块研究了一种组合式机器人运动姿态测量系统和解算方法。设计了以ARM为核心的嵌入式组合姿态解算平台,通过四元数法和卡尔曼滤波技术,对iNEMO惯性组件测量数据进行融合,进而在高动态环境中实时解算出机器人的运动姿态。同时,以北斗接收机输出的1PPS上升沿脉冲作为数据融合的同步信号,并利用其输出的导航信息辅助iNEMO惯性模块实现精对准。测试结果验证了设计方案的可行性和正确性,为机器人姿态解算提供了一种高精度、高稳定性、小体积、低功耗的解决方案。     

基于LS-PSO的北斗伪距单点定位算法

北斗伪距单点定位具有易于实现、不存在整周模糊度、速度快等特点,具有很大的研究和应用价值;传统最小二乘法由于引入了线性误差、对初始值依赖性强而导致定位精度低;为了提高北斗伪距单点定位的精度,通过分析最小二乘法和粒子群算法的优缺点,提出了一种LS-PSO组合算法;首先利用最小二乘法定位计算接收机的大约位置,作为粒子群算法解的基准值并建立解的搜索空间,然后利用粒子群算法得到全局最优值,解算出精度更高的结果;经过实验验证,LS-PSO组合算法可以稳定的解算出m级精度的定位结果,并且三维方向偏差都在大约5 m以内;最后通过与遗传算法的收敛情况和最小二乘法的定位精度进行对比,证明LS-PSO组合算法可以快速的收敛到最优解并且有效的提高了北斗伪距单点定位精度。     

基于小电流二次放电法的蓄电池内阻在线检测研究

北斗伪距单点定位具有易于实现、不存在整周模糊度、速度快等特点,具有很大的研究和应用价值。传统最小二乘法由于引入了线性误差、对初始值依赖性强而导致定位精度低。为了提高北斗伪距单点定位的精度,通过分析最小二乘法和粒子群算法的优缺点,提出了一种LS-PSO组合算法。首先利用最小二乘法定位计算接收机的大约位置,作为粒子群算法解的基准值并建立解的搜索空间,然后利用粒子群算法得到全局最优值,解算出精度更高的结果。经过实验验证,LS-PSO组合算法可以稳定的解算出m级精度的定位结果,并且三维方向偏差都在大约5m以内。最后通过与遗传算法的收敛情况和最小二乘法的定位精度进行对比,证明LS-PSO组合算法可以快速的收敛到最优解并且有效的提高了北斗伪距单点定位精度。     

惯导辅助单历元解算模糊度测姿方法

GNSS与INS在测姿方面的组合理论上可以提升精度，但实际中有时会由于GNSS模糊度固定率低、固定出错、易受干扰等原因导致其精度相对INS过低，以至于组合精度不佳。针对以上问题，提出一种用惯导辅助解算模糊度的方法（IAACM），利用惯导信息辅助解算模糊度浮点解，在固定模糊度后得出更精准稳定的GNSS载体姿态，该姿态可与INS姿态再次组合有效提升测姿精度。该方法在解算模糊度层面引入了惯导信息，具有不受卫星数量限制，单历元固定模糊度，误差稳定等优势。利用高精度GNSS接收机与光纤惯导组合搭建试验平台，在城市道路环境中进行跑车测试，验证模糊度固定情况及测姿精度。试验表明，该方法可提供更精准的模糊度浮点解，并可单历元固定模糊度，有效提升模糊度固定率，使测姿精度大幅提高。     

基于分段信号相关累加的变速度多站联合直接定位方法

在低信噪比条件下,基于时延和多普勒频移的直接定位算法在解决宽带信号源定位时精度较差.针对此问题,提出了一种基于分段信号相关累加的变速度多站联合直接定位算法,并给出了其克拉美罗下界.该算法利用多个变速度的观测站对信号进行接收,然后将同一观测站接收的目标信号分割成多段不重叠的短时信号,采用最大似然估计器,联合各段信号的时延、多普勒频移信息对目标进行直接定位.算法充分利用了观测信号包含的定位信息,并利用观测站速度的变化增加了目标位置信息,解决了分段信号联合估计带来的定位模糊问题,使定位精度进一步提高,增加了算法的实用性.仿真实验表明,较之传统直接定位算法,本文算法定位精度更高,尤其在低信噪比条件下更能逼近克拉美罗界.     

基于测量不确定度的视觉惯性自适应融合算法

针对环境复杂的工业现场定位精度低、适应性差、鲁棒性低等问题,提出一种基于测量不确定度的视觉惯性自适应融合算法,分析基于隐函数模型的视觉定位测量不确定度,并依据视觉定位测量不确定度自适应调整卡尔曼滤波模型中的参数,校正视觉观测偏差,增强视觉惯性融合定位算法在不同观测条件下的鲁棒性。利用精密三轴转台及激光跟踪仪T-mac位姿测量系统对所提融合定位算法的定位精度进行实验验证。实验结果表明,相比传统扩展卡尔曼滤波方法,所提方法能满足视觉观测较差条件下的准确定位需求。     

无线传感网络节点隶属度模糊定位算法研究

无线传感网络RSSI算法定位精度很高,但易受环境干扰。本文针对其不足,提出基于节点隶属度模糊算法,并应用于RSSI定位模型之中。新算法首先利用岭形分布对RSSI初始信号模糊化取得隶属函数,再根据隶属度近似程度反馈求精,通过隶属程度以逐渐逼近方式计算节点坐标区域。仿真实验结果证明,与RSSI和DV-Hop算法相比,新算法可以减少环境干扰和信号波动带来的影响,具有更高的定位精度和稳定性。     

模拟退火遗传算法在多声源定位中的应用

利用声源定位技术测量弹丸落点坐标时,针对多发炮弹短间隔连续射击试验中,传感器接收信号的时序关系复杂,严重影响声源定位结果准确性的问题,提出了采用模拟退火遗传算法实现短间隔连续多声源目标的精确定位。试验测试了发射间隔为0.15 s的7发炮弹在600 m×600 m区域内的定位情况,结果表明:文章的算法能快速有效的对短间隔连续多声源目标进行定位解算,定位精度小于5 m。     

基于区域滤波的模糊星图复原方法

当星敏感器在动态条件下工作时,在成像的过程中星点会因能量的分散而出现运动模糊现象,导致图像的信噪比降低,星点的模糊区域很难被提取,从而降低了星点质心的定位精度,严重影响星敏感器的姿态测量精度。为此,文中提出了一种基于区域滤波的模糊星图复原方法,在有效提高图像信噪比的同时可提高星点质心的定位精度。首先,根据星敏感器的工作特性,建立了不同工作条件下星点质心的运动模型。然后,根据运动模型确定星点质心的运动轨迹,进而提取星点的模糊区域,再利用图像处理算法对模糊区域内外的图像分别进行预处理。最后,利用图像复原算法对模糊星图进行复原。实验结果表明:在2(°)/s的动态条件下,区域滤波算法能够有效提高模糊星图的信噪比,并且复原图像中星点质心的定位误差不超过0. 1 pixel,可以满足星敏感器对高质心定位精度的要求。     

一种粗略辅助条件下的北斗接收机快速定位方法

为提升GNSS接收机定位速度，采用网络服务器的信息辅助（A-GNSS）方法，研究了粗略辅助条件下的北斗接收机快速定位问题，从基本伪距观测方程求解位置和时间信息出发，详细分析了粗时辅助对基本伪距方程求解带来的误差以及时间和位置不确定度较大时毫秒模糊问题产生的机理，推导了含粗时误差的伪距方程和毫秒模糊度求解方程，给出了全伪距重构的方法流程及其准确重构条件。实验表明，该算法及流程可以准确可靠的解决北斗接收机的快速定位问题，性能优良，具有极强的工程实用价值