一种改进的地图匹配算法在车辆导航中的应用

本文提出了一种用于车辆导航的地图匹配算法.通过对卡尔曼滤波后模型的误差特性分析,该算法可获得比通常相关性算法更好的精度,并经试验验证.     

一种改进的自适应卡尔曼滤波及在组合导航中的应用

总结了常用的自适应滤波的方法,并提出一种新的自适应卡尔曼滤波技术,它克服了传统滤波器的不稳定问题,因为传统的卡尔曼滤波过程依赖于系统过程和测量过程的数学模型和其统计模型的正确性的滤波技术.自适应过程是利用测量新息序列和状态修正序列在估计移动窗内是分段静态,来直接估计系统噪声协方差Q和测量噪声协方差(R).仿真结果表明此方法可以提高GPS/INS组合导航系统的精度和可靠性.     

一种新的自适应UKF算法及其在组合导航中的应用

为了提高组合导航系统的滤波精度,提出一种带噪声统计估计器的自适应UKF滤波算法。该算法根据协方差匹配原理,利用UKF滤波算法的残差序列与新息序列,在线估计、调整系统过程噪声和量测噪声的统计特性,提高UKF的自适应能力,克服了标准UKF在系统噪声统计未知或不准确情况下滤波精度下降甚至发散的问题。将提出的算法应用于SINS/BDS组合导航系统进行仿真验证,并与标准UKF和抗差UKF进行比较,结果表明,提出的自适应UKF得到的水平位置误差和天向误差分别在[?6.2 m,?6.4 m]与[?9.8 m,?8.6 m]以内,滤波性能明显优于标准UKF与抗差UKF,提高了组合导航系统的解算精度。     

改进的地形熵算法在地形辅助导航中的应用

地形辅助导航是水下航行器导航技术的一个发展新方向,但它并不能够在任何地形区域都可以工作,比如在平坦区域的导航效果很差。通过计算不同区域的水深标准差,选择地形特征独特的区域作为适配区域。基于熵的算法对于地形复杂区域的匹配分析是快速有效的,但传统的地形熵算法匹配精度不高,本文引入了地形差异熵的概念并对其进行改进,在选定的地形区域使用MATLAB软件进行了仿真研究。仿真结果表明,改进的地形熵算法在选定的地形区域位置误差在250m左右,可以满足水下航行器的导航要求。     

车载组合导航系统中的分级地图匹配算法

本首先建立了用于车载导航的电子地图中道路网络的实体对模型,在研究GPS/DR定位误差分布的前提下,基于局部线性化思想,利用定位轨迹和电子地图道路网的相关性,实现了地图分级匹配计算,从而消除GPS/DR定位信息中的有偏误差。最后,在AutoCAD环境下用实验验证了上述算法。结果表明该算法模型简单,不仅可以提高车载导航系统的定位精度,而且能提供可视化的导航效果。     

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。     

抗尺度变换的矢量地图匹配导航方法

相比于景象匹配导航,矢量地图匹配导航具有无损变换、空间效率和时间效率高等优势。针对矢量地图匹配导航过程中实时图与基准图尺度不一致的情况,提出了一种抗尺度变换的位姿解算算法,并将其应用到矢量地图匹配导航系统中。该算法将尺度因子作为未知参数,与位姿参数一起进行估计,从而避免了尺度差异造成的位姿解算误差较大的问题。仿真结果表明,抗尺度变换的位姿解算算法用于小尺度变换下的矢量地图匹配时,经度标准差和纬度标准差均小于0.06″,航向角标准差小于0.06°。     

改进的LMS算法在INS/SMNS组合导航中的应用

在惯导/景象匹配组合导航中,数学模型和噪声统计信息很难准确地给出,且景象匹配导航系统的输出值随机、有限甚至可能存在误匹配,这些都导致了目前适合于该组合的信息融合算法不多,而组合导航中常用的Kalman滤波算法在该系统中也难以收敛.为了寻找新的适合于该系统的信息融合算法,研究了基于最优估计理论的变步长最小均方算法和规格化最小均方算法,并将它们应用于惯导/景象匹配组合导航中.仿真结果表明,这两种算法与固定步长最小均方算法相比,抗干扰能力强;与递推最小二乘算法相比,它们滤波精度相同,但这两种算法结构简单,计算量小,耗时少,所以这两种算法适合于惯导/景象匹配组合导航.     

重力图形匹配技术在水下导航中的应用

以国外有关文献为依据,对重力图形匹配技术的基本原理和关键技术进行了分析,介绍了重力图形匹配技术应用于水下导航的研究现状,探讨了未来的发展方向,为国内相关领域的研究人员提供参考。     

一种车辆模型辅助的MEMS-SINS导航方法

针对城市环境中GNSS因遮挡导致MEMS-SINS精度快速降低的问题,在车辆运动学约束的基础上,结合四通道ABS轮速传感器和方向盘转角信息,提出一种新的适用于陆地车辆的MEMS-SINS导航方法。该方法通过分析车辆转弯和运动约束特性,构建角速度和加速度观测量,从而实现基于模型辅助的MEMS误差在线补偿;其次,ABS轮速信息与非完整约束条件结合可额外增加三维车体速度观测量,进一步维持卫星失效时组合滤波器的量测更新。跑车实验表明,在GNSS信号频繁丢失甚至长时间无法定位时,低精度MEMS惯性器件引起的快速误差积累得到有效抑制,与经典车体约束结合里程计算法相比,航向精度提高约70%,位置、速度精度也有相应的提高,验证了算法的有效性。     

自适应SA-ACO地磁匹配导航算法

基本蚁群算法的地磁匹配算法易陷入局部最优且算法鲁棒性、稳定性较低,针对这些不足提出一种改进的地磁匹配导航算法。新算法改进了蚁群算法的信息素更新策略并引入参数自适应调整来避免算法陷入局部最优;同时采用带有记忆功能和自适应选择初始温度的模拟退火(SA)算法,无论算法是否陷入局部最优时通过在本次迭代最优路径上强行随机扰动以实现继续寻优。实验结果表明,新算法比传统蚁群优化(ACO)算法有更强的鲁棒性和稳定性。     

交叉路段背景下改进的D-S证据理论地图匹配算法

针对传统D-S证据理论地图匹配算法中将交叉路段当成普通路段处理所造成的误匹配、不匹配、匹配精度低等问题,提出一种交叉路段背景下改进的D-S证据理论地图匹配算法。利用距离阈值剔除异常定位点,并用插值法补全被剔除异常定位点所产生的空缺,生成网格索引及简化误差椭圆公式确定候选路段以减少匹配时间。针对道路特点结合方向证据确定可信度函数,最后融合方向概率分配函数、距离概率分配函数和可信度函数来改进候选路段概率公式,确定匹配路段,提高匹配精度。实验表明,改进后算法的匹配准确率约97%,与现有地图匹配算法相比较,精度可提高4%左右,单点匹配时间可减少1 ms左右,算法性能得到提升。     

一种改进的速度加姿态匹配快速传递对准算法

给出了一种针对工程应用的改进快速传递对准算法。推导了速度及主子惯导z轴安装误差角量测构造方法,给出了基于速度加z轴安装误差角量测的降阶快速传递对准滤波器模型。通过仿真测试了降阶滤波模型的对准性能。最后利用协方差分析方法针对性分析了航向误差对主要未建模误差的敏感程度,结果显示:摇翼机动条件下30 s时航向误差收敛到0.1°内,航向误差主要受主惯导航向误差及z轴挠曲变形的影响,对主惯导数据时间延迟不敏感。该方法兼具传统速度加姿态匹配算法的优点,又避开了其在摇翼机动时对时间延迟、挠曲变形敏感的缺点。     

一种改进的粒子滤波算法在SINS初始对准中的应用

在实际工程环境中,针对捷联惯导系统(SINS)大失准角初始对准中噪声统计特性未知的问题,设计了一种基于H?滤波算法的鲁棒无迹粒子滤波算法(RUPF)。通过将无迹卡尔曼滤波算法(UKF)和鲁棒环节引入到粒子滤波(PF)的重要性密度函数中,得到了RUPF算法,提高了算法的鲁棒性。通过半物理实验,将RUPF算法与无迹粒子滤波算法(UPF)在SINS静基座大失准角对准中的性能进行了比较,在不同实验条件下,航向失准角精度至少提高了40%,对准精度优于0.05°,对准时间减少了约50 s。实验结果表明,RUPF算法可以以较高的精度和较快的速度完成大失准角初始对准,且对准精度和对准速度均优于UPF算法。     

UKF方法在陆地车辆组合导航中的应用

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,将其引入到GPS/DR系统的滤波中,并针对系统模型的特点对原UKF算法进行了简化,建立了新的滤波方法。仿真结果表明,同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,真正实现了低成本、高精度的导航定位要求。     

一种模式识别神经网络重力匹配算法

从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。     

基于道路信息的智能地图匹配算法

针对军用车辆长时间、长距离高精度自主导航需求,提出了一种基于道路信息的智能地图匹配算法。传统地图匹配算法在单独使用时,都会存在一些不足之处。智能地图匹配算法比较不同算法的优缺点,选择三种特点鲜明、互补性强的地图匹配算法作为基础算法,以惯性导航系统提供的导航信息为基础,对车辆正在行驶的道路进行识别和判断,根据道路构成情况自动选择合适的算法,完成地图匹配;并结合车辆行驶的航向和速度信息选择椭圆形道路搜索区域。试验车进行5 h约240 km跑车试验,地图匹配定位精度约为10.33 m(CEP)。试验结果证明该算法能够适应不同的道路状况,有效抑制惯性导航误差发散。     

一种人员惯性定位的鲁棒多约束地图匹配算法（英文）

针对传统的地图匹配算法在分岔口和半封闭场景下易出现匹配失效和精度下降的问题,提出了一种人员惯性定位的鲁棒多约束地图匹配算法。该算法构建了地磁/惯性融合航向估计系统,利用三轴陀螺仪实时校准地磁传感器偏差,采用校准后的地磁数据进行航向解算,可有效提升航向信息获取精度;在固定的时间窗口内引入粒子群轨迹的多重约束,增强了算法的鲁棒性;此外,设计了一种启发式多约束重采样策略,提升了粒子群的自适应能力。最后,通过多组室内和室外长距离行走实验对所提算法性能进行评估。实验结果表明,与地图回溯约束的粒子滤波算法相比,本文算法具有更强的鲁棒性,定位精度可提升2倍以上,定位误差小于总行程的0.5%。     

神经网络算法及其在GPS导航中的应用

GPS导航解算中常采用最小二乘算法。由于导航解算中存在观测异常（粗差），采用的模型精度很难满足用户需求，而高动态用户需求的精度却不断提高，为此文中提出一种利用神经网络的非线性逼近能力，在顾及观测信息权阵的条件下，利用Hopfieid神经网络进行GPS导航解算的新算法。该算法具有很好的抗差性和自适应性，能较好地抑制观测粗差对导航解的影响。计算结果证明了该算法的有效性。     

改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.