改进的Chan-粒子滤波算法超宽带室内三维定位

针对超宽带室内定位时容易受到非视距误差的影响，导致定位精度大大下降，甚至无法准确定位的问题，提出了一种融合粒子滤波的改进Chan定位新方法。首先，在Chan定位方法中引入模拟退火算法，对到达时间差（TDOA）算法的测量值进行优化，获得初步定位的最优解；然后，采用粒子滤波对测量值进行再次优化，粒子重采样后得到的中心位置即为目标节点的精确位置。仿真和实验结果均表明，该算法能有效提高在非视距环境下超宽带室内定位的精度，较好地消除非视距误差的干扰。     

一种基于模糊推理的导航自适应滤波算法

针对GNSS/SINS组合导航中量测噪声统计特性的时变性,以及由此引发的长航时定位精度下降问题,提出了一种基于模糊推理系统的自适应拓展卡尔曼滤波的导航定位算法。该算法考虑模糊推理系统的优势,对量测噪声协方差进行在线调整,以实现滤波结果的最优估计。经过仿真测试与跑车试验,结果表明该算法在GNSS信号先验统计特性不可知的情况下,对较大偏差有明显的纠偏作用,其定位精度能够保证在5m以内,能更好地进行导航定位解算,具有一定的应用价值。     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。     

具有控制输入滤波器的随机系统自适应条件滤波方法

针对当控制输入为不确知,且测量噪声的统计特性参数也未知的情况,运用将系统状态和控制输入以及未知的噪声统计特性参数进行联合估计的方法,给出了同时对系统状态和控制输入进行递推滤波,并不断地对未知的噪声统计特性参数进行修正估计的新算法。     

基于改进卡尔曼滤波算法的行人航向角估计

基于惯性导航的行人航位推算是一种针对未知环境行人定位的常用方法，然而传感器自身的惯性漂移、噪声特性不确定、动力学模型不准确等因素，会导致航位推算时行人航向角估计精度不高的问题，从而造成行人定位精度的降低。针对上述问题，提出了一种多渐消因子强跟踪H∞平方根容积卡尔曼滤波（MSTHSCKF）融合算法。其中H∞思想保证在极端噪声下最小化误差，增强系统鲁棒性，多渐消因子能够避免系统在模型不确定情况下精度的降低，平方根思想确保了协方差矩阵的对称性和半正定性。实验结果表明，与现有滤波算法相比，MSTHSCKF估计的行人航向角具有更高的精度、稳定性和鲁棒性，能够确保更高的行人定位精度。     

基于邻近点特征的地磁室内定位方法及性能分析

地磁室内定位以其成本低、适用范围广、复杂度低的特点而受到广泛关注。然而,它的定 位精度不稳定,且指纹采集工作量较大。因此,提出了一种基于磁场信息的邻近点特征,可由指纹 数据求得,特征范围是0~1。经实验证明,邻近点特征与定位精度呈正相关关系。邻近点特征越 大的测试点定位误差越小,定位准确率越高。邻近点特征均值越大的室内区域定位误差越小。结 合邻近点特征与快速构建指纹库的方法,可以实现对室内区域定位精度的预判,为室内区域定位 方法的选择提供依据。针对邻近点特征较大的室内区域,提出了使用插值算法以减少指纹库的采 集量。在实验中,仅采集原有指纹点的29.6%依然具有较好的定位表现,对定位精度的影响较小。 使用邻近点特征可以极大地提高地磁室内定位的效率。     

非线性椭球集员滤波及其在故障诊断中的应用

 针对带有未知但有界噪声的非线性系统，提出一种椭球集员滤波算法，并将其应用于保证故障检测与隔离。对非线性状态方程和量测方程进行泰勒展开之后，通过区间分析的方法给出线性化余项存在区域的盒子外界描述。假设过程和量测噪声由盒子限界，在算法的时间更新和量测更新过程中，分别计算包含椭球与线段的向量和及椭球与带的交的次最小容积椭球。在椭球集员滤波算法的基础之上，给出传感器故障检测与隔离的方法。由于集员滤波是保证状态估计，因而基于集员滤波算法的故障检测与隔离方法也具有保证性，即如果发出故障警报，则一定有故障发生。一个二维非线性系统的例子说明了该方法的有效性。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

传感器位置误差条件下的约束总体最小二乘时差定位算法

 现代定位系统中,传感器往往被安放在运动平台上,其位置无法精确得知,存在估计误差,将严重影响对目标的定位精度。针对这一问题,提出基于约束总体最小二乘(CTLS)的到达时差(TDOA)定位算法。首先通过引入中间变量,将非线性TDOA定位方程转化为伪线性方程,再利用CTLS技术,全面考虑伪线性方程所有系数中的噪声。在此基础上推导了定位方程的目标函数,再根据牛顿迭代方法,进行数值迭代,快速得到精确解。采用一阶小噪声扰动分析方法,对该算法的理论性能进行了分析,证明了算法的无偏性和逼近克拉美-罗下限(CRLB)。仿真实验表明,该算法克服了现有总体最小二乘(TLS)算法不能达到CRLB、两步加权最小二乘(two-step WLS)算法在较高噪声时性能发散的缺陷,在较高噪声时定位精度仍然能达到CRLB。     

考虑非高斯相关噪声的视线角速率提取算法

针对捷联导引头敏感信息存在非高斯噪声且状态噪声与观测噪声相关的问题,提出了修正球面坐标系下带有相关噪声解耦的扩展椭球集员滤波（ESMF）算法。首先,通过对弹目相对距离及其变化率的规范化处理,得到修正球面坐标系下的视线角速率提取模型;然后,利用相关噪声解耦方法去除观测方程中耦合的状态噪声项,基于泰勒级数展开推导了相关噪声解耦后的模型线性化表达式,得到包含线性化误差的虚拟噪声椭球集合,并根据最小迹和最小化尺度因子上界的优化方法得到状态更新与观测更新椭球,形成非高斯相关噪声解耦的扩展椭球集员滤波算法。仿真结果表明,所提算法能够在考虑非高斯相关噪声的情况下,实现捷联导引头视线角速率的高精度提取。     

基于WLAN的室内定位方法研究

室内定位技术是指当携带定位设备的人或物处于室内环境时,携带者或外部监控系统获取其室内位置信息的技术。选取了目前应用前景较为广泛的WLAN定位技术进行研究,阐述了WLAN室内定位技术的基本原理,对比分析了目前两大WLAN定位技术:三边定位法和指纹定位法。针对现有技术的不足提出了新算法进行优化和改进,选取实际环境设计实验验证算法性能,结果表明新算法综合现有技术优点,可在降低成本的同时提高精度并减少运算时间。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

双轴连续旋转调制捷联惯导系统大失准角初始对准技术

由于可以补偿惯性器件在三个轴向上的输出误差，双轴旋转调制技术被广泛应用于捷联惯导系统(SINS)。选择了一种合理且实用的十六次序双轴转位方案，并对其调制原理和误差进行了分析。初始对准技术是捷联惯导系统的一项重要技术，其对准精度直接决定了后续导航的精度。在粗对准完成后，当姿态误差角较大时，后续的精对准误差模型呈非线性特性，故选择了滤波精度高、稳定性强的平方根容积Kalman滤波算法(SCKF)来解决这一问题。考虑到在实际对准过程中，量测噪声的统计特性易发生变化，将SCKF算法与Sage-Husa算法相结合，在传统Sage-Husa SCKF算法的基础上提出了一种改进的自适应滤波算法(ASCKF)。该算法采用QR分解来完成对噪声协方差的平方根矩阵估计，从而避免了传统Sage-Husa SCKF算法中所估噪声协方差矩阵不正定的问题。最后，通过仿真证实了ASCKF算法可被很好地应用于量测噪声统计特性发生变化的初始对准中。     

水下复杂环境下基于SINS/USBL/DVL多源信息融合的组合导航算法

针对复杂水下声场环境下高精度、长航时导航与定位的需求,构建了捷联惯性导航系统(SINS)/超短基线(USBL)相对测量信息的观测方程和SINS/声学多普勒测速仪(DVL)的观测方程,提出了一种融合SINS/USBL/DVL多源信息的组合定位算法.为解决声学量测信息不确定引起的导航性能下降的问题,充分考虑水声野值所导致的...     

一种基于无线信号辅助的室内无死角定位算法

针对传统惯性导航系统定位误差随时间积累的问题,提出了一种基于无线信号辅助定位的室内无死角定位算法。该算法首先利用加速度计、陀螺仪、磁力计和气压计等传感器数据实现三维定位,然后利用无线信号对惯导定位中的位置偏差进行实时校正,再通过航向最优估计算法对航向误差进行修正,在位置和航向上增强惯导系统的实用性。利用实验室自主研发的微惯性测量单元固定在腰部脊椎位置进行实验验证,结果显示基于无线信号辅助的室内无死角定位算法精度达到1%以内,与纯惯导技术相比,能够提供更持久和准确的三维位置信息。     

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.     

A novel particle filter approach for indoor positioning by fusing WiFi and inertial sensors

WiFi fingerprinting is the method of recording WiFi signal strength from access points(AP) along with the positions at which they were recorded, and later matching those to new measurements for indoor positioning. Inertial positioning utilizes the accelerometer and gyroscopes for pedestrian positioning. However, both methods have their limitations, such as the WiFi fluctuations and the accumulative error of inertial sensors. Usually, the filtering method is used for integrating the two approaches to achieve better location accuracy. In the real environments, especially in the indoor field, the APs could be sparse and short range. To overcome the limitations, a novel particle filter approach based on Rao Blackwellized particle filter(RBPF) is presented in this paper. The indoor environment is divided into several local maps, which are assumed to be independent of each other. The local areas are estimated by the local particle filter, whereas the global areas are combined by the global particle filter. The algorithm has been investigated by real field trials using a WiFi tablet on hand with an inertial sensor on foot. It could be concluded that the proposed method reduces the complexity of the positioning algorithm obviously, as well as offers a significant improvement in position accuracy compared to other conventional algorithms, allowing indoor positioning error below 1.2 m.     

基于MEMS/UWB组合的室内定位方法

在深入研究超宽带（UWB）与车载低成本MEMS的定位原理和算法的基础上,提出了采用UWB辅助MEMS定位的算法,以抑制MEMS的发散并提高定位精度。设计了两者的融合定位算法,完成了基于MEMS/UWB的室内定位技术研究。最终试验运动253.4m,MEMS定位误差小于0.61m,MEMS/UWB融合定位误差小于0.07m。试验结果表明,MEMS/UWB算法与单独的MEMS定位算法相比,有效地提高了定位精度与定位稳定性。