基于无线传感器网络的机场特种车定位算法研究

机场停机坪内特种车辆的定位是机场场面监控的重要部分,基于无线传感器网络实现对机场特种车辆的实时定位。针对RSSI值易受环境影响问题,采用高斯模型对采集的RSSI值进行筛选,通过空间补偿模型将节点映射到同一平面,并提出了修正加权质心定位算法,修正权重系数,提高定位精度。仿真结果表明,该算法能够满足机场特种车定位精度的要求。     

基于测距的无线传感器网络的定位算法的研究

无线传感器网络作为一全新的信息获取和处理技术,在国防、工农业、环境监测等众多领域都有着重大的应用价值和科研价值。而节点定位信息在无线传感器网络中是一项必需的基础信息。针对基于测距的定位算法进行研究,将算法分成三种情况进行讨论,并提出一种新的角度权值定位算法,仿真实验表明算法具有较高的定位精度。     

水下无线传感器网络目标定位算法

提出了一种基于目标位置的定位转换算法,通过对水下声波传播衰减的研究,推导出距离与声强度的公式,进一步由节点接收到目标强度信息计算出节点与目标的距离进行定位。当目标处在水下传感器网络内部时,根据节点接收到信号强度的大小,进行加权质心定位算法。为解决三维坐标系下目标深度的计算,通过在海面设置大功率骨干节点,通过主动探测声呐测得目标的距离与角度,从而计算出目标深度。仿真验证表明,本文算法的有效性。     

无线传感器网络Range-free自身定位算法仿真分析

定位技术是无线传感器网络重要的支撑技术之一。文章在总结有关定位算法的文献和研究成果的基础上。介绍了6种代表性的Range-free定位算法的原理,在Matlab环境下构造了网络拓扑场景进行了仿真实验,对6种代表性算法的性能进行比较并分析总结,指出了今后无线传感器网络定位算法的研究中所需解决的问题。     

无线传感器网络定位算法改进

提出了一种建立在TEEN协议基础之上反应式网络的应用.反应式网络是一种对适时性要求较高的网络,用三角定位法对传感器节点进行定位,在定位的基础上,使得簇首节点的选定更为容易,在一定程度上能节省节点能源、延长网络寿命.     

基于联邦滤波的多传感器管道定位方法CSCD

由低成本微惯性测量单元(MIMU)和里程轮组合的管道定位系统在里程轮出现打滑情况下,组合定位误差将快速发散。为解决里程轮打滑时量测信息失效的问题,采用光电测速传感器作为冗余测速传感器,利用联邦滤波对MIMU、里程轮和光电测速传感器多源信息进行融合,并基于预测残差设计了自适应信息分配因子,实现了不同特性传感器的最优融合。仿真实验结果表明,提出的多传感器管道定位方法可以降低里程轮打滑导致的管道定位误差,对于120m长的仿真管道,定位误差为管线长度的0.015%。     

无线传感器网络超声波定位算法的研究

在无线传感器网络定位中,距离定位机制受无线传感器设备功耗、价格和硬件限制及对定位精度的要求,距离定位机制比较容易实现的解决方案.介绍了超声波传感器定位的原理,提出了基于传感器数学模型的目标定位方法,在此基础上建立基于超声波的目标定位系统,最后分析了超声波传感器定位中存在的问题.     

无线传感器网络的异构性研究

随着无线通信技术和微电子技术的快速发展,低成本、高度集成和自组织的无线传感器网络将会逐渐普及.首先总结归纳了无线传感器网络异构性的几种表现形式,如计算能力异构性、节点能量异构性、链路异构性及网络协议异构性,然后介绍了异构无线传感器网络层次网络体系结构和两种适用于无线传感器网络的标准.最后对无线传感器网络的安全问题进行简单探讨.     

一种修正的DV-Hop无线传感器网络节点定位算法

无线传感器网络（Wireless Sensor Network．WSN）融合了传感器技术、信息处理技术和网络通信技术,与塑料电子学、仿生人体器官被称为全球未来三大高科技产业,应用前景非常广阔。它是一种全新的信息获取平台,可以在广泛的领域实现复杂的大范围的监测和追踪任务,而网络节点自身定位时大多应用的前提和基础。事件发生的位置和获取信息的节点位置是传感器节点监测消息中所包含的重要信息．没有位置的监测消息毫无意义。     

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。     

基于惯性空间稳定的双轴惯导旋转调制方法

陀螺标度因数误差是影响长航时船用旋转调制惯导系统的关键误差源,其与地球自转和载体运动的耦合误差,可导致惯导系统误差发散。针对此问题,结合船用惯导使用特点,采用外航向、内俯仰的双轴旋转框架结构。在此基础上,提出了一种基于惯性系的双轴旋转惯导系统多位置转停调制方案,通过补偿地球自转和载体运动在双轴旋转惯导内外框架旋转轴上的投影分量,可显著降低陀螺标度因数误差对长航时导航精度的影响。数学仿真和船载试验结果表明,在载体航向角运动的场景下,该方法与传统的双轴旋转调制方案相比可有效抑制地球周期项振幅的增大,系统导航位置误差的发散也降低50%以上。     

Robust adaptive filtering method for SINS/SAR integrated navigation system

This paper presents a new robust adaptive filtering method for SINS/SAR (Strap-down Inertial Navigation System/Synthetic Aperture Radar) integrated navigation system. This method adopts the principle of robust estimation to adaptive filtering of observational data. A robust adaptive filter is developed to adaptively determine the covariance matrix of observation noise, and adaptively adjust the covariance matrix of system state noise according to the adaptive factor constructed based on predicted residuals. Experimental results and comparison analysis demonstrate that the proposed method cannot only effectively resist disturbances due to system state noise and observation noise, but it can also achieve higher accuracy than the adaptive Kalman filtering method.     

基于Starlink机会信号/INS的组合导航方法

针对全球卫星导航系统(GNSS)因频点单一、落地功率低、易受电磁干扰以及存在覆盖较差区域等潜在的被拒止或被干扰导致的导航系统性能降低甚至失效的问题,提出了一种基于星链(Starlink)机会信号融合惯性导航系统(INS)的飞行器动态组合导航方法。首先分析了星链信号体制,建立了基于星链星座卫星下行机会信号的瞬时多普勒定位观测模型,设计了一种基于频率细分的快速最大似然多普勒频率估计方法,然后建立了基于扩展卡尔曼滤波(EKF)的Starlink机会信号/INS的组合导航模型,并对该导航方法进行了实验及分析。结果表明,该方法可为飞行器提供长航时、连续、高精度的导航。动态飞行情况下,该方法可实现平均优于25 m的三维定位精度和平均优于0.1 m/s的速度估计精度,比相同观测时间下的惯导精度提高了1～2个数量级,显著提高了飞行器的导航精度,可为战略导航提供方法和技术支撑。     

Model-based robust estimation and fault detection for MEMS-INS/GPS integrated navigation systems

In micro-electro-mechanical system based inertial navigation system（MEMS-INS）/global position system（GPS） integrated navigation systems, there exist unknown disturbances and abnormal measurements. In order to obtain high estimation accuracy and enhance detection sensitivity to faults in measurements, this paper deals with the problem of model-based robust estimation（RE） and fault detection（FD）. A filter gain matrix and a post-filter are designed to obtain a RE and FD algorithm with current measurements, which is different from most of the existing priori filters using measurements in one-step delay. With the designed filter gain matrix, the H-infinity norm of the transfer function from noise inputs to estimation error outputs is limited within a certain range; with the designed post-filter, the residual signal is robust to disturbances but sensitive to faults. Therefore, the algorithm can guarantee small estimation errors in the presence of disturbances and have high sensitivity to faults. The proposed method is evaluated in an integrated navigation system, and the simulation results show that it is more effective in position estimation and fault signal detection than priori RE and FD algorithms.     

基于XGBoost算法的车载场景识别辅助组合导航研究

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

Drag derived altitude aided navigation method

The navigation problem of the lifting reentry vehicles has attracted much research interest in the past decade.This paper researches the navigation in the blackout zone during the reentry phase of the aircraft,when the communication signals are attenuated and even interrupted by the blackout zone.However,when calculating altitude,a pure classic inertial navigation algorithm appears imprecise and divergent.In order to obtain a more precise aircraft altitude,this paper applies an integrated navigation method based on inertial navigation algorithms,which uses drag derived altitude to aid the inertial navigation during the blackout zone.This method can overcome the shortcomings of the inertial navigation system and improve the navigation accuracy.To further improve the navigation accuracy,the applicable condition and the main error factors,such as the atmospheric coefficient error and drag coefficient error are analyzed in detail.Then the damping circuit design of the navigation control system and the damping coefficients determination is introduced.The feasibility of the method is verified by the typical reentry trajectory simulation,and the influence of the iterative times on the accuracy is analyzed.Simulation results show that iterative three times achieves the best effect.     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

A dimension reduced INS/VNS integrated navigation method for planetary rovers

Inertial navigation system/visual navigation system (INS/VNS) integrated navigation is a commonly used autonomous navigation method for planetary rovers. Since visual measurements are related to the previous and current state vectors (position and attitude) of planetary rovers, the performance of the Kalman filter (KF) will be challenged by the time-correlation problem. A state augmentation method, which augments the previous state value to the state vector, is commonly used when dealing with this problem. However, the augmenting of state dimensions will result in an increase in computation load. In this paper, a state dimension reduced INS/VNS integrated nav-igation method based on coordinates of feature points is presented that utilizes the information obtained through INS/VNS integrated navigation at a previous moment to overcome the time rel-evance problem and reduce the dimensions of the state vector. Equations of extended Kalman filter (EKF) are used to demonstrate the equivalence of calculated results between the proposed method and traditional state augmented methods. Results of simulation and experimentation indicate that this method has less computational load but similar accuracy when compared with traditional methods.     

一种长航时惯导定位误差评估的新方法

针对长航时惯导传统定位误差评估中存在的问题,提出了一种新的基于惯导误差传播函数拟合的定位误差评价新方法。基于长航时惯导系统定位误差传播模型的特点,采用三角函数建立了误差传播拟合函数,主要包含舒拉周期、地球周期和傅科周期,反映了惯导的长期误差特性。提出了惯导误差契合度的定义和计算方法,实现了对长航时惯导系统定位误差的量化评估。对两套精度大致相同的长航时惯导舰载实验数据进行了对比分析,结果表明新的评估方法能够给出更合理的定位性能优劣判断。最后,针对长航时自主导航需求提出了综合导航技术的改进建议。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。