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。     

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。     

室内定位技术与应用综述

近年来,随着基于位置服务日益增大的需求,以及基于卫星定位的全球导航卫星系统(GNSS)无法在室内定位的问题,针对复杂室内场景的室内定位技术发展迅速,逐步在各行各业中发挥作用,从各个方面影响着人们的日常生活。首先对目前主流的室内定位技术分类体系、定位原理和方法进行了详细介绍,然后对国内外室内定位技术的研究现状进行了分析和对比,最后对室内定位技术的应用和难点进行了总结。     

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。     

间断制导下的反辐射无人机被动定位算法研究

目前,有关被动定位算法的研究多是在测量信息连续的情况下展开的,对于测量信息间断情况下的滤波鲜有涉及.针对该问题,以反辐射无人机为研究对象,提出一种基于卡尔曼滤波的间断制导下的被动定位算法,并通过仿真,验证了该方法的有效性.结果表明:提出的新方法能够用于间断制导下的被动定位,且具有一定的定位精度.     

基于改进TLS-ESPRIT算法的相干定位信号波达方向空间平滑

针对室内角度定位,在定位信号相干条件下无法实现准确估计波达方向(DOA)的问题,提出了一种基于TLS-ESPRIT算法的双向空间平滑方法。该算法先对定位相干信号进行双向空间平滑处理,然后用TLS-ESPRIT算法进行DOA的精确估计,使其最大限度地利用信号子空间的信息,从而解决了算法计算过程中输出信号的协方差矩阵秩亏损情况。该算法能够准确实现定位信号相干条件下DOA估计,与传统的空间平滑结合其他改进ESPRIT算法相比,具有更好的平稳性及抗干扰能力。最后通过仿真实验验证了算法的有效性和稳定性。     

基于逆Gamma分布的变分自适应滤波算法

针对Bayesian滤波在组合导航量测噪声随机模型不准确时引发的估计精度下降问题,提出了一种基于逆Gamma分布优化的变分自适应滤波算法.该算法借鉴变分Bayesian学习理论,通过逆Gamma分布进一步精化了Bayesian滤波随机模型,准确高效地实现了量测噪声协方差的自适应估计,显著改善了滤波估计性能.最后通过紧耦...     

自适应UKF在北斗定位算法中的应用

北斗导航系统发展日益成熟,介绍了北斗定位解算与GPS解算的差异,针对扩展Kalman滤波(Extended Kalman Filter,EKF）算法在北斗解算过程中容易引入非线性误差,无迹Kalman滤波(Unscented Kalman Filter,UKF）算法受初值和系统噪声影响较大问题,提出了一种自适应无迹Kalman滤波(Adaptive Unscented Kalman Filter,AUKF）北斗定位解算算法。该算法利用观测残差信息构建自适应渐消矩阵,消除量测噪声异常带来的影响,同时提高了滤波精度。实验表明,与EKF和UKF定位解算算法相比,AUKF算法在定位精度和对系统噪声鲁棒性方面都有所提高,是一种可靠稳定的北斗定位算法。     

基于萤火虫算法的磁信标自主定位方法

传统定位和跟踪应用(如雷达和GPS等)受天气、地域的限制,无法适应室内、地下、水下等应用场合,对此研究了一种低频磁信标定位方法,可穿透土壤、岩石、海水、建筑物和许多其他类型的介质,不受恶劣的天气条件或昼夜变化的直接影响,在许多室内和室外环境中应用十分方便。针对传统磁信标定位存在的问题,分析了分离式磁信标定位的原理,给出了萤火虫算法在磁信标定位中的数学模型,提出了一种基于萤火虫算法的磁信标自主定位方法,该方法适应性更强,更易于工程实现,最后通过仿真和实验验证了该方法的可行性。     

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.     

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。     

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。