改进自适应抗差容积卡尔曼滤波多源室内定位

针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传 统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自 适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协 方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky 分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波 和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强 了定位系统在粗差干扰下的鲁棒性。     

基于改进WKNN的位置指纹室内定位算法

位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果.     

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。     

基于最优传播路径的EMA/EKF定位算法研究CSCD

针对室内环境下蓝牙系统易受非视距影响,采用蓝牙到达角(AOA)解决室内行人定位存在较大偏差的问题,研究基站几何分布和定位算法对定位精度的影响。关于蓝牙信号在传播过程中易衰减及产生多径等因素影响定位性能,对基站安装位置与信号接收范围关系进行研究,建立基站分布优化模型,使用遗传算法(GA)求解基站布设最优位置。在此基础上,提出了基于改进指数移动平均(EMA)算法结合扩展卡尔曼滤波(EKF)算法进行误差补偿。实验结果表明,该方法的平均定位误差为0.89m,相较于EKF定位精度更高,证明了所提方法的有效性。     

抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题，基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离，仅对观测粗差进行诊断和抗差处理；然后在第一步滤波的基础上，执行第二步滤波，对状态模型异常进行诊断和自适应处理。算法分析表明，抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明，抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响，提高PPP/INS组合导航系统定位结果的稳定性和可靠性。     

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。     

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。     

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

多模算法在纯方位被动定位中的应用

在被动定位中,初始状态值不能精确得到,其设定误差一般较大,从而影响滤波收敛速度和精度.为解决这一问题,采用了多模型滤波方法,多个滤波器分别在不同的初始条件下同时滤波,实时计算各滤波器的加权值,然后进行数据互联.理论分析和仿真结果表明,应用这一方法,收敛速度和精度得到改善,提高了算法的适应性.     

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。     

基于自适应修正曼哈顿距离的室内定位方法

在室内WiFi环境下,针对常见指纹匹配算法所忽略的信号波动问题,提出了一种基于自适应修正曼哈顿距离和AP选择的指纹匹配算法,并结合加权K近邻方法实现定位。首先采用AP选择算法获取部分受干扰程度小和出现频率高的AP,在指纹匹配时仅使用该部分AP的接收信号强度进行计算;在分析WiFi信号传播衰减公式和信号波动的基础上,提出了将自适应修正曼哈顿距离作为指纹匹配的度量距离,使用该距离旨在平滑信号波动对指纹相似度计算的影响;最后采用加权K近邻方法估计测试点的坐标。实验结果表明,在加权K近邻方法的框架下,基于自适应修正曼哈顿距离的定位算法在定位精度上优于基于欧氏距离、曼哈顿距离、余弦距离和Sorensen距离的定位算法。     

室内定位关键技术综述

近年来,位置服务需求不断增长,催生了定位技术的不断发展。针对室内定位,首先介绍了目前广泛应用的几种室内定位系统及其定位原理,并分析了它们的优缺点。然后,针对室内定位中常见的几类关键问题,做出了介绍分析。最后,通过分析现有定位技术,给出了室内定位技术的发展趋势,表明融合定位及导航通信一体化定位是提高定位精度及鲁棒性的有效方法,毫米波及MIMO技术的应用可有效提高测距精度并提高抗多径能力。     

室内混合智能定位系统仿真平台框架研究

针对室内场景中实验环境搭建困难、鉴定评估样本少、实际系统与仿真系统需相互检验等问题，在介绍室内混合智能定位系统的基础上，研究了利用仿真技术搭建虚拟仿真实验环境。构建了室内混合智能定位系统仿真平台的体系结构和层次结构，论述了仿真平台涉及的理论模型及算法，并介绍了构建仿真平台的相关关键技术。研究结果能为用户提供一个具备环境建模、信号模拟、调度控制、可视化显示、数据存储、系统间交互等要素的室内混合智能定位仿真平台框架，为后续平台集成测试提供指导。     

面向建筑空间的OFDM信号定位性能分析

针对利用OFDM信号进行定位时信号非连续性问题,提出一种粗检测和精细检测结合的测距方法,将距离测量转换为不同尺度的时延样点,采用时域粗检测快速估算接收OFDM信号的最大相关峰值,然后对传输时延进行频域精细测量,提升了小数倍采样周期时延测量的精度。在此基础上,分析了OFDM信号的定位性能,仿真结果表明,当OFDM信号在信噪比-11dB的情况下测距误差由3m左右(子载波数512)降至1m(子载波数4096)。     

一种利用栅格光源特征编码的室内定位技术

目前,几种主流的室内定位技术分别存在定位精度低、设备成本高、易受环境干扰等一种或多种缺点,基于可见光通信的室内定位技术成为了研究热点。不同于主流的室内定位技术,提出了一种利用栅格光源特征编码的室内定位方案,先使光源照射区被划分为栅格,再用光源闪烁传递栅格特征信息,用户端接收闪烁光信号,对其解码实现定位。利用的编码方式结构巧妙,可以有效避免误读,同时相邻栅格编码相似度高,有利于跨栅格定位。在实验室中,以普通投影仪生成栅格光源,以市售安卓智能手机为用户终端,在较理想条件下的测试表明,该方案在动态和静态情况下均可确定用户位置,定位精度达到半个栅格,定位准确率达到100%。     

基于WiFi指纹库的室内定位研究进展和展望

首先简要说明了室内定位技术中WiFi定位的优势;然后通过梳理WiFi指纹库的室内定位相关技术研究,简要阐述了WiFi信号的相关特性,并以实验作为佐证,重点介绍了信号传播模型、指纹库构建方法、指纹信号匹配准则和不同手机对WiFi信号敏感差异的标校等相关技术进展;最后,简要介绍了WiFi室内定位技术的未来发展趋势。     

GPS移动基准站差分定位算法

相对导航定位技术在空中加油任务中起着至关重要的引导作用。针对传统差分定位模式受限于基准站位置固定、覆盖范围有限等问题,研究了一种无固定基准站差分定位方案,实现了短基线高精度动态相对定位。该方案首先基于实时伪距单点定位求得移动站近似坐标,结合载波信息进行站间差分,求得单差模糊度浮点解及更高精度的移动站坐标。之后,再利用双差观测方程,并采用扩展Kalman滤波(Extended Kalman Filtering,EKF)算法获得移动站精确坐标和双差模糊度浮点解。最后,采用LAMBDA算法进行模糊度快速固定,获得最终定位结果。实验结果表明,所采用的无固定基准站差分定位方案使得基线长度均方差小于5cm,达到了较高的动态相对定位精度。