基于TOF的UWB可移动基站快速自定位算法

针对运动场中超宽带(UWB)可移动基站的位置获取需要人工测量、定位不方便的问题,提出了基于飞行时间(TOF)的UWB可移动基站快速自定位方法.首先根据基站布局情况确定局部坐标系,建立基于UWB基站间相互测距信息的各基站坐标方程,采用最小二乘法对各基站的坐标进行解算,进而分析其定位误差.最后通过实验验证了算法的可行性和稳定性.实验结果表明,可移动基站平均定位精度在0.05m以内.相对于传统的人工测量方式,基站自定位可有效节省基站布设时间,减少工作量.     

基于原始观测值的UWB增强GNSS精密单点定位方法研究

全球卫星导航系统(global navigation satellite system, GNSS)可提供全球范围内全天候高精度导航、定位和授时服务。以精密单点定位(precise point positioning, PPP)为代表的绝对定位技术凭借定位精度高且全球一致、作业范围灵活等优势受到广泛关注,但是较长的收敛时间,限制了其在实时、快速精密定位应用中的使用。为解决上述问题,提出了超宽带(ultra-wideband, UWB)增强PPP方法,在多星座PPP中紧密集成UWB测距信息,以提高GNSS PPP性能。实验结果表明,在动态场景下,融合UWB量测使GPS/GAL双系统PPP在东、北、天3个方向的位置均方根(root mean square, RMS)值分别减少了76.99%、21.46%、64.53%,GPS/GAL/BDS三系统PPP减少了69.69%、37.21%、61.32%,并且收敛时间分别加快62.78%和57.75%。关于锚点数(几何构型)的评估表明,仅利用4个锚点就能将双系统和三系统3D误差RMS值减少67.98%、59.35%,收敛时间加快76.14%、62...     

UWB与GNSS结合的室内外一体化定位系统设计

针对电力北斗安全应用、自动驾驶导航等应用场景对室内外一体化无缝定位的迫切需求,设计了一种将UWB与GNSS结合的一体化无缝定位系统.通过将UWB标签与小型化GNSS模块集成到手持智能设备上形成一体化定位终端,服务器软件对卫导结果与超宽带定位结果进行融合,输出连续定位结果.实验结果表明,该系统可以实现人员的室内外一体化无缝定位,室内环境下的静态定位精度小于10cm,该系统已应用于大型发电厂和变电站的人员安全防护管理项目.     

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。     

顾及空间分布和NLOS的UWB室内可信定位方法

针对现行室内可信定位存在的三维定位精度低与结果可信度难以定量评估的难点,提出了一种可信超宽带(UWB)室内定位模型。该方法采用无迹卡尔曼滤波和IGG-III抗差理论模型,解决了UWB定位中的非线性化和非视距误差问题;同时,为提高该方法定位结果的可信度,进一步构建了一种兼顾UWB基站空间分布和非视距误差的可信精度评估模型。与现有模型相比,提出的方案可有效实现基于UWB的室内高精度可信定位。仿真和实测数据结果表明：1)与传统最小二乘结果相比,该方法可提高30%～40%的UWB定位精度;2)引入IGG-III抗差模型可提高11%的定位精度;3)非线性化误差对UWB定位精度的影响不尽相同,约为22%～50%;4)提出的可信度评估模型可实时准确评估UWB定位精度。     

基于记忆融合模式的多无人机分散式协同导航方法

针对多无人机协同交互过程中存在的通信时滞问题，提出基于记忆-融合的多无人机分散式协同导航算法。在无人机惯性和全球卫星导航系统（GNSS）紧组合导航框架基础上，建立含时滞影响的系统状态向量，并对系统状态误差及其方差进行推导，进一步构建关于各无人机状态的最优估计模型，并基于状态误差方差最小准则对状态进行最优估计。建立了基于机间相对测量的多无人机分散式协同导航算法，提出了基于记忆融合模式的时滞处理方法。在GNSS可获取及拒止环境下进行多无人机协同导航仿真与实验测试，结果表明，所提出的基于记忆-融合的分散式协同导航算法能有效补偿通信时滞造成的精度损失，有效提高定位精度。     

基于因子图的无人机视觉定位方法

当前多用途无人机主要依靠全球导航卫星系统（GNSS）和惯性测量单元（IMU）的组合导航实现高精度定位，然而在强电磁干扰以及各类复杂环境GNSS拒止等情况下，该定位模式面临失效的风险。为探索一种GNSS拒止环境下的导航定位手段，对视觉导航方式进行了研究，针对无人机小交会角条件下视觉定位存在高程方向交会精度差、绝对尺度信息缺失、累积误差无法消除和定位轨迹不连续等问题，提出了基于因子图融合影像匹配和视觉信息的光束法平差方法，解决了无人机小交会角下的自主绝对定位问题。     

脉冲超宽带通信与测距技术初步研究

相对于连续波窄带技术,脉冲超宽带技术在短距离通信及高精度测距方面具有一定优势.为了向未来航天应用提供新的技术支持,对脉冲超宽带通信及测距技术进行了初步研究.描述了系统的收发单元及天线单元,同时给出了各单元的测试结果.脉冲超宽带通信、测距实验表明,系统成功实现了短距离高速通信和高精度测距.在10 m范围内通信码速率为100 Mbit/s,定位精度为厘米量级.     

基于线性调频扩频的单基站室内定位系统研究

基于WLAN、蓝牙等无线信号的室内定位系统在布设与组网阶段需要布设大量的节点,在推广过程中严重受制于布设成本,因而提出了一种基于线性调频扩频(Chirp Spread Spectrum,CSS)信号的单基站室内定位系统及相关定位算法,结合使用线性调频测距方法与自主角度估计方法,测距精度优于1m,测角精度达1.5°,可为地下停车场等人员相对稀疏、定位精度需求相对较低的应用场景提供低成本的覆盖。经过室内停车场场景试验,该室内定位系统可在仅使用单一基站情况下,在约60m半径内提供1~3m的定位精度。     

基于月面LTE基站OFDM测距的巡视器定位

针对目前的月面定位技术中成本高、观测时间长以及缺少可用定位信息的问题,开展了基于长期演进（LTE）基站的月面定位技术的研究,并引入了LTE技术,通过在月面布设基站为月面巡视器的实时定位提供了可行基础。提出了一种基于因子图优化的月面定位方法,通过融合月面基站的正交频分复用（OFDM）测距信息和巡视器自身的惯性导航信息,利用有限的月面基础设施,在较低成本的硬件条件下实现了月面巡视器的准确定位。仿真实验结果显示,该月面定位方法具有良好的准确性和鲁棒性。     

天象一号低轨导航增强系统研究与在轨试验验证

如何实现GNSS全球瞬时高精度服务一直是GNSS领域的迫切需求和研究热点.采用低轨导航增强技术体制,利用低轨卫星运动几何变化快的特点,解决GNSS精密单点定位快速收敛问题和性能提升问题,是GNSS高精度定位服务未来发展的重要方向.从全球瞬时高精度服务内涵出发,阐述了天象一号低轨导航增强试验系统的技术体制,包括系统工作模...     

基于参考站误差估计的GNSS区域增强技术

研究了应用于民航航路、铁路、内河水运等领域的分布式卫星导航区域增强系统的定位方法,分析了参考站误差、单参考站电离层和对流层误差,提出了一种基于参考站误差估计的多站差分GNSS区域增强技术。仿真结果表明,该方法可减小参考站误差对多站差分的影响,解决现有技术中单差分系统用户与地面站的距离增加定位误差增大的问题,并增加了定位精度,同时提高了系统的可靠性和覆盖效率。     

Deep learning enabled localization for UAV autolanding

This article concentrates on ground vision guided autonomous landing of a fixed-wing Unmanned Aerial Vehicle (UAV) within Global Navigation Satellite System (GNSS) denied environments. Cascaded deep learning models are developed and employed into image detection and its accuracy promoting for UAV autolanding, respectively. Firstly, we design a target bounding box detection network BboxLocate-Net to extract its image coordinate of the flying object. Secondly, the detected coordinate is fused into spatial localization with an extended Kalman filter estimator. Thirdly, a point regression network PointRefine-Net is developed for promoting detection accuracy once the flying vehicle’s motion continuity is checked unacceptable. The proposed approach definitely accomplishes the closed-loop mutual inspection of spatial positioning and image detection, and automatically improves the inaccurate coordinates within a certain range. Experimental results demonstrate and verify that our method outperforms the previous works in terms of accuracy, robustness and real-time criterions. Specifically, the newly developed BboxLocate-Net attaches over 500 fps, almost five times the published state-of-the-art in this field, with comparable localization accuracy.     

基于场景检测的城市环境GNSS/INS组合定位方法研究

城市复杂环境下,采用GNSS/INS组合定位方法能有效提升GNSS信号部分或全部被遮挡情况下的车辆连续定位能力。GNSS信号受遮挡的程度具有随机性和突变性,给GNSS/INS组合算法的架构设计和参数设置带来了挑战。基于此,设计了一套基于场景检测的GNSS/INS组合定位策略与方法,提出了以多星GNSS观测量的八类特征为输入,利用支持向量机分类思想将定位场景分为室外开阔、室外遮挡和室内三种类型,并建立了与之相适应的组合滤波量测误差估计模型,进而实现了GNSS/INS组合定位。实测数据验证表明,提出的方法能够有效提升车辆组合定位精度。     

Position error bound for UWB localization in dense cluttered environments

For most outdoor applications, systems such as global positioning system (GPS) provide users with accurate location estimates. However, similar range-only localization techniques in dense cluttered environments typically lack accuracy and reliability due, notably, to dense multipath, line-of-sight (LOS) blockage and excess propagation delays through materials. In particular, range measurements between a receiver and a transmitter are often positively biased. Furthermore, the quality of the range measurement degrades with distance, and the geometric configuration of the beacons also affects the localization accuracy. In this paper we derive a fundamental limit of localization accuracy for an ultrawide bandwidth (UWB) system operating in such environments, which we call the position error bound (PEB). The impact of different ranging estimation errors due to beacons distance and biases on the best positioning accuracy is investigated. The statistical characterization of biases coming from measurement campaigns can easily be incorporated into this analysis. We show that the relative importance of information coming from different beacons varies depending on the propagation conditions, such as whether the beacon is LOS or non-line-of-sight (NLOS). We show, in particular, that any a priori information knowledge on NLOS beacons can significantly improve the localization accuracy, especially in dense cluttered environments. Finally we put forth the concept of localization outage probability and epsi-localization accuracy outage, and use them to characterize the quality of localization throughout the area.