基于序列Monte Carlo技术的动态节点定位

无线传感器网络中目标节点定位的准确性与定位频次对跟踪与监视精度有着重要的影响.为了提高目标跟踪精度,需要研究高效的网络节点定位算法.在分析传统基于Bayesian估计过程定位的基础上,讨论可利用基于采样的序列Monte Carlo算法解决移动节点的自主定位的算法,研究了序列Monte Carlo算法在无线传感器网络节点定位中的应用.利用该方法无需对传感器网络的先验知识和对节点移动的假设,利用低密度种子节点得到定位的精度较高.理论分析和仿真实验表明,利用序列Monte Carlo算法进行定位能够充分利用移动性来提高定位的精度,Monte Carlo定位算法很大程度上提高了定位效率,能够更有效地利用传感信息,降低不确定性因素的影响.      

南极GPS定位中的电离层延迟分析

基于南极地区国际GNSS服务组织(IGS,International GNSS Service)跟踪站的全球定位系统(GPS,Global Position System)双频实测数据,分析了南极地区电离层延迟的变化情况及其二阶项延迟对南极GPS定位结果的影响.结果表明:南极地区的总电子含量(TEC,Total Electron Content)日间波动频繁,其日间TEC最大值变化较中纬度地区剧烈;在南极地区夏季,电离层二阶项延迟对GPS定位结果的影响可达cm级.同时,由于欧洲定轨中心(CODE,The European Center for Orbit Determination)提供的全球电离层模型(GIM,Global Ionosphere Maps)在南极区域应用的局限性,通过选取南极地区6个IGS跟踪站作为基准站建立了区域电离层TEC模型(RIM,Regional Ionosphere Model).经实测数据计算证明,对于南极地区,RIM的定位精度在一定程度上优于全球电离层模型GIM.     

基于光电导航的伪卫星空中基站定位算法

由于具有抗干扰能力强和布置灵活机动的特点,伪卫星在增强卫星系统和独立组网为用户提供更高精度导航定位信息方面具有广阔的应用前景。伪卫星空中基站的精确定位是构建伪卫星区域定位系统的一个关键问题。为此,研究了一种基于光电导航的定位算法,综合利用光电探测成像信息和惯性导航信息,根据伪卫星空中基站的特点建立了相应的误差模型,并采用最小二乘法估计位置误差。计算机仿真结果表明所提算法简单,具有较大的实用价值。     

伪多源采样复域FastICA冲击定位算法

使用传感器阵列对材料结构冲击损伤进行定位,有助于及时发现损伤及潜在威胁,保障结构安全性。采用盲源分离(BSS)对传感器阵列信号进行预处理,提出单通道伪多源采样方法,利用每个传感器的分时段信息构建该传感器多源观测信号作为复域FastICA算法的输入,分离出每个传感器观测到的带有相位信息的冲击信号;结合阈值时延定位方法求解平面冲击事件的坐标。理论推导和数值仿真验证了本文设计的联合冲击定位算法的有效性。冲击定位平台上的实验结果表明,联合冲击定位算法可以从冲击-振动混合信号中分离出冲击信号,提高阵列传感器冲击定位的时延分析准确性。同时对传感器数量少于源信号的欠定BSS问题提供了一种解决方案。      

基于北斗定位的多义路径识别解决方案

针对高速公路路网络存在的多义路径问题,提出一种基于北斗定位技术的高速公路通行卡设计方案。将北斗芯片与高速公路ETC通行卡集成,在车辆行驶过程中精确记录其位置信息,并将其与地图数据进行匹配,得到车辆的实际行驶轨迹,并以此为依据收取通行费用,有效避免多义路径现象,有助于实现高速公路大范围联网收费。与目前已有的RFID标识站方案及车牌自动识别方案相比,本方案具有识别结果精确、对现有系统改动较小、受外界影响较小等特点,具有广泛的应用价值。     

单星修正惯导系统初始定位定向误差原理

本文对利用单星信息修正惯导系统初始定位定向误差的方法进行分析,从几何角度说明其基本工作原理。并指出应用这种方法的特定情况和所需条件。     

潜射弹道导弹定位定向误差传播模型

定位定向误差是影响潜射弹道导弹命中精度的重要因素。同时考虑几何项、初值项和引力项,得到了定位定向误差影响分析的完整解析解,并利用主动段状态空间摄动方程推导了定位定向误差的线性化传播模型。计算结果表明:所提方法计算速度快,速度偏差估计误差小于10%,位置偏差估计误差小于1%,可以满足精度分析的需要。     

基于DSP和多模ADF的广播电台导航定位系统设计

为了满足现代战争需要,考虑机载导航定位系统的现状,结合实际情况,提出了采用现有广播电台对飞机进行定位的一种构想,设计一套基于DSP和多模ADF的辅助导航系统,并详细阐述了系统的导航定位算法。     

深度学习在视觉SLAM中应用综述

视觉SLAM一直是近年来火热的研究方向,其处理对象为视觉图像;深度学习在图像处理中展现出的愈加突出的优势,使二者的广泛结合成为了可能.总结了传统SLAM与基于深度学习的SLAM的特点、性质,重点介绍和总结了深度学习在视觉里程计、回环检测中的研究成果,展望了基于深度学习的视觉SLAM的研究发展方向.     

基于CNN的多尺寸航拍图像定位方法的研究与实现

图像定位常用于无人机视觉导航,传统的无人机视觉导航广泛采用景象匹配导航方式,随着计算机技术的不断发展,深度学习技术为视觉导航的实现提供了新途径。以无人机的垂直侦查为背景,将飞行区域的航拍图像划分成大小相同的若干网格,每个网格代表一类区域,用网格图像制作数据集训练卷积神经网络（CNN）。基于AlexNet设计了一种融合显著性特征的全卷积网络模型,有效实现了一个基于CNN的多尺寸输入的滑动窗口分类器,并提出了一种邻域显著性参照定位策略来筛选分类结果,从而实现多尺寸航拍图像的定位。