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。     

测绘导航高精度定位关键技术及应用

人工智能(AI)、卫星导航及室内定位三大技术的快速发展持续推动测绘科技向智能化、学科交叉、信息融合的方向发展。指出了装备虚拟化与数据处理多样化将成为测绘导航的基本形态，拓展了测绘学科的内涵与外延。智能滤波是未来测绘导航定位理论发展的重要方向，AI芯片将成为测绘导航装备的关键部件，从而提高滤波效率与产品的实用性。给出了车载导航模组研制的技术流程，提出了模组原始信息同步采集与延时补偿、自适应定位算法及嵌入式固件时间分片优化等关键技术，研制了覆盖分米、厘米及毫米级定位精度的无缝组网定位、车载导航及变形监测模组，并研发了相应的终端系统，针对相应的应用领域，给出了各自应用的解决方案，以及具体的应用案例。