列车组合定位中改进CPF算法的探讨

针对在GNSS/INS列车组合定位中普遍采用的扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等滤波技术无法满足复杂的高速列车组合定位环境问题,研究了列车组合定位中改进的容积粒子滤波(CPF)算法,提出了基于改进CPF算法的列车组合定位信息融合技术。该算法采用马尔科夫链蒙特卡洛(MCMC)移动方法来解决粒子退化问题,进而提高滤波性能。使用Matlab对改进算法进行仿真,结果表明改进CPF具有更小的位置误差和速度误差,提高了列车非线性运动过程中的定位精度。     

基于H~∞鲁棒滤波技术的列车组合定位方法研究

列车实时定位是列车控制系统的重要环节。针对列车定位系统中模型不确定性和外部干扰不确定性,提出了一种基于鲁棒估计理论的列车组合定位方法。文中以鲁棒滤波为基础,设计联邦结构的多传感器信息融合算法用于定位计算。仿真结果表明,组合定位系统能够满足列车定位的精度要求,能够在不同定位条件下保证定位高效与安全,为提高列车组合定位系统的鲁棒性,进行了有益的尝试。     

迭代容积粒子滤波算法在SINS初始对准中的应用

在大方位失准角误差的条件下,捷联惯导系统(SINS)初始对准误差模型是非线性的,可以采用粒子滤波(PF)方法进行处理.针对标准PF算法中存在的重要性密度函数难以选取的问题,提出了一种新的迭代容积粒子滤波(ICPF)算法.将Gauss-Newton迭代和容积卡尔曼滤波(CKF)算法相结合,得到迭代CKF(ICKF)算法.该算法利用最新量测信息改进迭代过程中产生的新息方差和协方差,可获得较高的估计精度.由ICKF算法获得粒子滤波算法的重要性密度函数,有效地抑制了粒子退化现象.SINS大方位失准角初始对准的仿真结果和实验结果表明:该算法的滤波精度高于标准PF算法和容积PF(CPF)算法,是一种非常有效的非线性滤波算法.     

马尔可夫参数自适应IMM算法在列车定位中的应用

目前高速列车定位系统在列车加减速、转弯(以下简称机动)等过程中普遍存在着定位精度低、稳定性差等问题,采用交互多模型算法是解决此问题的一条可行途径。但由于传统交互多模型算法使用参数固定的马尔可夫概率转移矩阵,使得在模型切换过程中存在由模型滞后带来定位误差增大的问题。对此,采用模型误差压缩率在匀速运动(CV)、匀加速(CA)、匀速率转弯(CT) 3种运动模型间定义误差压缩率之比,并用此信息实现马尔可夫概率转移矩阵参数自适应调整。将其作为全球定位系统/惯性导航系统/直接数字化X射线摄影GPS/INS/DR组合定位系统的滤波算法,仿真结果表明:提出的算法在列车模型切换时刻前后的定位误差小于传统交互多模型算法。     

RFID辅助捷联定位系统的地铁列车组合定位系统建模与仿真

为了提高地铁列车的导航定位精度,提出了一种基于射频识别(RFID)辅助捷联惯性定位系统(SINS)的列车组合定位系统,分析了捷联系统和RFID系统的误差源,并建立了数学模型,设计了地铁列车组合导航定位算法并进行了仿真实验。仿真结果表明,所提出的RFID辅助地铁列车定位系统精度和可靠性得到提高,克服了捷联惯性系统误差随时间增大和RFID定位信息不连续的缺陷。     

GPS/DR组合导航系统数据融合优化设计

为降低GPS/DR组合导航系统在复杂导航环境下的定位精度及DR误差累积,提出一种性能较优的数据融合算法。在传统粒子滤波(PF)的基础上,考虑最新观测值的影响,使用基于平方根二阶差分的高斯混合(GM)模型给出粒子滤波的建议分布,采用基于蒙特卡罗的重要性采样和进化再采样方法减轻PF样本退化问题,增强样本多样性。实验结果表明,与PF算法、GMPF算法相比,该设计能提高组合导航系统的综合导航定位性能。     

基于车载GPS导航的非线性动态滤波算法

为了提高车载导航定位精度,根据全球定位系统（GPS）的特点,在分析线性滤波算法缺陷的基础上,建立了车载导航动态定位模型,并在通过准确获取后验概率密度函数的均值和方差经过非线性变换修正导航定位位置,给出了一种非线性动态滤波算法。仿真实验表明,与卡尔曼滤波相比,该方法能克服了滤波发散导致结果失真的问题,提高滤波的精度,解决线性滤波算法发散的缺陷。     

粒子滤波算法中的有限收敛界

在已有的关于粒子滤波(PF)收敛性研究的成果上,指出了其在工程实践中存在的问题;根据粒子滤波在实际应用中普遍存在的收敛现象,提出了粒子滤波算法的有限收敛界(LCB)的概念,并针对一个经典的非线性滤波估计例子,给出了关于自举PF、裂变自举PF、高斯PF、无味高斯PF和辅助变量PF这5种典型粒子滤波算法有限收敛界的计算结果.LCB既可作为粒子滤波算法性能的度量指标之一,也可作为工程应用中某种粒子滤波算法粒子数选取的一个参考值.     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

基于低成本INS/RFID的室内定位技术

在个人导航和基于位置服务(LBS)领域,如何实现低成本、高可靠性、高精度、连续的室内定位仍是研究的热点;然而依靠单一技术的室内定位结果很难满足上述定位要求;文章用粒子滤波(PF)对INS和RFID技术进行融合;对低精度INS使用行人航迹推算算法(PDR),其中步数和步长由峰值检测和Weinberg算法分别测算;根据位置信息对RFID使用加权KNN算法;仿真结果表明:组合定位纠正了INS的累计误差和漂移,实现了自主可靠的连续定位,提高了定位精度,极大程度上优化了系统性能。