基于秩卡尔曼滤波的室内行人航位推算算法

针对采用卡尔曼滤波进行室内行人导航数据融合时精度较低的问题,在行人航位推算技术的基础上,提出了一种基于秩卡尔曼滤波(RKF)的行人航位推算导航(PDR)方法。RKF技术由于采用特殊的秩采样机理,可以很好地处理非高斯和非线性系统问题。通过将RKF技术和零速修正(ZUPT)技术相结合,对室内行人运动中测得的多传感器数据进行融合,实现更加精确的室内行人导航定位。首先,利用零速检测算法从MEMS传感器测量数据中分析得到零速信息;然后,利用得到的零速信息作为ZUPT和RKF算法的信息源参与融合解算得到最终的行人位置;最后实验结果表明,基于RKF的PDR算法相对于采用扩展卡尔曼的行人航位推算算法有一定的提高,使得室内行人导航定位误差减小了18.91%。     

基于卡尔曼滤波的车辆组合导航仿真研究

针对传统车载导航系统在复杂道路环境下定位精度偏低等问题,提出了应用全球定位系统与航位推算相结合的组合导航算法,使用卡尔曼滤波进行数据处理,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最佳状态,从而提升导航系统的准确度。实验结果表明,所提方法可以提升车载导航系统的准确性和连续性,保证车辆定位曲线和车辆实际行驶路线基本吻合,但是定位误差会随着信号中断时间的延长而增大。     

基于级联滤波的建筑结构信息 / 惯导室内定位方法

针对以惯性传感器为核心的鞋绑式室内行人导航定位中位置及航向误差无法有效校正的问题,通过集成微机电惯性传感器和室内建筑结构信息,提出一种级联结构的卡尔曼粒子滤波的室内融合定位方法。首先在下级卡尔曼滤波采用零速更新初步修正惯性导航的解算误差;上级粒子滤波器利用室内建筑结构信息通过穿墙检测进一步校准行人位置和航向。实验结果表明,基于级联滤波的建筑结构信息/惯导室内行人导航算法可有效降低惯导误差的累积问题,纠正传统算法采用零速修正校正系统误差时,因为航向不可观测而导致行人轨迹"穿墙"现象,该方法可减小位置更新过程中的误差累计,其结果相比单一惯性行人定位结果的位置均方根误差由0.69 m降低到0.39 m,航向均方根误差由0.81°降低到0.72°。     

里程计辅助的高精度车载GNSS/INS组合导航系统

针对城市隧道、偏远山区等复杂路况下,卫星导航系统信号被遮挡较严重或无卫星导航系统信号的场景中,车载GNSS/INS组合导航系统精度下降的问题,提出一种里程计辅助的高精度车载GNSS/INS组合导航方法。该方法中的组合滤波模式可根据载车环境变化在GNSS/INS组合模式和DR/INS组合模式间实现自适应切换,该组合导航方法将三维里程计航位推算位置误差作为状态量扩充到常规组合导航滤波器中,里程计的标度因数误差、安装角误差可通过里程计误差标定方法离线精确得到,后续使用只需将里程计误差参数装订到组合导航系统中即可。车载试验表明,7 km的信号遮挡场景下组合导航系统单个方向上的位置误差最大值也不大于8 m,整个跑车过程中位置误差在3 m以内,进一步保证了车载GNSS/INS组合导航系统复杂路况下的高精度定位。     

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题，本文提出了一种自适应滤波协同图优化导航方法。首先，构建INS/GNSS/e-Compass组合导航系统的因子图模型；然后，利用测量方差自适应滤波对传感器测量信息进行预估，在滤波过程中更新相关传感器的测量协方差矩阵，并将预估结果作为变量节点加入因子图；最后，通过滑动窗口控制优化范围，对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明，所提出的方法对传感器测量协方差的不匹配问题具有自适应性，能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法，该方法的定位精度提升了30%,计算效率提升了12%。     

车载组合导航定位系统中传感器参数的实时校正

文中通过组合航位推算、ＧＰＳ定位信号和地图匹配算法,提出了用于车载组合导航系统传感器参数的实时校正算法,利用精确的际图道路和ＧＰＳ／ＤＲ组合后定位轨迹的相似性进行地图匹配。从而修正传感器的参数。解决了车载导航系统中传感器参数的漂移和误差积累问题。     

基于自适应PDR补偿的UWB/MIMU组合行人定位算法

为提高室内环境下行人的定位精度,针对超宽带(UWB)和微型惯性测量单元(MIMU)在行人室内定位中存在的定位不连续和定位误差累计问题,提出一种自适应行人航位推算(PDR)补偿的UWB/MIMU组合方案。首先提出一种多约束的PDR计步算法,降低了对阈值设置准确性的要求,消除了伪波峰和伪波谷对计步结果的影响;接着通过引入零速更新(ZUPT)和零角速率更新(ZARU)组合的方法对航向角误差进行修正;最后基于自适应滤波算法解算行人的位姿并进行了实验验证。结果表明,所提方案有效抑制了定位轨迹误差增大趋势,使得偏航角误差减少2°。     

基于无迹卡尔曼滤波算法的喷涂机器人末端位姿补偿系统

喷涂建筑机器人在进行建图时无法将地面平整度的信息包含在地图中。当机器人按照所建地图运行时,由于地面信息的缺失,喷涂建筑机器人工作末端的喷涂夹具无法与墙面平行。为补偿喷涂夹具相对于墙面之间的位姿误差,提出一种基于无迹卡尔曼滤波的多传感器融合的喷涂夹具位姿补偿方法：以位移测量传感器测得的数据构建夹具位姿的状态方程,以陀螺仪测得的数据构建夹具位姿测量方程;利用无迹卡尔曼滤波算法获得夹具姿态的最优估计并将其传递给机器人,从而实现对喷涂夹具位姿误差的补偿。搭建实验平台验证了误差补偿系统的可行性。实验结果表明,误差补偿后的喷涂夹具相对于墙面之间的角度误差减小至0.005°。     

基于相机状态方程多模增广的改进MSCKF算法

针对基于多状态约束卡尔曼滤波(MSCKF)的视觉-惯性里程计算法中相机状态方程增广过程的误差累积问题,提出了一种相机状态方程多模增广方法。该方法首先对视觉特征跟踪状态的稳定性进行判断,然后自动地选择基于视觉图像信息优化求解相机相对位姿参数或基于惯性传感器(IMU)状态递推结果联合相机外参初始化新图像帧相机位姿参数两种途径增广相机的状态方程,解决特征跟踪状态稳定情况下IMU误差的累积问题。实验部分通过EuRo C数据和实际应用数据对算法的性能进行了验证分析,结果表明,改进后的MSCKF算法能够在特征跟踪稳定状态下有效避免IMU误差的累积,进一步融合视觉与惯性系统之间的互补优势,提高载体的定位定向精度和稳定性。     

基于反馈校正的WLAN与PDR融合定位方法研究*

在智能手机作为终端的室内定位系统中,基于WLAN的指纹定位和行人航位推算定位(PDR)是较为常用的方法。WLAN定位方式能够进行独立定位,但稳定性差;PDR定位短时间内稳定性好,但易产生累积误差且不能进行独立定位。针对上述问题,本文通过分析两种定位方式的误差特点,提出一种基于反馈校正的融合定位方法。该方法主要分为两个过程:基于自适应粒子分布的信息融合过程和基于融合信息的PDR自适应线性反馈校正过程。利用提出的融合方法,可以很好地解决一般融合方法所存在的定位结果稳定性差的问题。实验数据表明,本文提出的融合定位方法对最终的定位结果有较大的改善效果。     

融合 WiFi 与可穿戴惯导模块的室内定位方法

为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR)定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指纹定位,为PDR提供初始定位,同时基于无迹卡尔曼滤波融合WiFi定位结果与PDR定位结果,以减少PDR的累积定位误差。最后,在真实室内环境中进行大量实验,实验结果证明本文提出的加权贝叶斯WiFi定位算法相比于传统贝叶斯算法定位误差降低了51.9%,提出的融合WiFi与可穿戴惯导模块的定位方法具有更好的精度和稳定性,相比于纯PDR定位算法平均定位误差降低了65.2%,相比于完全利用手机实现的融合算法,在3种不同手机姿态下平均定位误差分别下降了12.3%、39.3%和48.4%。     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。     

基于地磁序列匹配的大型室内动态定位方法

基于地磁信号的定位技术无需架设信号发送设备,成本低且可覆盖室内定位范围广。针对室内地磁定位方法采集工作繁琐复杂需反复测量才能精准映射二维平面坐标点的现状,提出一种基于移动终端图像可视化映射和自动插入采集数据的方法,快速采集室内地磁指纹,动态建立匹配室内二维地图的指纹数据库。在此基础上,定位阶段使用改进的动态时间规整(DTW)算法进行地磁序列匹配,提高大型数据库的动态定位效率。后续采用粒子滤波算法融合地磁序列定位和行人航位推算(PDR)的结果,在智能移动终端载体上实现快速精准定位。实验结果表明该动态定位方法在大型室内区域的动态实时跟踪定位效率为每步65 ms,平均定位精度为1.4 m以内。     

故障修复增强的抗差滤波 PDR/ GNSS 行人导航方法

针对复杂环境下智能手机卫星信号容易受到干扰而引起组合导航精度降低的问题,提出一种基于故障修复的抗差滤波 行人导航方法。 该法首先利用等价权因子实时调整观测权值,以有效地减少观测粗差对组合导航精度的影响。 其次,针对松组 合系统没有观测冗余的模型局限性,将抗差扩展卡尔曼滤波检测区间分为无故障、偏离和异常 3 段。 无故障时,不做处理;出现 偏离时,对观测值进行降权处理;异常情况下,利用预测新息对故障进行幅值修复,进而修正观测值。 实际实验结果表明,当 GNSS 出现单历元故障时,经典的抗差滤波方法能够有效提高智能手机 PDR/ GNSS 组合导航定位精度,其北向最大误差由 7. 27 m 减小为 3. 20 m,东向最大位置误差由 24. 01 m 减小为 6. 60 m;在 GNSS 出现多历元连续故障时,所提出的故障修复增强 的抗差滤波方法相比经典的抗差滤波方法的平均定位误差下降了 50% 以上。     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

基于因子图的 INS / UWB 室内行人紧组合定位技术

针对室内复杂应用场景下待定位行人接收到的超宽带(UWB)测距信息数量不确定问题,提出一种基于因子图的INS/UWB室内行人紧组合定位算法,实现对动态随遇接入与退出的UWB量测信息有效融合。首先,基于室内行人运动模型以及UWB量测模型构建INS/UWB紧组合因子图模型,由于对行人位置与速度同时进行建模估计,导致该因子图模型含有环结构。在此基础上,针对有环因子图模型基于和积算法(SPA)通过两次迭代推导因子图中各节点间消息传递算法,计算行人位置与速度的后验概率密度。进一步,针对特殊量测矢量条件下因子图算法定位误差跳变问题,提出一种基于坐标变换的因子图改进方法,从而有效提高行人位置与速度估计精度。仿真结果表明,本文提出的INS/UWB紧组合定位算法可以有效融合动态随遇接入与退出的UWB测距信息。在满足计算量与内存消耗需求的前提下,与变结构多模型扩展卡尔曼滤波(EKF)相比,本文提出算法的定位精度与速度估计精度可以分别提高14.94%与56.42%。     

基于小波的无人潜航器航位推算算法研究

针对无人潜航器(unmanned underwater vehicle,UUV)在多普勒计程仪(Doppler velocity log,DVL)的量测噪声以及安装角偏离误差影响下,自主航行时不能满足长时间导航定位的问题,一方面基于Mallat算法的小波分解和单层重构方法对DVL量测速度进行滤波;另一方面,利用UUV湖试数据对传感器的安装偏离误差进行了校正。针对UUV在高纬度、长时间航行特点,采用地球参考椭球体作为地球几何形状的数学描述。最后对提出的导航算法进行了算法验证及自主导航控制试验,结果表明UUV的自主导航定位精度均小于0.5%,满足设计要求,并优于改进前的航位推算算法。