结合数字地图的GPS／DR车载双星定位系统

目前GPS的定位技术已经比较成熟,然而GPS正常工作时需要四颗可见卫星。本文提出了一种基于高精密数字地图的GPS双星定位系统,结合航位推算系统进行组合导航,并运用卡尔曼滤波对组合导航的信息进行滤波处理,有效提高定位的精度。试验证明,该算法增强车载导航系统在城市中复杂环境的适应性,并提供满足要求的定位精度。     

车辆GPS/DR/GIS组合导航定位系统

随着GPS、DR导航定位技术的日益发展,以及GIS技术广泛应用,三者之间的结合应用于车辆导航定位已成为必然。首先分析了当前采用不同定位技术的导航系统的特点,并提出了基于DPGS／DR／GIS组合技术的车辆导航定位系统,从整个组合导航系统结构等方面介绍了整个系统的硬件和软件组成及其各部分的特点和功能。该系统的提出是对我国车辆智能导航系统开发的一种新尝试。     

车辆GPS/DR/GlS组合导航定位系统

随着GPS、DR导航定位技术的日益发展,以及GIS技术广泛应用,三者之间的结合应用于车辆导航定位已成为必然.首先分析了当前采用不同定位技术的导航系统的特点,并提出了基于DGPS/DR/GIS组合技术的车辆导航定位系统,从整个组合导航系统结构等方面介绍了整个系统的硬件和软件组成及其各部分的特点和功能.该系统的提出是对我国车辆智能导航系统开发的一种新尝试.     

车载GPS与双DR组合定位系统的设计与实现

本文通过分析GPS和航迹推算(DR)进行车辆定位导航的优缺点,提出GPS与双DR组合定位的系统方案,并且介绍了该系统的硬件和软件实现方法。跑车实验结果表明所设计的车载组合定位系统具有较高的精度和可靠性。     

基于GPS/DR的GPS滞后时间自适应检测算法

针对GPS输出信息的随机延迟特性,基于航位推算(DR)系统惯性器件的实时性与短时高精度,提出了航向差和速度自适应GPS滞后时间检测方法,在此基础上,对GPS和DR数据进行数据对准,提出了自适应GPS滞后时间处理算法。在GPS/DR实际系统中的应用结果表明,本算法能够准确检测出GPS的滞后时间,提高车辆的定位精度。     

北斗/DR组合导航融合算法及其在物流中的应用

介绍了我国自主研制的北斗卫星导航定位系统.针对该导航定位系统中存在的问题,以无惯性测量元件的DR作为其补充定位方式,设计了北斗/DR组合导航定位系统,并找出了一种组合导航定位的卡尔曼滤波算法,有效地提高了组合导航系统的定位精度.提出了将北斗/DR组合定位系统应用于现代物流管理信息系统的解决方案,分析了将北斗定位系统应用于现代物流管理的优势.     

一种低成本GPS/DR组合导航系统设计

根据车载导航的特点,运用单自由度的加速度计代替里程计,提出一种基于低成本的单陀螺仪单加速度计的航位推算(DR)方案。航位推算短时精度高,但误差会随时间积累而变大,DR与GPS导航利用扩展型卡尔曼滤波,形成GPS/DR组合导航系统,融合2个系统的优势,完善导航能力。实际测试结果表明,该GPS/DR组合导航系统能满足车载导航的基本需求,在城市峡谷中有较高的定位精度,且在GPS信号遮挡时能保持定位。     

一种基于DR/GPS/MM的组合定位系统数据融合算法

针对盲区中使用INS惯性导航系统进行定位存在误差积累的问题,提出一种基于DR航位推算、GPS全球定位系统和MM地图匹配的组合定位系统数据融合算法。该算法利用GPS和MM中得到的位置信息,一方面用于更新DR的定位信息,另一方面用于修正陀螺仪比例因子和里程表比例因子等参数,提高定位精度,防止DR系统推导的车辆定位误差的积累。通过MATLAB进行仿真实验,验证了此算法的有效性。实验结果表明,此算法可以有效约束INS的误差积累,提升导航系统的性能。     

基于拟合道路矢量方程的GPS双星定位系统

随着GPS技术的发展与成熟,GPS的应用也越发广泛。然而在中小型城市社区的应用中,还存在道路信息不足及由于天气或建筑遮挡,卫星数不足3颗,导致GPS定位无法工作的情况。提出了一套GPS系统解决方案,采用自测数据进行道路拟合,并结合道路矢量方程进行GPS双星定位。该系统在校园环境中进行测试,结果证明该系统提供了更好的定位服务。     

基于粒子滤波的GPS/DR组合导航算法研究

对于车载GPS/DR(全球定位系统/航位推算)组合导航系统的算法研究,大多采用扩展卡尔曼滤波,但是应用扩展卡尔曼滤波时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差.为此将粒子滤波算法用于车载GPS/DR组合导航系统中,并建立了GPS/DR组合导航系统的状态方程和观测方程.为了检验其有效性,将两种方法分别对车载GPS/DR组合导航系统进行滤波仿真,仿真实验结果表明粒子滤波比扩展卡尔曼滤波有更好的滤波效果,更能减少定位误差.     

????GPS/ DR?????????λ??

While GPS is practical currently, it needs more than 4 observed GPS satellites to work. This paper presents an integrated navigation system based on the information provided by digital map, including two-satellite positioning based on the information provided by the digital map and DR system and its filtering algorithm. Experiments show that the integrated navigation system can provide precise positioning result and enhance the adaptability of vehicles in the complex environment of cities.     

采用加速度传感器技术实现盲区定位的研究和开发

GPS是目前应用最广泛的定位技术,但动态环境和遮挡区域会造成接收机不能捕获和跟踪GPS信号,导致GPS功能失效,从而无法进行正常定位。采用加速度传感器与GPS相结合的方式,在GPS获得初始基准位置后,利用多种加速度传感器获取人员方向和速度等位置信息,根据获得的人员位置信息进行定位航位推算,从而实现在GPS盲区的定位。     

组合导航系统NNM信息融合算法

提出了将神经网络模型（NNM）概念应用于组合导航系统，并给出了基于RBP网的NNM训练过程，基于传统模型的卡尔曼滤波算法与神经网络相结合，有效地解决了GPS信号被屏蔽时的航迹预测问题，最后对GPS/DR组合导航系统进行动态仿真，仿真结果表明，采用该算法的组合导航系统定位精度高、可靠性好。     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

基于WT-UKF 的PDR/GPS 组合定位算法

针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定性更强, 精度更高.     

车载GPS/DR/MM组合导航定位算法研究应用

虽然GPS/DR组合定位比单独用GPS或航迹推算DR(Dead Reckoning)定位有更高的定位精度,但由于累积误差的产生,长时间使用仍可能出现较大的偏差,不利于车辆导航.对此,提出一种基于模糊逻辑的地图匹配算法,利用模糊逻辑评判规则和相应的隶属度函数对地图匹配可信度进行综合评判,最终确定车辆当前行驶道路和车辆的位置.实验数据表明,地图匹配MM(Map Matehing)技术进一步修正了GPS/DR组合导航系统的定位结果,有效地提高了系统定位精度.由于不增加硬件设施,GPS/DR/MM组合导航定位使低成本高精度的车辆导航成为可能.     

基于改进UKF的GPS非线性动态滤波研究

为了提高动态定位精度,将一种改进的UKF(Unscented galman Filter)算法应用在GPS非线性动态定位解算中.将UKF算法与IEKF(Iterated Improved Kalman Filter)算法相结合,因此保持了基本UKF算法易于实现和收敛速度快的优点,同时由于滤波值是通过迭代扩展的卡尔曼滤波机制得到,进而更新值能更准确的逼近非线性系统状态概率密度函数,具有更高的精度.应用于GPS非线性动态滤波定位中,仿真结果表明:与UKF算法相比,算法能够明显提高定位精度.     

GPS动态定位中卡尔曼滤波模型的建立及其强跟踪算法研究

提出一种改进的强跟踪卡尔曼滤波算法,应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,具有模型简单、实时性好的特点。为了进一步提高滤波器的动态性能,改进了文献[1]中的强跟踪滤波算法,大大提高了滤波器的跟踪能力。     

室内环境约束的行人航向粒子滤波修正方法

在传统的基于航位推算和卡尔曼滤波的室内行人定位算法中,存在着航向误差累积的问题,这使得位置误差也会不断累积。针对这个问题,提出了室内环境约束的行人航向粒子滤波算法来修正方向误差。首先,将室内地图信息抽象成线段表示的结构体,将地图数据动态地融合到粒子补偿以及权重分配的机制中：其次,通过关联地图数据与待校准样本构建航向自修正机制;最后,通过关联地图数据与粒子落点构建依距离赋权机制。此外,该算法还简化了粒子滤波模型,将航向作为唯一状态量进行优化,在提高定位精度的同时降低了状态向量的维度,进而降低了数据分析处理的复杂性。通过融合室内环境信息,该算法有效地抑制了方向误差的持续累积。实验结果表明,与传统的卡尔曼滤波算法相比,所提算法能够明显地提高行人定位精度和稳定性,在距离为435 m的二维行走实验中,航向误差由15.3°降低到0.9°,终点位置绝对误差由5.50 m降低到0.87 m。