多传感器融合定位在高速铁路的应用

分析了高速铁路列车运行控制系统对列车定位技术的要求,针对我国铁路的具体情况,提出了GPS/DR/MM的组合定位方案。该方案将利用卡尔曼滤波技术进行多传感器数据融合,以平原地区采用GPS单独定位,信号遮挡区采用DR定位,站内采用查询应答器进行定位的方法,利用GPS和DR相互补足的特点,得到精度较高的定位数据,再将获得的组合定位数据与电子地图进行匹配,较一般列车定位系统相比,提高了列车测速定位系统的精度和可靠性。     

GPS组合导航系统的数据融合

首先介绍了车载GPS加上DR组合导航系统的设计,建立了车辆加速度及影响组合导航系统定位精度的主要误差的数学模型.然后针对一般组合滤波算法中,由于DR系统误差的引入,导致滤波效果不好的问题,提出了一种组合导航系统的数据融合.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该方法既能提高GPS定位精度,又能有效控制DR系统的误差发散,从而有效地消除了一般组合滤波算法中DR系统误差对滤波器的影响,大大提高了组合系统的完整性和可靠性.令GPS在如香港交通环境:道路狭窄且多弯、交叉线多且密集、街道两侧高楼林立、桥梁多且较密集、隧道多且长、地形类似丘陵且高山较多,而且车辆也多行驶速度又快的情形下变得可行.     

车载GPS/北斗/DR组合导航系统研究

针对移动车辆的定位与导航问题,研究了GPS/北斗/DR组合导航算法.文中采用坐标系变换及增加状态变量法对不同卫星星座进行了时空统一,并在此基础上研究了GPS/北斗卫星组合导航算法;为了克服卫星定位存在的不连续性问题,提出了GPS/北斗卫星导航系统与低成本的航位推算系统组合导航方案,设计了GPS/北斗/DR组合导航滤波器...     

智能车载终端数据处理的优化设计

通过分析传统的GPS和车辆航位推算导航系统定位方法的不足,提出使用GPS/DR组合导航技术来获取定位数据,并使用一种新的数据融合方法优化定位数据,通过CDMA 1X无线数据网络改善传输方式.经过实验验证,此优化方案为车辆的实时监控提供了稳定可靠的实时数据传输,提高了ITS系统的性能.     

BP神经网络在车辆组合导航中的应用研究

针对车辆GPS/DR组合导航系统在GPS信号被遮挡时无法完成DR零点更新的问题,提出了基于BP神经网络的DR位置误差预测模型来解决该问题。在GPS有效时,该算法采用基于平稳小波变换的扩展卡尔曼滤波器对GPS/DR信号进行数据融合得到车辆实时的精确位置,与经平稳小波变换软阈值模平方去噪法处理的DR位置数据进行平稳小波多尺度比较获得DR位置误差;然后用BP神经网络建立DR位置误差预测模型,为了提高所用网络的泛化能力,采用了贝叶斯正则化规则训练网络。在GPS失效时,利用已建立的预测模型预测DR位置误差来修复DR位置数据,实现车辆行驶在复杂路径下的实时精确导航定位。仿真表明,该算法对车辆GPS/DR组合导航系统有效。     

自适应线性神经网络在车辆组合导航的应用

针对车辆GPS/DR组合导航系统中位置误差预测难以建立精确的数学模型的问题,提出了自适应线性神经网络建立位置误差预测模型的方法。该方法对来自GPS、DR的位置数据采用小波去噪,在GPS有效时用GPS、DR的位置信号建立线性神经网络位置误差预测模型,在GPS失效时预测位置误差并推算车辆实时位置。仿真表明,该方法对车辆组合导航系统是有效的。     

红外数据传送装置在组合定位中的应用

采用DGPS／DR组合定位技术对车辆进行实时监测，可以获得较高的定位精度，目前已成功的应用于冶金钢铁企业，然而由于GPS信号极晚被干扰，使系统定位的精度，可靠性和稳定性受到影响，当GPS信号被长期干扰和屏蔽时，需要为其增加辅助校准手段以消除DR系统的累积误差，红外线数据传送装置（简称红外装置）就是为此目的而设计的。本文介绍了红外线数据传送装置的组成，工作原理，硬件设计，软件算法和性能分析，实地应用证明，红外线数据传送增加了系统的可靠性和稳定性，效果令人满意。     

基于当前统计模型的TCAS/ADS-B组合监视系统数据融合算法

比较了空中交通警戒与防撞系统(TCAS)和自动相关监视系统(ADS-B)的监视原理,构建了TCAS/ADS-B组合监视系统,对组合监视系统的监视区域进行了划分。采用当前统计模型的数据融合算法,得到了优化的TCAS局部轨迹估算和优化的ADS-B局部轨迹估算,以及优化的融合轨迹估算。仿真结果显示,最大优化融合位置误差为100 m,证明该组合监视系统可以提高目标飞机轨迹估算的准确度,从而提高TCAS的监视精度。     

基于融合算法的GPS/UWB/MARG协同定位系统研究

为了弥补在不同场景下切换时目标丢失的盲区,提出GPS/UWB/MARG的协同定位系统,实现城区建筑间混合场景下的无缝定位。在混合场景下采用一种加权融合算法实现GPS和UWB协同定位,MARG用以辅助提高GPS定位精度,先对单一子系统进行数据优化和性能分析后,以加权融合的方式处理GPS/MARG数据和UWB数据,自主判断在不同定位环境下的数据输出的最优定位信息。结果表明,协同定位系统在混合场景下平均定位精度相比于GPS/MARG系统提高了64%,定位精度更高同时拓展了单一定位系统的应用场景。     

基于小波分析与神经网络的组合导航的研究

针对GPS/DR组合导航存在GPS信号被遮挡时无法对DR零点更新以及运动的高动态性造成卡尔曼滤波难以完全适应数据融合的问题,提出采用联邦卡尔曼滤波器数据融合与小波变换和正则化神经网络的DR位置预测模型相结合的方法。该方法由联邦卡尔曼滤波器得到较为精确的导航信息,与利用小波变换在不同尺度上融合所得到的误差信号输入神经网络,经过训练获得预测误差,在GPS信号失效时与导航信息相加实现精确实时定位。仿真计算结果表明,该方法可以提高导航系统的精度和速度,该模式有较好的鲁棒性,具有实用价值。     

基于加速度传感器的GPS盲区内定位方案研究

文章提出了用加速度传感器和航位推算算法对GPS进入盲区后无法定位的情况进行修补的方法,并给出了基于双轴加速度传感器ADXL213和GPS进行车辆组合导航定位的系统软硬件设计方案.该方案可以提高GPS在现代城市中的定位完整性和可靠性.     

一种新型GPS/DR组合导航系统

利用三个陀螺仪和一个里程计提出一种新型GPS/DR组合导航系统。首先推导了这种组合导航系统的状态方程,然后给出了松组合方式的滤波方程。最后用实测算例对这种新型组合导航系统进行了验证,结果表明,相比于SINS系统、传统的DR系统,这种DR系统在车载系统应用中具有更好的优势;而且这种组合导航系统能够很好地提高单一导航系统的导航精度。     

Performance Enhancement of Low‐Cost Land Navigation System for Location‐Based Service

This work demonstrates a dead‐reckoning (DR) scheme for a low‐cost land navigation system and a DR/GPS system design using the sigma point Kalman filter (SPKF). Through an observability analysis and some simulations, it is shown that the performances of a stand‐alone DR system and DR/GPS system can be improved by employing the proposed DR scheme and SPKF. By using the designed DR scheme and filter, the stand‐alone DR system does not have any undetectable errors occurring on the curve trajectory. And the DR/GPS system can provide a stable and seamless navigational solution even in the case where the initial heading estimation error is large, such as 160 degrees, or when the GPS signal is unavailable due to tunnels, buildings, and so on. Simulation results indicate a satisfactory performance of the proposed system.     

基于GPS/GIS/DR的低成本车载导航仪研究

惯性器件与全球卫星定位系统(GPS)的组合导航成为目前车载导航的主流.无论在精度、性能、可靠性等各方面,GPS/DR组合导航系统都优于单独的GPS导航系统.在GPS信号丢失时,车载导航仪(GPS/GIS/DR)能利用陀螺自主导航,不间断提供导航信息并保持跟踪.     

GPS/DR组合导航性能增强技术

为了提高全球定位系统(GPS)信号短时中断时地面车辆自主导航精确度,提出了GPS信号中断时采用车辆不完全约束条件和里程仪速度信息作为量测,辅助惯性导航系统实现车辆航位推算(DR)自主导航的方案;推导了该方案的GPS/DR组合导航的卡尔曼滤波方程;并进行了计算机仿真研究和地面车载试验,结果显示GPS信号中断90 s,DR自主导航误差为20 m,能够满足部分地面车辆短时高精确度自主定位要求。     

基于ICSM-UKF算法的UCAV目标状态估计

针对在UCAV对运动目标状态估计时,"当前"统计模型(Current Statistical Model,CSM)中加速度上下限在采样周期内为常数的不合理性,应用模糊自适应控制理论,提出了一种改进的"当前"统计模型(Improved Current Statistical Model,ICSM),给出了模糊隶属度函数;对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)不具有应对量测噪声统计不精确或未知的自适应性,提出了一种带量测噪声统计估计器的自适应UKF算法;将ICSM-UKF算法与基于"当前"统计模型的EKF算法进行了对比仿真,仿真结果表明该算法具有滤波精度高、稳定性强的优点。