基于图像匹配与WiFi信号匹配的室内PDR定位方法

由于智能手机中存在丰富的传感器，可对周围环境进行感知并进而估计位置。本文提出一种融合室内定位方法，融合的信息包含图像信息、WiFi信号指纹信息以及惯性数据观测信息。通过实测实验结果表明，本文提出的方法相比于惯性定位、WiFi定位、图像匹配定位三种单一的定位方法，定位精度分别提高了48%、24%和4%。相比于经典WiFi和图像融合方法，平均定位时间下降了92%。相比于经典融合方法，定位的精度提高了0.7 m,并且平均定位时间下降了87%。     

基于平滑滤波的多传感器异步融合方法研究

无人巴士在定位循迹过程中，采样信号受噪声方差、带宽和采样率的影响，易出现信号缺失或间断现象，加之相关滤波算法缺乏异步采样和平滑能力，导致定位失败。为了提高定位精度并补充缺失数据，本文基于异步扩展卡尔曼滤波和非因果滤波平滑，提出一种改进的传感器异步采样融合平滑算法。首先利用异步扩展卡尔曼滤波对连续时间随机微分方程进行指数离散化，以处理任意时刻的测量值，预测更新下一时刻状态值之后，引入非因果滤波平滑给定可用的初始方差信息，使噪声方差影响更小，估计性能更好。将本算法在无人巴士上进行物理实验验证，结果表明这种多传感器异步融合平滑算法在车辆行驶中效果良好，与异步卡尔曼滤波算法结果相比，可以达到优于05 m的定位精度，数据预测误差均有明显降低，提高了定位精度和补充缺失数据。     

一种基于GPS定位数据的测距方法

提出1种基于GPS定位数据进行轨迹确定和测距的方法。针对GPS定位数据存在的误差,首先对接收到的GPS数据进行预处理,即飞点去除、数据滤波、数据判断,然后进行轨迹确定和测距计算。数据滤波采用分散卡尔曼滤波方法,提高处理速度,数据处理结果表明通过定位补偿和卡尔曼滤波,提高了定位数据的精度,样条插值和曲线积分则较好的对定位数据进行了轨迹输出和测距计算。通过几种数据处理方式的结合,对GPS定位数据进行了有效处理,具有较好的实用价值。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

基于投票机制的室内WiFi指纹定位算法

针对传统室内WiFi指纹定位算法中单个距离度量的局限性且未考虑到dBm表示与功率之间的关系的问题，提出一种基于投票机制的室内WiFi指纹定位算法。在采集到接收信号强度（RSS）数据后，首先，对RSS数据进行预处理；然后，基于投票机制对每种距离度量选中的近邻点取交集组成公共近邻点，并统计每个公共近邻点出现的频率；最后，通过概率加权得到最终定位结果。实验结果表明，所提出方法的定位精度为1.63 m，与K近邻（KNN）、斯皮尔曼（Spearman）和肯德尔相关系数（KTCC）方法的定位精度相比，平均定位精度分别提升了10%、33%和58%。此外，与MAN2数据集中的最优定位精度1.86 m相比，定位精度提高了12%。     

基于联合卡尔曼滤波的配电网多源异构数据融合

由于传统方法没有对配电网多源异构数据采集的时间进行配准,导致配电网多源异构数据融合时误差大、效率低。针对该问题,提出了基于联合卡尔曼滤波的配电网多源异构数据融合方法。构建了数据纠偏机制,采用最小二乘法对数据采集的时间配准,并采用拉格朗日插值方法对时序数据填充,计算数据关联性。在此基础上,采用联合卡尔曼滤波算法将相同数据融合到同一个类中,以此实现配电网多源异构数据融合。实验结果表明,所研究的数据融合方法不仅能够根据需求一直追踪需求的融合误差,还能够降低节点电压与功率估计的相对误差、提高配电网多源异构数据融合的效率。实验结果不仅证明了所研究融合方法的有效性,还证明了联合卡尔曼滤波算法在数据融合中的适用性。     

多信息融合定位的自动导向车鲁棒导引控制

为了实现自动导向车(automatic guided vehicle,AGV)的高精度导引控制,设计其双磁传感器测量系统,提出结合自适应卡尔曼滤波定位和滑模变结构控制的路径跟随控制器。利用扩展卡尔曼滤波融合里程计和磁传感器的测量数据,提高了系统的定位精确度,采用单神经元网络在线估计测量系统的噪声协方差,使得该方差接近实际噪声统计特性,增强了扩展卡尔曼滤波的性能和适应性。滑模控制不但保证控制器精确度,还有效地消除了系统未知控制输入扰动的影响,其设计过程基于Lyapunov方法,保证系统的稳定和渐近收敛。仿真结果表明了该控制器的有效性。     

一种基于信道状态信息的智能家居 防盗监测方法

信息技术飞速发展不断提高人们的生活水平,传统的家居防盗方法已经不能满足人们的需求,而基于传感器和视频图像的智能家居防盗监测方法具有安装不方便、涉及隐私和不易处理遮挡的问题。为弥补当前无线信号对于智能家居防盗监测的空白,本文提出一种基于WiFi信道状态信息的智能家居防盗监测方法。通过采集WiFi信号的信道状态信息,利用卡尔曼滤波实现数据的去噪,采用K最邻近算法进行分类,最终可以实现静态、开门、开窗3种室内环境的监测,达到智能家居防盗监测的目的。     

基于ZigBee无线传感器网络的煤矿监测系统

设计了基于ZigBee无线传感器网络的环境参数检测与人员定位为一体的煤矿井下安全监测系统.系统利用安装于矿井现场的ZigBee节点采集井下多种环境数据(瓦斯、CO、温度、湿度),采用三边定位方法基于测距的无线传感器网络实现三维空间的人员定位,并利用卡尔曼滤波算法修正量测过程中的随机误差,以提高定位精度.检测信息通过工业以太网传送至地面监控主机,主机分析软件实现数据的存储、并为监控人员提供实时的矿井环境信息和人员位置信息.现场测试结果表明本系统运行稳定、功耗低、定位精度高、信息传输可靠.     

多MEMS陀螺数据融合方法性能比较

MEMS陀螺的体积小、成本低,便于集成,但其低精度极大的限制了MEMS陀螺在实际中的应用。利用多传感器融合技术进行误差补偿可提高MEMS陀螺的测量精度,人们提出了多种数据融合方法用于改进MEMS陀螺的测量精度。对多尺度融合方法、卡尔曼滤波融合和小波阈值融合方法进行比较分析。理论分析与实验结果表明,多尺度融合算法相比卡尔曼滤波融合和小波阈值融合方法在标准差、信噪比、功率谱及Allan方差等方面性能获得了较好的效果,其适用范围更宽。     

Galileo导航滤波器设计

针对Galileo系统提出扩展卡尔曼滤波器算法。该算法从Galileo接收机输出的定位结果入手,采用当前统计模型,利用线性卡尔曼滤波器进行动态定位数据的处理。本模型简单,实时忡好,滤波后定位精度得到提高。仿真结果证明该模型是有效的。     

基于信号统计模型的变电站半遮挡融合定位方法

变电站存在建筑遮挡和电磁干扰等问题,这导致传统的基于电磁波定位的人员管控方法精度快速下滑。为避免因单传感器定位精度劣化而导致的电力安全管控效率降低问题,研究基于多源信息融合的巡检人员位置估计技术至关重要,而现有融合定位方法大多难以在地图信息未知的条件下鲁棒地选择传感器融合策略,因此文中提出一种基于卫星和近超声信号特征分析的融合定位方法,仅依靠信号统计特征实现环境信息判别并自适应选取融合策略。首先,利用多传感器信号特征统计模型构建指纹库,并基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)降维算法和密度峰值聚类(density peaks clustering,DPC)算法处理指纹库数据。其次,依据聚类结果搭建反向传播(back propagation,BP)神经网络,将信号环境特征与卡尔曼滤波器的参数映射。最后,使用神经网络输出优化基于卡尔曼滤波的多源定位切换模型,形成自适应的融合定位方法。利用真实变电站半遮挡环境采集数据进行实验,结果表明,相较于未知环境信息、已知环境信息的融合定位方法,所提出的方法在地图信息未知的情况下节约了地图标定信息,实现了高鲁棒的位置估计。     

改进的自适应卡尔曼滤波在北斗伪距单点定位中的研究

针对加权最小二乘法定位精度不高,卡尔曼滤波对初始位置敏感以及噪声协方差固定不变的缺点,提出了一种将加权 最小二乘法和改进的卡尔曼滤波相结合的伪距单点定位解算方法。 该方法首先利用加权最小二乘法解算出接收机初始位置, 然后将该位置作为改进的自适应卡尔曼滤波的初始值,再建立动力学模型来进行滤波。 实验结果表明基于移动窗口协方差估 计的自适应卡尔曼滤波相比于传统卡尔曼滤波,能将单点定位精度提高 50%,收敛速度也提高了 90%。 该算法可以用在对精 度要求不高的民用导航和定位中。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

改进卡尔曼滤波在北斗伪距定位中的研究

针对最小二乘迭代法定位精度不高和卡尔曼滤波迭代收敛次数较多并对初始位置过于敏感的缺点,采用最小二乘迭代法和改进的卡尔曼滤波相结合的模型方法,该算法先用最小二乘迭代法对初始位置进行定位,再用改进的卡尔曼法进行滤波,仿真结果表明,该算法与最小二乘迭代法、卡尔曼滤波法、最小二乘和卡尔曼滤波结合等现有算法相比,其迭代5次达到收敛,迭代次数最少,且定位精度提高了60%。该算法可在北斗伪距定位上进行应用,可用于导航定位、也可用于网络RTK初始位置的定位。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

井下人员超宽带精确定位算法

针对恶劣的井下环境易对超宽带信号造成干扰导致现有井下人员定位算法误差较大的问题,提出基于超宽带的SDS-TWR优化算法与鲁棒卡尔曼滤波结合的改进算法。该算法在一次定位周期内可测得定位标签到相邻基站的两个测距值,随后将其作为鲁棒卡尔曼滤波的两个观测值,旨在提高算法定位精度及稳定性、抑制巷道随机NLOS时延误差。仿真实验表明,在同等条件下,本文算法较S-TDOA法误差降低35%,较异步测时法误差降低31%,且误差波动较小,同时抑制了巷道NLOS时延误差,有效提高了井下人员定位精度。     

IMM在煤矿井下轨道火车实时定位中的应用

针对煤矿井下轨道火车所处的特殊环境,及其不同的运动状态（机动、非机动）,传统卡尔曼滤波在井下实时定位系统中不能很好反应滤波误差问题。提出了交互多模卡尔曼滤波（interaction multiple model Kalman filter , IMM-Kalman）数据处理方法。采用IMM-Kalman滤波对基于Wi-Fi和微惯性单元进行组合定位算法估算出轨道火车的位置进行滤波处理。经过仿真验证IM M-Kalman滤波能有效地减少实时定位滤波误差,然而能提高系统的实时性和定位精度。     

基于联合卡尔曼滤波的多传感器信息融合算法及其应用

针对常见卡尔曼滤波器在处理多传感器组合系统的数据时,存在计算量大和故障数据相互污染的问题,提出了一种应用联合卡尔曼滤波技术进行多传感器信息融合,以求得参数最优估计的方法。文中首先对联合卡尔曼滤波的基本原理和4种主要结构方式进行了论述和分析,然后给出了融合算法的实现,最后以多传感器组合导航系统为例,对其进行计算机仿真。结果表明,该方法可有效提高计算的精度和可靠性,具有较好的容错性和环境适应性,有效高的工程实用价值。