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%。     

GPS/BDS和IMU融合技术在无人配送车定位解算中应用研究

为了提高无人配送车定位精度,将GPS/BDS和惯性测量单元（IMU）多传感器融合技术用于无人配送车定位系统。为了解决GPS/BDS和IMU定位解算时产生的信号缺失和累计误差而导致的定位精度不高,抗干扰差等问题。本文采用CKF算法将GPS/BDS和（捷联惯导）SINS解算出的定位结果进行滤波处理,从而提高定位精度。当GPS/BDS定位接收模块信号缺失时,将IMU提供的数据结合SINS算法解算出无人配送车的当前位置;在IMU定位过程出现的累计误差问题处理上,利用CKF处理过GPS/BDS接收机数据进行矫正。为了验证融合GPS/BDS和IMU的定位解算方法的优越性,实验中使用单个BDS定位系统进行定位结果比较。实验结果表明,使用本文所述方法速度误差减少了27.89%,位置误差减少了38.81%,能有效提高无人配送车在配送物品的过程中定位的精确度和稳定性。     

基于自适应峰值检测的PDR算法研究

针对传统的行人航迹推算（PDR）算法只能用于正常行走的单一状态，难以满足实际应用需求，提出了一种基于自适应峰值检测的改进PDR算法。该算法将行人运动模式分为行走和跑步两种状态，充分考虑行人运动过程中加速度峰值和运动状态的关系，通过实验获得不同运动状态下的加速度峰值，从而设置动态阈值，实现不同状态下的计步检测和步长估计。将改进的PDR算法应用于行人定位，利用微惯性测量单元（IMU）获取的行人的运动数据，使用改进的峰值检测法对行人进行计步检测和状态识别，根据行人的运动状态采用自适应步长估计公式对步长进行估计，最后结合计算的航向得到行人的位置信息。实验结果表明，改进PDR算法具有良好的鲁棒性和较高的步态识别率，相比于传统的PDR算法，闭环误差降低了142%，有效提高了行人定位结果的精度。     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

关于 PDR 算法步长估计模型的改进研究

为了更加精确地判别基于微惯性测量单元( IMU)的行人定位信息,本文深入研究了传统行人航迹推算(PDR)算法模 型,发现传统算法所采用的判别条件单一且精准度不高。 针对传统算法中步长估计模型不准确的问题,本研究首先提出一种基 于扩展卡尔曼滤波的误差补偿优化算法,以实现 IMU 内集成的加速度计、陀螺仪等传感器的误差补偿。 将优化后的原始数据 放入 BP 神经网络算法对单参数步长估算经验模型进行训练。 实验结果表明,基于 BP 神经网络融合基础模型的步长算法相比 单纯的基础步长模型,闭环精度提高了 0. 3%以上,开环误差减小了 8. 5 倍,基于 BP 神经网络的改进 PDR 算法可以有效抑制惯 性算法的误差发散。     

电力作业场景中一种高效的UWB和IMU融合定位算法

在电力作业场景等复杂环境中,超宽带（UWB）定位存在非直达情况（NLOS）性能下降严重的问题,利用UWB与惯性测量单元（IMU）融合可以改善定位精度,但IMU的测量存在误差累积,需要精确的UWB测量校正。对NLOS条件进行准确的鉴别和利用有助于定位精度的提升。提出一种基于扩展卡尔曼滤波（EKF）的UWB/IMU融合算法,利用电力作业场合中UWB测量分布性质来判定NLOS条件,并进行误差的缓解,有效提升NLOS条件下的定位精度。由于该算法不需要对环境有先验知识,也不需要进行IMU校正等操作,可用性较好。理论和实验结果表明,该算法的性能优于其他基线系统。     

一种面向AHRS的改进互补滤波融合算法

针对三轴陀螺、三轴磁强计和三轴加速度计等MEMS传感器所构成的AHRS系统对全局环境下的姿态检测问题,在分析线形融合滤波器、Kalman滤波器的缺陷基础上,对互补滤波器的IMU姿态解算算法进行拓展,通过磁场计测量数据在全局坐标系下水平分量的求解,获得了传感器偏航方向的姿态角,从而构成了完整的三维空间姿态测量系统。并基于硬件实验验证算法有效消除陀螺漂移和加速度及地磁场干扰的可行性。     

基于基坐标变换的立体阵列的电站锅炉泄漏定位SI算法

火电站锅炉炉膛管道泄漏严重危害电站的安全和经济运行.目前的炉膛泄漏定位方法的定位精度低,导致工作量大,因此引入声学测量法,优点在于其可用于高温环境、利于在线实时监测、可远程监测.在声学测量的基础上引入基于立体阵列的球型插值法(SI),该算法的定位精度较高并且运算量小.基于SI算法的前提下,选用的立体阵列的定位精度远远高于平面阵列.同时首次采用基坐标变换法来避免理论中负时延值的出现,实际测量中,无法测得负时延值.使用上述方案能有效提高定位精度,基本能保持现场的定位误差在1m以内,可大大减小查缺工作量,缩短停炉时间,带来可观的经济效益.     

基于惯性传感的人员行进动作识别方法

人员行进动作的识别对于行人航位推算(PDR)的计算精度有至关重要的影响。将连续的行进过程依据零速率修正点(ZUPT)划分为单步动作后,准确的动作识别是PDR系统的难题之一。将惯性测量单元IMU固连在胫骨中间外侧位置,采集了大量人员行进过程胫骨运动的加速度和角速度,建立了用于行进动作识别的惯性传感数据库。通过对人员的平地行走、上楼梯和下楼梯的惯性传感数据的分析,建议了一种结合运动特性寻找行进过程中零速率修正ZUPT点的方法。在完成单步步态划分的基础上,提出了一种基于支持向量机(SVM)理论,并采用惯性传感数据作为特征的SVM行进动作分类器。经大量人员行进实验验证,所建议的动作识别方法对于区分行走、上楼梯和行走、下楼梯,精度分别达到96%和85%。     

A car test for the estimation of GPS/INS alignment errors

Misalignment can be an important error source in the integration of the global positioning system (GPS) and inertial navigation systems. This paper presents car test results on the estimation of alignment errors in the integration of a low-grade inertial measurement unit (IMU) with accurate GPS measurement systems. The car test was conducted with a low-cost solid-state IMU and carrier-phase differential GPS measurement systems. Test results showed that changes in the angular velocity improve the estimation of the lever arm between the GPS antenna and IMU. They also showed that changes in acceleration improve the estimation of the relative attitude between the GPS antenna array and IMU. The lever arm was estimated with a 10-cm error. The relative attitude was estimated with a half-degree error. An iterative scheme was used to improve the estimation of the alignment errors during postprocessing. The scheme was shown to be useful when the test car could not have sufficient changes in motion due to limitations in its path. With the given set of test data, the estimation error decreased as the number of iterations increased.     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

基于形态学滤波的惯导里程定位方法研究

针对于捷联惯导系统(SINS)测量过程中异常数据对测试精度影响的问题,文中提出了一种基于形态学滤波的高精度惯导里程定位方法。系统利用所提出的三角形形态学滤波的方法对惯性测量单元(IMU)的测量数据进行修正,减少测量数据中的异常值,利用基于里程计校准的惯导定位方法对经过形态学滤波预处理的数据进行计算,实现对被测管道路径的精确定位。为了了解经三角形形态学滤波后的惯性导航定位效果,对104 m的管道进行了模拟对比试验。由试验结果分析表明,经三角形形态学滤波预处理后,系统水平方向的测量精度由原来的0.58%提高到0.29%,增长了1倍;高度方向的测量精度由原来的0.096%提高到0.077%,提高了24.6%,取得了良好的效果。     

超大型地面天线辐射特性实地测量技术

针对口径超过 10 m 的超大型地面天线由于极高成本难以进行精确测量的难题,提出了基于无人机的平面近场实地测 量方法。 首先对无人机散射、定位精度及测量场区选择等影响天线实地测量结果的主要因素进行了仿真分析,确定了测量区 域。 采用多旋翼无人机和高精度飞控技术,在高性能无人机最好 20 mm 飞控精度、5 mm 测量精度的条件下,进行了天线实地测 量系统的射频链路设计,并给出了两种近远场数据变换方法,可以有效解决在较高频段无人机定位精度差导致测量结果不可信 的问题。 采用实例分析验证了方法的有效性,为超大型地面天线低成本精确测量提供了较好的解决途径。     

基于多重渐消因子变分贝叶斯的陀螺阵列融合算法

针对由多个MEMS陀螺仪组成的阵列系统在动态情况下噪声时变导致输出精度低的问题，提出了新的动态滤波模型和滤波方法。通过分析MEMS陀螺的误差特性和对角速度进行动态建模，构建了基于角速度估计的阵列陀螺随机误差动态滤波模型。由于动态情况下模型的不确定性导致传统方法精度较差，设计了一种多重渐消因子变分贝叶斯自适应卡尔曼滤波算法，利用变分贝叶斯思想和强跟踪理论提高了滤波器量测噪声估计精度、收敛速度和鲁棒性。最后在高精度转台上进行了静态实验和动态实验。实验结果表明：在静态条件下，“虚拟陀螺”方差降低为单个陀螺的4%，零偏不稳定性降低为47.2%；在动态条件下，“虚拟陀螺”能有效跟踪角速度的变化且角速度残差方差降低为单个陀螺的6.2%。该滤波算法能有效提高MEMS陀螺阵列系统的输出精度。     

基于ARM的角位移测量系统研制

为了实现角位移的高精度测量,研制了一种基于ARM的角位移测量系统.该系统以ARM9处理器S3C2410为核心,一方面控制旋转编码器采集角位移信号;另一方面通过USB接口与计算机通信,实现命令与数据的传输.在上位机利用C#编写应用程序,绘制并显示角位移、角速度和角加速度曲线.通过实验证明,该系统能快速准确对旋转体运行状况...