基于改进卡尔曼滤波的北斗GPS联合定位算法

在观测条件较差的情况下,单系统卫星可见性不佳,导航定位精度降低甚至无法定位,组合卫星导航系统增加了可见卫星数,可以改善定位结果。本文对BD2/GPS组合定位算法进行了研究,建立了联合差分定位系统在初始化阶段和解算阶段的数学模型,并将平方根平淡卡尔曼滤波算法应用于建立的联合差分定位系统,实验结果表明,该算法有效提高了卫星定位精度和稳定性。     

基于CPS架构的旋翼无人机组合定位建模研究

针对在特殊地区连续导航和组合导航冗余技术的问题,提出基于信息物理融合系统架构的BDS/GPS/SINS组合导航的旋翼无人机定位方案。以六旋翼为运载体,采用超紧组合导航结构和联邦式滤波结构建立模型,通过Simulink虚拟定位仿真,得到较为精确的位置信息。进一步搭建旋翼无人机物理融合定位系统实验平台,该平台的BDS/GPS接收机接收由NSS8000多星群模拟器提供的虚拟卫星导航电文信号,方便用户对CPS虚拟和现实环境的人机交互界面进行操作。通过定位信息融合进行基于BDS/GPS/SINS超紧组合导航的室内飞行实验,失星下定位精度都能达到2.0?m±0.5?m。仿真和实验结果表明,该定位系统具有信息物理融合的鲁棒性和安全可靠性。     

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。     

基于GPS/ DR的车载双星定位系统

目前GPS的定位技术已经比较成熟，然而GPS正常工作时需要4颗可见卫星。该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，对组合导航的输出信息综合滤波。试验证明，该算法增强了车载导航系统在城市复杂环境中的适应性，提供了满足要求的定位精度。     

磁通门与GPS组合导航在水下航行器的应用

为了实现水下航行器的精确导航,利用磁通门罗盘和GPS组成了组合导航定位系统,介绍了组合导航定位系统的工作原理.为了克服环境干扰对GPS信号接收的影响以及GPS的定位偏差对导航系统的影响,采用了卡尔曼滤波技术进行了航位推算并对GPS的定位偏差进行了校正,最终的仿真结果表明该组合导航定位系统的定位精度较GPS的定位精度有了较大的提高,能够满足水下航行器导航定位的要求.     

多模卫星组合导航滤波融合算法

为融合多种模式的卫星导航系统的信息,解决单一卫星系统存在的缺点,研究了多模卫星导航定位技术,提出了一种基于单元级融合方式的导航定位算法.首先,建立了北斗/GPS/GLONASS多模卫星组合导航系统的数学模型,然后为每颗卫星分别设计子滤波器,给出了联邦多重渐消记忆滤波融合算法.试验结果表明,该算法能灵活有效的利用多个卫星系统的卫星进行导航定位,提高了卫星导航系统的精度和可靠性.     

北斗导航系统与GPS组合在民航的应用

本文分析了北斗卫星导航系统的功能和定位原理,通过与GPS系统的比较, 分析了北斗卫星导航系统的技术特征,在此基础上,讨论了在民航新航行系统条件下与GPS系统组合导航在进近段的应用。     

低成本MIMU/GPS组合导航研究

针对微惯件测量组合无法长时间单独工作、GPS卫星信号不稳定的问题,提出MIMU/GPS组合导航的方法.对MIMU的误差建立模型,采用松组合方式,设计卡尔曼滤波器,除取姿态、速度、位置的误差作为状态变量外,另取仪表的误差作为状态变量.对姿态、速度、位置进行反馈校正.在GPS卫星信号在某些条件下短时间丢失的情况下,微惯性测量组合单独导航,然后再重新获取GPS卫星信号的情况下进行Kalman滤波组合导航仿真,仿真结果表明该算法简单易实现,能满足导航精度要求,且在GPS卫星信号短时间丢失的情况下有较高的导航精度.     

多模卫星组合导航容错滤波算法

多模卫星组合导航技术目前是导航领域重要的发展方向.针对多模卫星系统可能存在故障卫星而导致系统定位失效的问题,提出了一种基于联邦滤波的多模卫星容错组合导航算法,并提出了一种改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计.通过仿真验证了该算法对于故障卫星检测和隔离的有效性.     

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.     

基于ARM的移动机器人组合导航系统设计与实现

为了实现室外自主移动机器人的导航定位需求,利用微惯性测量单元(MIMU)和全球卫星定位系统(GPS)接收机,设计并实现了一种基于ARM Cortex M4内核的SINS/GPS组合导航系统。详细介绍了系统硬件组成、软件结构,并在此基础上实现了Kalman滤波的SINS/GPS组合导航算法。将该组合导航系统安装于旅行者II移动机器人,采用差分GPS对组合导航系统性能进行评估。实验结果表明:该系统具有较高的精度,达到了设计要求,具有良好的实用性。     

GPS/DR组合导航系统数据融合优化设计

为降低GPS/DR组合导航系统在复杂导航环境下的定位精度及DR误差累积,提出一种性能较优的数据融合算法。在传统粒子滤波(PF)的基础上,考虑最新观测值的影响,使用基于平方根二阶差分的高斯混合(GM)模型给出粒子滤波的建议分布,采用基于蒙特卡罗的重要性采样和进化再采样方法减轻PF样本退化问题,增强样本多样性。实验结果表明,与PF算法、GMPF算法相比,该设计能提高组合导航系统的综合导航定位性能。     

无线网络系统的舰船相对组合导航定位

针对现有单舰船组合导航定位技术存在的不足,如过度依赖GPS、差的可靠性和容错性以及缺乏网络系统概念等,将无线网络系统概念引入到舰船组合导航中,从而基于海上智能交通系统（MITS）提出一种新颖的网络舰船相对组合导航定位方法。该方法不再将海上舰船视为MITS中的孤立节点,因此目标舰船可使用来自网络内其它舰船节点的导航估计并采用最优分布式加权融合来改善自身的组合导航定位估计性能。与现有的单舰船组合导航方法相比,新方法具有更好的导航估训‘精度、更好的稳定性和容错性。     

一种应用磁强计提高导航系统航向精度的方法

针对静止与匀速运动状态下低成本SINS/GPS组合导航系统航向角可观性差的问题,采用磁强计与低成本SINS/GPS构成新的组合导航系统,以提高系统的航向精度.给出了完整的组合导航系统卡尔曼滤波模型,利用Simulink进行了仿真实验.仿真结果表明:在静止与匀速运动状态下,SINS/GPS组合导航系统航向角误差发散,而SINS/GPS/磁强计组合导航系统的航向角有效收敛.利用某型系统进行了静态实验,实验表明:在传感器精度较差的条件下,SINS/GPS/磁强计组合系统航向角仍可以有效收敛,收敛后姿态角误差标准差小于0.2.静态实验验证了该方法在实际应用中的有效性.     

Constant-round zero-knowledge proofs of knowledge with strict polynomial-time extractors for NP

Barak and Lindell showed that there exist constant-round zero-knowledge arguments of knowledge with strict polynomial-time extractors.This leaves the open problem of whether it is possible to obtain an analogous result regarding constant-round zero-knowledge proofs of knowledge for NP.This paper focuses on this problem and gives a positive answer by presenting a construction of constant-round zero-knowledge proofs of knowledge with strict polynomial-time extractors for NP.     

基于信息融合的组合导航系统研究

针对GPS接收机在高机动工作状态或受遮挡时易出现“丢星”现象而导致定位中断的问题,提出了一种采用GPS／GLONASS／INS组俣导航系统对载体进行快速定位、定向的新方法。文中首先总结了GPS导航系统的不足,在此基础上给出了组合系统的设计方案和工作原理,然后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析,最后给出了计算机仿真。结果表明：该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

Optimizing neuro-fuzzy modules for data fusion of vehicular navigation systems using temporal cross-validation

The last two decades have shown an increasing trend in the use of positioning and navigation technologies in land vehicles. Most of the present navigation systems incorporate global positioning system (GPS) and inertial navigation system (INS), which are integrated using Kalman filtering (KF) to provide reliable positioning information. Due to several inadequacies related to KF-based INS/GPS integration, artificial intelligence (AI) methods have been recently suggested to replace KF. Various neural network and neuro-fuzzy methods for INS/GPS integration were introduced. However, these methods provided relatively poor positioning accuracy during long GPS outages. Moreover, the internal system parameters had to be tuned over time of the navigation mission to reach the desired positioning accuracy. In order to overcome these limitations, this study optimizes the AI-based INS/GPS integration schemes utilizing adaptive neuro-fuzzy inference system (ANFIS) by implementing, a temporal window-based cross-validation approach during the update procedure. The ANFIS-based system considers a non-overlap moving window instead of the commonly used sliding window approach. The proposed system is tested using differential GPS and navigational grade INS field test data obtained from a land vehicle experiment. The results showed that the proposed system is a reliable modeless system and platform independent module that requires no priori knowledge of the navigation equipment utilized. In addition, significant accuracy improvement was achieved during long GPS outages.