车载组合导航定位系统中传感器参数的实时校正

文中通过组合航位推算、ＧＰＳ定位信号和地图匹配算法,提出了用于车载组合导航系统传感器参数的实时校正算法,利用精确的际图道路和ＧＰＳ／ＤＲ组合后定位轨迹的相似性进行地图匹配。从而修正传感器的参数。解决了车载导航系统中传感器参数的漂移和误差积累问题。     

粒子滤波方法在GPS/DR组合导航系统中的应用

成功地将粒子滤波方法应用干GPS／DR组合导航系统中。如果GPS信号受到干扰或者车辆做大幅度机动时，卡尔曼滤波会有较大的误差。粒子滤波不仅考虑了客观样本信息，还考虑了主观因素，能很好地处理这种观测样本出现异常的情况，具有鲁棒性。实验证明，当GPS信号被遮挡时，粒子滤波优于卡尔曼滤波。     

运用人工神经元网络建立氨溶解度计算模型

本文运用RBF－PCR方法建立氨溶液度计算模型，试验结果表明，该模型用于氨溶解度的计算，效果良好。     

十进制计算机的运算原理

本文主要讲述十进制计算机的运算原理.十进制计算机原本是不存在的,但是我们可以把它设计出来,这意味着计算机将开始由二进制向十进制过渡.未来将是十进制计算机的天下,因为十进制计算机是简单而强大的.     

室内定位航位推测算法的研究与实现

针对室内定位的个人航位推测(PDR)中漂移导致定位误差累积的问题,提出一种微机电系统传感器整合的PDR算法.根据典型计步器原理及步长估算获取位移信息,在计步算法中加入动态时间窗口及动态加速度阈值,以得到更精确的计步结果.利用捷联航向角校正磁航向角得到校正后的航向角,以修正定位中的累积误差.实验结果表明,室内定位精度距离误差可控制在5％以内,计步结果精度高,易于求得航向角,又能在一定程度上校正长时间漂移等因素带来的位置误差.     

车辆GPS/DR组合导航方法研究

车辆组合导航技术是解决车辆自主定位（AVL）的一个有效途径。本文介绍了车辆组合导航系统的原理,建立了采用速度观测量的定常加速度滤波模型,实验结果表明车辆组合导航定位系统的精度和可靠性得到很大提高。     

基于粒子滤波的WiFi行人航位推算融合室内定位

为提高室内定位的精度和稳定性,提出使用粒子滤波融合WiFi指纹定位和行人航位推算的室内定位算法。为减少复杂室内环境对WiFi指纹定位的影响,提出将支持向量机分类与回归相结合的两级WiFi指纹定位算法。在基于智能手持设备惯性传感器的行人航位推算中,为减少惯性传感器的误差以及人随意行走带来的影响,采用状态转换的方法识别行走周期并进行步数统计,提出根据实时加速度数据动态设置状态转换的参数,利用步长和垂直加速度之间的关系以及相邻步长之间的关系,应用卡尔曼滤波进行步长计算。仿真实验中,基于支持向量机的WiFi指纹定位的平均误差比最近邻居(NN)算法降低34.4%,比K最近邻居(KNN)算法降低27.7%。改进的行人航位推算的性能优于常用代表性计步软件和步长计算算法,而经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹:直线行走平均误差为1.21 m,优于WiFi的3.18 m和航位推算的2.76 m;曲线行走平均误差为2.75 m,优于WiFi的3.77 m和航位推算的2.87 m。     

车辆组合导航系统中多传感器信息的自适应融合

首先介绍了车辆组合导航系统的工作原理及系统间的相互校正和切换问题,然后研究了联合卡尔曼滤波技术的应用,最后提出了一种自适应信息融合方法,实现了ＧＰＳ定位系统和航位推算系统间的最优综合校正。     

融合粒子滤波与蓝牙地标矫正的定位算法

由于智能手机中的传感器精度不高，导致行人航位推算（PDR）算法中的方向数据存在较大误差，且随着步数的积累，误差会不断增大。针对此问题提出利用粒子滤波算法，在每个粒子中设置方向属性，并添加方向角偏差，来矫正方向误差；同时，针对PDR算法中产生的漂移误差，采用iBeacon作为地标对该误差进行矫正，利用其信号强度值设置地标矫正条件，来判断行人是否进出地标，使iBeacon地标进行合理的矫正。实验结果表明，粒子滤波算法估计的位置，经过条件地标矫正后，定位精度与合理性均得到了进一步提高。     

基于单传感器的移动机器人在自定位导航中的误差矫正算法

在只有一种光传感器的条件下，对移动机器人在转弯时的运动进行分析。通过获得的车轮转速数据，使用航位推测法（Dead Reckoning）对机器人行驶过程中的速度和方向进行计算。在有轮子打滑现象发生时，应用Lagrange插值法和二次曲线拟合算法对计算结果进行误差矫正工作，在与未矫正的线路图的对比中获得良好效果。