基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法

复杂环境下的量测粗差和时变噪声严重影响了状态估计的精度和可靠性,对此提出了一种基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法。首先,基于先验和后验两阶段更新将变分贝叶斯推断引入因子图优化框架中,以估计时变量测噪声协方差;其次,利用相邻帧间的平均新息构造量测协方差预测值,作为粗差判据来实现稳健估计。基于INS/GNSS组合导航的仿真和现场实验评估表明,所提方法能在粗差干扰的情况下有效估计时变量测噪声,相比M估计和滑动窗口自适应因子图优化算法的水平定位误差分别减小了26.7%和39.8%,兼顾了估计精度和抗差性能,具有较好的复杂环境适应性。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

基于卡方检验的GNSS观测值部分粗差抗差滤波算法

在进行抗差卡尔曼(Kalman)滤波过程中,为避免由于全球导航卫星系统(GNSS)观测值之间的相关性而导致粗差转移的问题,提出了一种基于卡方检验的GNSS观测值部分粗差抗差算法。首先,基于观测模型异常检验量,分析了观测值之间的相关性,并针对由于观测值之间的相关性所导致的粗差误判问题,提出了部分粗差抗差算法;根据假设检验理论,构造了滤波模型整体检验量,基于卡方检验判断整体模型是否存在异常,并给出了基于卡方检验的GNSS观测值部分粗差抗差算法整体流程框架;最后设计了两组实验,采用3种方法进行对比分析,以验证所提算法的性能。实验结果表明,所提算法极大地消弱了观测值之间相关性的影响,能准确的识别粗差位置,明显降低了粗差探测的误警率,保证了定位的鲁棒性。     

故障修复增强的抗差滤波 PDR/ GNSS 行人导航方法

针对复杂环境下智能手机卫星信号容易受到干扰而引起组合导航精度降低的问题,提出一种基于故障修复的抗差滤波 行人导航方法。 该法首先利用等价权因子实时调整观测权值,以有效地减少观测粗差对组合导航精度的影响。 其次,针对松组 合系统没有观测冗余的模型局限性,将抗差扩展卡尔曼滤波检测区间分为无故障、偏离和异常 3 段。 无故障时,不做处理;出现 偏离时,对观测值进行降权处理;异常情况下,利用预测新息对故障进行幅值修复,进而修正观测值。 实际实验结果表明,当 GNSS 出现单历元故障时,经典的抗差滤波方法能够有效提高智能手机 PDR/ GNSS 组合导航定位精度,其北向最大误差由 7. 27 m 减小为 3. 20 m,东向最大位置误差由 24. 01 m 减小为 6. 60 m;在 GNSS 出现多历元连续故障时,所提出的故障修复增强 的抗差滤波方法相比经典的抗差滤波方法的平均定位误差下降了 50% 以上。     

水下动基座初始对准中的鲁棒自适应UKF方法

捷联式惯导水下动基座初始对准中,当量测噪声具有不确定、非高斯的统计特性时,对量测噪声作高斯分布假设和对量测噪声阵R作常值处理会造成无迹卡尔曼滤波(UKF)精度和鲁棒性变差。针对此问题,提出了一种基于投影统计(PS)算法的鲁棒自适应UKF(ARUKF)方法。方法首先利用PS算法确定存储新息的权值,对异常的新息进行重加权;而后利用MyersTapley方法自适应地估计R阵;最后利用Huber方法中的权函数对估计出来的R阵进行修正。基于江试试验的实测数据,利用UKF、鲁棒UKF(RUKF)和ARUKF进行非高斯量测噪声条件下的动基座初始对准实验,结果表明:当观测量受到野值的污染时,ARUKF不仅具备RUKF的鲁棒性,而且能够准确地估计出观测量的噪声协方差阵R,比UKF和RUKF具有更高的初始对准性能。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。     

基于GNSS/INS组合定位的自动公交报站系统设计

设计一种基于GNSS/INS组合定位的自动公交报站系统,解决传统GNSS公交报站设备在高楼、林荫等复杂环境下定位无效,位置数据漂移、不准确,不能自动报站的问题.GNSS/INS组合定位利用GNSS、陀螺仪和加速度计等多种传感器组合定位,GNSS子系统获取全球卫星定位数据,INS子系统获取惯性定位数据.采用扩展卡尔曼滤波算法融合GNSS子系统和INS子系统的数据,充分发挥GNSS子系统在空旷环境下定位准确的优点,同时对INS子系统的数据不断修正;利用INS子系统短时间数据的高精度弥补GNSS子系统复杂环境下的不稳定性,达到优势互补.该自动公交报站系统可以保证高楼、林荫、城市立交桥和城市高架桥等遮挡环境下定位的准确性、稳定性,实现准确的自动报站,具有很好的市场应用前景.     

基于多频点相位距离/角度联合估计的RFID室内定位算法

为了解决现有射频识别(RFID)定位方法定位精度差,定位耗时长的问题,提出了一种基于多频点相位距离/角度联合估计的RFID室内多目标定位算法。利用跳频技术获取RFID标签多频点相位信息,通过多频点相位解决整周模糊度问题,获取目标粗估计距离。进而使用粒子群优化算法完成多目标位置并行检索,同时融合多重信号分类算法思想抑制噪声和多径干扰,进一步优化定位结果。通过实测验证,所提算法可实现多目标并行定位,且定位的中位数误差达8.56 cm,定位耗时比传统双曲线定位算法减少了58.8%。     

面向协作集群的鲁棒协同自定位与相对定位方法

协同定位是卫星拒止等导航基础设施受限环境下提升载体定位精度的重要手段,载体自定位和载体之间相对定位是其 主要的两项应用。 然而现有方法通常将自定位与相对定位剥离开来,仅用于估计其中一种定位状态,不仅存在应用局限性,也 忽略了集群相对运动与个体运动之间的关联性,导致性能损失。 为解决该问题,提出了一种适用于协作集群的鲁棒协同自定位 与相对定位方法,基于自定位、相对定位和协同量测之间的概率关系建立概率图模型,描述了相对运动与个体运动之间的概率 关系;采用高斯置信传播传递实现图模型的边缘概率求解,实现消息传递的高效计算;设计了基于 Huber 损失函数的 Huber 因 子,可实现异常量测在高斯消息传递过程中的降权,从而实现鲁棒协同估计。 实验结果表明,所提出的方法不仅能够同时进行 自定位与相对定位估计,且估计精度优于传统协同定位方法,所设计的 Huber 因子能够有效处理异常量测,为集群协同导航定 位的融合架构提供了新思路。     

基于 EM 估计的多模型车载组合导航算法

针对行车过程中车载全球卫星导航系统受遮挡产生多径效应、可见星数量少等影响,造成的定位精度差的问题,提出了 一种基于期望最大化(EM)的交互式多模型车载组合导航算法。 本文采用了混合高斯分布模型描述 GNSS 多径效应误差分布, 提出了基于 EM 的 SINS / GNSS 子系统组合导航信息融合方法,实现多径效应偏置误差的估计。 建立了基于零速约束的 SINS / OD 组合导航模型,同时利用交互式多模型算法实现了在 GNSS 信号丢失情况下的导航模型交互融合,提高了车载组合导航系 统精度。 车载实验结果表明在 GNSS 多径效应及信息丢失条件下,本文所提出算法能有效提高导航精度,多径效应的混合高斯 模型偏置为 10 m 条件下,偏置估计误差小于 0. 5 m,水平最大定位误差为 2 m,比传统交互式多模型算法定位误差降低 84. 62% 。     

一种基于图优化的行人协同定位方法

基于手机惯性传感器的行人航位推算方法是行人导航的核心方法之一。 然而由于传感器噪声等因素,航位推算获取 的位置信息误差往往随着时间发散,通常将航位推算和卫星导航通过卡尔曼滤波构成组合导航系统,利用卫星提供的高精度定 位信息补偿航位推算误差。 提出一种基于图优化的行人协同定位方法,将状态转移、量测和协同测距信息都作为状态的约束, 统一进行优化估计。 为验证方法的有效性,分别在卫星信号良好、无卫星环境下进行了实验验证。 实验分析结果表明,基于图 优化的行人协同定位方法在有无卫星信号情况下,都可以有效地提升系统的定位精度。 和基于卡尔曼滤波的协同方法相比,最 大水平定位误差都减少了 30% 以上。     

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题，本文提出了一种自适应滤波协同图优化导航方法。首先，构建INS/GNSS/e-Compass组合导航系统的因子图模型；然后，利用测量方差自适应滤波对传感器测量信息进行预估，在滤波过程中更新相关传感器的测量协方差矩阵，并将预估结果作为变量节点加入因子图；最后，通过滑动窗口控制优化范围，对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明，所提出的方法对传感器测量协方差的不匹配问题具有自适应性，能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法，该方法的定位精度提升了30%,计算效率提升了12%。     

基于最近统计距离的多传感器一致性数据融合

为了剔除多传感器测量数据中的疏失误差,一致性数据融合方法得到广泛研究。在已有方法的基础上,定义了一种新的用于衡量传感器测量数据之间支持程度的统计距离,并在此统计距离的基础上,提出了一种基于最近统计距离的多传感器一致性数据融合新方法。数值仿真实验的结果表明,和已有方法相比,新定义的统计距离更能合理地反映传感器测量数据之间的支持程度,同时,整个融合过程的计算复杂度和计算量明显降低。     

马氏距离在移动机器人导航中的应用

在已知地图条件下,利用单目视觉辅助移动机器人电机码盘进行定位与导航。电机码盘读取与计算机器人行进路程与理论坐标,使用地图信息重构理论坐标下环境透视图像,并与视觉捕捉到的环境特征进行匹配,计算理论特征与实际特征之间的距离,从而矫正移动机器人位置偏差。匹配中运用马氏距离对透视几何空间重新合理分配其各方向权重,以适应因透视变换而畸变的欧氏距离。实验验证,马氏距离对几何变换后的特征匹配有较好效果。     

采用红外扫描激光与超声技术的室内空间定位

为了解决当前定位方法无法兼顾高精度、高集成度、多任务性、实时性测量的问题,提出了一种基于激光测距原理的室内空间定位系统。该方法通过单台测量基站向被测空间内发射旋转扫描红外激光信号以及超声脉冲信号,采用旋转扫描红外激光形成多平面约束,采用高精度超声测距形成距离约束。然后,将多平面约束与距离约束相耦合,得到测量靶标的非线性约束方程组。最后,利用非线性最优化算法解算得到测量靶标的精确空间坐标。该方法仅采用单台测量基站即可完成全周向、多任务实时性的空间测量与定位。采用激光跟踪仪系统作为比对基准验证了本方法的测量精度及可靠性。结果显示,在5m的被测空间内,其定位测量误差在0.3mm以内,可满足大多数工业测量应用场合需求。与传统的室内定位方法相比,本方法极大地提高了测量系统的集成度以及测量效率,为全站式空间定位方法提供了新的思路。