多阈值推算定位技术研究

推算定位技术是分布交互仿真系统缓解通信量及实时性问题的重要手段，但目前的推算定位算法采用统一的阈值，没有区别对待远距离与近距离实体，造成通信资源的浪费，提出多阈值推算定位技术，根据实体的兴趣度把责任域划分成若干子责任域，同时本地实体进行多级推算，每级推算对应不同的子责任域及阈值，多阈值推算定位技术很好地解决了近距离实体的行为失真与系统通信量之间的矛盾，并取得了良好的应用效果。     

光电鼠标在机器人定位中的应用

设计了一种基于光电鼠标的机器人定位系统,通过放置在小车前部的一个鼠标芯片获取X、Y方向的位移数据,经STM32单片机处理后形成坐标值,由TFT液晶屏显示出小车行走的轨迹。经实际测试,测量位移的误差在0.5%以内,能够满足机器人系统的要求。     

推广卡尔曼滤波算法在航位推算系统中的应用

给出了航位推算系统的设计方法并研究了它螺仪的特性，在建立起该系统的非线性数学模型的基础上，提出了一种非线性推广卡尔曼滤波算法。试验结果表明，该系统具有良好的导航与定位性能。     

在分布式VR系统中推算定位

文中基于行为模型ＳＣＰ提出一种分布式ＶＲ系统的推算定位方法。这种方法使用能够反映较长时间内动态实体对象行为状态进行推算定位,从而有效克服了已有推算定位方法行为误差较大、速度高时网络数据量大的缺点。逐渐逼近法的引入又使得平衡性较好。同已有两种推算定位文学实验比较的结果表明,这种方法具有状态失真度小、网络数据量较小的优点。     

六边形网格分法实现二阈值推算定位

推算定位技术在大规模分布交互仿真系统缓解网络传输延时及减少网络通讯量的传统方法,以往的推算定位技术在设定推算阈值时,总因为顾及近距离实体的精确度需求而设 置较小的  阈值,这样无可避免地增加了远距离实体的数据接收频率,增加了网络通讯开锁,为此本文提出了多阈值推算定位技术,针对不同距离的接收实体对应不同的误差  差容许值进行推算,针对DIS系统给出了一种基于六边形网络细分的二阈值推算定位技术的实现方法,该方法实现简单,可以有效减少系统的通讯量。     

机器人足球比赛最优拦截问题建模与求解

针对机器人足球比赛拦截问题,构建了时间最短的性能指标和拦截成功的约束问题,将机器人足球比赛的拦截问题转化成一个带等式约束的规划问题求解;进一步考虑小车加速度修正该模型,获得细化的最优拦截模型,说明该模型易于扩展和修正;采用MATLAB对该问题进行求解,验证了该方法的可行性。     

六边形网格细分法实现二阈值推算定位

推算定位技术是大规模分布交互仿真系统缓解网络传输延时及减少网络通讯量的传统方法。以往的推算定位技术在设定推算阈值时 ,总因为顾及近距离实体的精确度需求而设置较小的阈值 ,这样无可避免地增加了远距离实体的数据接收频率 ,增加了网络通讯开销。为此本文提出了多阈值推算定位技术 ,针对不同距离的接收实体对应不同的误差容许阈值进行推算 ,针对 DIS系统给出了一种基于六边形网络细分的二阈值推算定位技术的实现方法。该方法实现简单 ,可以有效减少系统的通讯量     

基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于GPSOne和航位推算的定位算法研究

根据行人导航的原理,提出一种适合消防员定位的航位推算算法,并结合GPSOne对消防员的定位信息进行随时更新,以校正由航位推算引起的累积误差,并且可以实现室内外的无缝定位。用加速度计对消防员进行步态辨识,电磁罗盘测量其航向角,并用三轴陀螺仪对航向角进行修正。区别于常用的线性和非线性计算步长的方法,提出一种全新的由速度和频率确定位置增量的步长计算方法,经验证,该算法具有较高的定位精度。     

基于直线和单特征点的移动机器人视觉推算定位法

提出了一种基于直线和单特征点的视觉推算定位方法．将摄像机固定安装在移动机器人上,并使摄像机的方向垂直于天花板．提取天花板图像中的两条相交直线及其交点作为特征,利用直线的方向估计机器人的方位,再结合相交点的像素坐标变化量推算出机器人的位置．机器人运动过程中,用作特征的交点接近图像边缘时,更换新的交点作为特征点．室内定位实验结果验证了该方法的有效性．     

面向行人导航的RMLT DR算法研究与实现

DR算法是行人导航中最常用的一种推算算法。分析常规DR算法,针对行人导航中DR算法是固定阈值,不能根据行人环境不同而自动调整阂值,导致行人定位精确度不高的缺点,提出了基于雷达的多级阈值DR算法,即RMLT DR算法。通过仿真模拟实验,对比分析了RMLT DR算法和常规DR算法的定位结果。验证了行人行走过程中,RMLT DR算法可以根据周围的环境自动选择阈值大小,具有更高的精确度。     

车载GPS/DR/MM组合导航定位算法研究应用

虽然GPS/DR组合定位比单独用GPS或航迹推算DR(Dead Reckoning)定位有更高的定位精度,但由于累积误差的产生,长时间使用仍可能出现较大的偏差,不利于车辆导航.对此,提出一种基于模糊逻辑的地图匹配算法,利用模糊逻辑评判规则和相应的隶属度函数对地图匹配可信度进行综合评判,最终确定车辆当前行驶道路和车辆的位置.实验数据表明,地图匹配MM(Map Matehing)技术进一步修正了GPS/DR组合导航系统的定位结果,有效地提高了系统定位精度.由于不增加硬件设施,GPS/DR/MM组合导航定位使低成本高精度的车辆导航成为可能.     

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。     

一种分布式实时视景仿真系统中的DR算法研究

在分布式实时视景仿真系统中,由于多武器平台的客观因素,使得系统中网络传输数据量大大增加,DR算法是DIS中提出的减少网络传输数据量的重要方法。本文根据实际分布式实时视景仿真系统中常用的数据标准,提出了一种时间步长具有可变性的通用DR算法,并通过实验数据说明二阶和三阶算法的适用范围。     

组合导航系统NNM信息融合算法

提出了将神经网络模型（NNM）概念应用于组合导航系统，并给出了基于RBP网的NNM训练过程，基于传统模型的卡尔曼滤波算法与神经网络相结合，有效地解决了GPS信号被屏蔽时的航迹预测问题，最后对GPS/DR组合导航系统进行动态仿真，仿真结果表明，采用该算法的组合导航系统定位精度高、可靠性好。     

航路点方位校正方法在飞行器导航中的应用研究

方位误差是造成航位推算误差的主要误差源之一,利用航路点来提高方位对准精度在车辆导航中是一种非常有效的方法;在对航位推算误差进行分析的基础上,给出了利用航路点对飞行器的方位误差进行校正的方法,并对引起校正误差的主要因素进行了详细的分析;另外考虑到飞行器所选航路点距出发点距离一般都比较远,此时地球曲率已不能忽略,推导了地球曲率不可忽略时的方位校正算法;最后通过计算机仿真验证了航路点方位校正方法的有效性。     

基于惯性导航的平面航迹推算的研究

提出一种基于微机电惯性测量单元的室内定位系统。在本系统中,行人在一个平 面上的位置和方向通过 计算 对人体膝部和腰部佩戴的传感器数据来获取。提出的算法实现了对膝部佩戴陀螺仪的行人行进的步伐进行复位计算以消除角位移误差,同时实现了对腰部佩戴陀螺仪测量的角速率进行连续推算以获取行进方向。结果表明,在一个平面上,行进62.32m的总距离时平均误差仅为0.1935m,标准差为0.0512m。     

北斗/DR组合导航融合算法及其在物流中的应用

介绍了我国自主研制的北斗卫星导航定位系统.针对该导航定位系统中存在的问题,以无惯性测量元件的DR作为其补充定位方式,设计了北斗/DR组合导航定位系统,并找出了一种组合导航定位的卡尔曼滤波算法,有效地提高了组合导航系统的定位精度.提出了将北斗/DR组合定位系统应用于现代物流管理信息系统的解决方案,分析了将北斗定位系统应用于现代物流管理的优势.     

量子PSO粒子滤波在DR/GPS组合导航系统中的应用

将量子粒子群优化(QPSO)算法与粒子滤波(PF)相结合,提出了量子PSO粒子滤波(QPSO-PF)算法,对航位推算(DR)与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过QPSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了PF的精度。DR/GPS组合导航系统跑车实验结果表明:该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

基于概念层次树的数据挖掘算法及应用研究*

概念层次树在大规模数据挖掘中已得到广泛应用。在介绍基于概念层次树的数据挖掘算法的基础上,针对已有数值型数据概念提升算法的不足,提出了改进后的算法,并通过数据测试给出两种算法的比较效果和应用实例。