基于GPS/DR的车辆定位系统的研究

针对全球定位系统信号易受城市复杂环境干扰、有时接收不可靠、航位推算对城区车辆导航存在"盲区"等问题,将DR与GPS定位系统组合起来,建立组合定位系统。设计了GPS/DR组合定位系统的滤波模型,分析了其信息分配原理和信息分配系数的计算方法。     

AGV用GPS/DR组合导航信息融合

目的 研究一种满足室外自动导引小车(AGV)导航要求的高精度、低成本的组合导航系统.方法 应用信息融合技术,通过航位推算系统辅助GPS定位,并采用卡尔曼滤波的融合算法,克服了GPS信号的遮蔽与中断问题,使组合系统能够较好地满足AGV导航定位的需要.用VC ++编写融合算法以及实验控制程序,实现了实验数据的采集以及对AGV的运动控制.结果 给出了GPS单独导航和GPS/DR组合导航两种工作状态下的位置误差,从对比中可以看出,组合导航系统的定位精度比GPS单独导航的定位精度提高了50%.结论 组合导航系统可以减小甚至消除推算定位系统随时间积累的误差,并在任何情况下能较好地实现AGV的实时、可靠、准确定位.     

基于SVM的GPS/DR组合定位算法研究

为解决GPS失效时系统无法较长时间高精度定位的问题,文章给出了一种基于SVM的数据融合算法并将其应用于GPS/DR组合定位系统的数据融合中。实验结果表明：当GPS失效时,使用该算法的定位系统可保持更长时间的精确定位。     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

车辆GPS/DR/DM组合导航系统的研究

研究了车载GPS/DR/DM组合导航系统.通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波对组合系统进行了仿真实验,证明了本系统的可行性.车辆GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,GPS/DR/DM组合导航系统是一种较为理想的车辆导航系统.     

车载GPS/DR组合导航系统的数据融合方法研究

GPS/DR组合导航系统是非线性的,扩展卡尔曼滤波(EKF)可以利用线性化技巧将其转化为线性滤波问题,但这一过程会使得滤波结果出现很大误差。针对这一问题,将改进的粒子滤波方法(UPF),即将无迹卡尔曼滤波(UKF)与粒子滤波(PF)相结合,应用到GPS/DR组合导航系统中,避免了EKF的线性化近似过程,同时优化了PF算法,提高了定位精度。实验结果表明,与EKF和PF算法相比,UPF算法具有更高的鲁棒性和更好的定位效果。     

GPS/DR车辆组合导航改进的粒子滤波算法研究

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法,在组合导航系统的观测精度较低时能获得较好的滤波效果,但在观测精度较高时,不但可能导致滤波发散,而且存在重要性分布函数难以选取,出现粒子退化的现象。为了克服这些缺点,文章研究GPS/DR车辆组合导航改进的粒子滤波算法,提出了基于改进粒子滤波算法的GPS/DR车辆组合导航信息融合技术。采用马尔科夫链蒙特卡洛(MCMC)移动方法,移动粒子样本到状态空间中的新位置,既保证了移动后的粒子样本和实际概率函数同分布,又防止了大量后选粒子被拒绝。用改进的粒子滤波算法和扩展Kalman滤波算法,分别对GPS/DR车辆组合导航系统进行仿真实验,结果表明,改进的粒子滤波算法能减小导航定位误差,滤波性能明显优于扩展卡尔曼滤波。     

一种基于极大似然准则的自适应卡尔曼滤波算法

在系统不能确切建模或模型本身会产生改变的应用场合，传统卡尔曼滤波算法的性能受到直接影响，甚至无法正常应用。基于标准卡尔曼滤波假设，利用极大似然估计准则推导了一种新的自适应卡尔曼滤波算法，这种滤波算法的主要思路是利用新息序列对系统和量测噪声方差阵Q和R实时估计和调整，以实时反映系统模型的变化。在相关理论分析的基础上，针对低成本惯性／GPS组合导航系统对这种自适应卡尔曼滤波方法的性能进行了仿真分析，与传统卡尔曼滤波算法进行了比较，探讨了这种算法的实用性。     

松耦合SINS/GPS组合导航技术仿真研究

针对直接采用惯性导航系统(SINS)对移动载体实时位置和姿态信息测量精度的问题,采用基于MEMS惯性组件的SINS和GPS作为传感器,以DSP和FPGA分别作为计算和通信器件,来实现松耦合组合导航系统。算法方面,采用扩展卡尔曼滤波器,通过建立SINS误差模型的15维状态变量的系统动态方程,以SINS和GPS的位置和速度作为观测量进行实时滤波估算导航系统的状态量,进而修正系统误差。结果表明,采用卡尔曼滤波算法后,位置误差和速度误差精度能够始终保持在10-2左右上下波动。     

一种基于“当前”统计模型的GPS／DR组合定位算法研究

针对“当前”统计模型在实际应用中存在的问题,给出了一种改进的“当前”统计模型,并将其应用于GPS／DR组合定位系统的数据融合中。实验结果表明：使用该算法的定位系统无需任何参数的预先设定,即可实现对系统方差的自适应调整,对车辆的各种运动状态进行准确跟踪。     

一种基于“当前”统计模型的GPS/DR组合定位算法研究

针对"当前"统计模型在实际应用中存在的问题,给出了一种改进的"当前"统计模型,并将其应用于GPS/DR组合定位系统的数据融合中.实验结果表明:使用该算法的定位系统无需任何参数的预先设定,即可实现对系统方差的自适应调整,对车辆的各种运动状态进行准确跟踪.     

基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

A Map-Matching Algorithm for GPS/DR Integrated Navigation Systems Based on Dempster-Shafer Evidence Reasoning

GPS (Global Positioning System) has been widely used in car navigation systems. Most car navigation systems estimate the car position from GPS and DR (dead reckoning). However, the unknown GPS noise characteristic and the unbounded DR accumulation of errors over time make the position information with undesirable position errors. The map matching can improve the position accuracy and availability of the vehicular position system. In this paper, general principle of map matching is investigated according to segmentation and feature extraction, and a map matching algorithm based on D-S (Dempster-Shafer) evidence reasoning for GPS integrated navigation system is proposed, which can find the exact road on which a car moves. For the experiments, a car navigation system is developed with some sensors and the field test demonstrates the effectiveness and applicability of the algorithm for the car location and navigation.     

基于数据融合的侦察卫星功能仿真研究与实现

采用人工智能与数据融合技术,在研究侦察卫星功能的基础上,提出侦察卫星功能的仿真模型,并开发了较为实用的仿真训练系统。