提高GPS智能巡检系统定位精度的研究

为了提高全球定位系统(global positioning system,GPS)智能巡检系统的巡检效率和定位精度,采用双频接收机相位平滑伪距(carrier smoothed code,CSC)算法。电离层延迟作为伪距测量的主要测量误差、周跳作为载波相位测量的主要测量误差,在此均予以考虑,并通过构造伪距观测值和载波相位观测值的组合观测值来消除电离层影响和探测周跳以改进算法。通过误差公式计算可知,GPS的定位精度得到了显著改善。     

基于AUKF的SINS/GPS紧组合导航系统研究

以无人驾驶中的导航定位技术为背景,研究了基于自适应无迹卡尔曼滤波器(AUKF)的SINS/GPS紧组合导航系统。设计了基于伪距和伪距率的SINS/GPS紧组合导航系统。针对常规UKF算法计算量大和容错性能差的问题,提出了一种基于比例调节因子的AUKF滤波融合算法。实验结果表明:对于SINS/GPS紧组合导航系统,基于比例调节因子的AUKF相比基于定常因子的UKF误差输出曲线更平滑,避免了非局部效应的影响,实现滤波精度的提高,具有良好的控制性能、跟踪能力和容错性能。     

遮挡环境下的基于 AKF 组合导航定位方法研究

GNSS / INS 组合导航系统已经得到广泛应用。 但是在 GNSS 系统受到环境限制时,松组合方案会失效。 星座几何布局 频繁变化等原因,会造成紧组合导航定位精度大幅下降。 针对这一问题,本文采用基于新息的自适应卡尔曼滤波紧组合导航方 法,设计了城市环境车载实验方案。 该方法以伪距、伪距率的误差作为观测量,进行滤波估算,同时根据新息的方差理论值与实 际值,构建自适应因子,对系统的量测噪声阵进行调整,进一步修正系统误差。 通过实验验证,在可视卫星数低于 4 颗的时间 内,此方法的三维定位误差相较于使用传统的卡尔曼滤波方法定位误差降低了约 24. 2%;在卫星可视条件频繁变化环境中,定 位误差最大降低了约 60%。 结果表明此方法在观测条件较差时,可以对卫星伪距的观测噪声进行调整,降低了状态误差,增强 滤波器的鲁棒性,从而提供更精准的位置信息。     

GPS/BDS/GLONASS三系统组合定位的先验权比研究

为满足多星座GNSS系统实时动态定位解算的需求,本文通过先验定权的方式,对GPS/BDS/GLONASS三系统在伪距单点定位和载波相位相对定位时合适的权比进行探索。基于北斗系统的现有星座条件,采集三系统的数据进行实验,实验结果表明:三系统组合定位时,伪距观测值的先验权比定为4:3:1,相位观测值权比定为4:3:3,能够得到比GPS单系统和GPS/BDS组合更优的定位结果。     

融合跳距修正与麻雀搜索的改进DV-Hop算法

针对WSN节点定位中DV-Hop算法存在较大定位误差的问题,深入分析产生误差的原因,提出了一种基于跳距改进和麻雀优化DV-Hop定位算法(ISSA-DH)。该算法首先通过通信半径细化精确跳数,并添加加权修正因子来降低平均跳距的误差;然后通过估计距离和实际距离的偏差量进一步加权修正跳距;再利用改进的麻雀算法取代最小二乘法,把无线传感器的定位问题转化为求解最优问题,进而得到未知节点的位置。通过仿真,在不同的条件下ISSA-DH算法较DV-Hop算法和改进算法（DCAI DV-Hop）定位误差平均下降50.3%、34.3%,证明ISSA-DH算法能够有效减少定位误差。     

改进视觉惯性里程计融合GPS的无人机定位方法研究

为提升无人机大范围弱纹理场景下的状态估计，提出一种改进视觉惯性里程计融合GPS的定位方法。首先，通过在视觉惯性里程计中加入线特征来表示环境的几何结构信息，提升位姿估计的准确性；其次，通过引入长度阈值筛选，剔除对位姿估计贡献不大的短线段，改善特征追踪的鲁棒性；最后，使用非线性优化的方式，将GPS测量信息和改进的视觉惯性里程计融合，校正视觉惯性里程计的累积误差。基于EuRoC数据集仿真实验以及应用于无人机的真实场景实验表明，相较于原算法，加入线特征算法的定位误差在仿真实验中降低了39.14%，室内场景降低了23.48%，室外场景降低了33.58%。融合了GPS的点线特征算法相较于原算法，定位误差降低了53.99%。     

基于蜣螂算法优化的 DV-Hop 定位算法

针对无线传感器网络中传统DV-Hop(distance vector-hop)算法定位误差大的问题,提出了一种基于蜣螂算法优化的DV-Hop定位算法。首先使用双通信半径的方式细化节点间跳数,并使用最小均方误差准则计算锚节点的平均跳距,将改进后的平均跳距的平均值当做每个未知节点的平均跳距,最后引入权重因子优化适应度函数,使用蜣螂优化算法代替三边测量法进行坐标计算。仿真结果表明,所提算法比经典DV-Hop算法平均定位误差提升了55.69%、59.61%和67.59%,误差方差提升了52.41%、45.58%和36.87%,具有良好的定位精度和较好的稳定性。     

低成本MEMS加速度计在组合车辆导航中的应用研究

基于里程仪的GPS／DR组合车辆导航系统,能够有效弥补GPS单一导航系统定位可靠性和精度的不足,但在实际使用中存在安装不便的问题,进而制约了其在车辆导航中的应用推广。论文研究了一种基于低成本MEMS加速度计的GPS／DR组合车辆导航系统。论文首先对加速度计信号进行了分析,利用小波分析进行信号降噪并建立了加速度误差模型;然后研究了基于卡尔曼滤波的GPS／DR组合导航算法;最后进行了跑车实验。实验结果表明,该组合导航系统的定位结果满足城市车辆导航定位精度要求,并且在GPS信号受阻情况下,DR单独定位仍可以提供满足要求的定位信息。     

GPS/BDS和IMU融合技术在无人配送车定位解算中应用研究

为了提高无人配送车定位精度,将GPS/BDS和惯性测量单元（IMU）多传感器融合技术用于无人配送车定位系统。为了解决GPS/BDS和IMU定位解算时产生的信号缺失和累计误差而导致的定位精度不高,抗干扰差等问题。本文采用CKF算法将GPS/BDS和（捷联惯导）SINS解算出的定位结果进行滤波处理,从而提高定位精度。当GPS/BDS定位接收模块信号缺失时,将IMU提供的数据结合SINS算法解算出无人配送车的当前位置;在IMU定位过程出现的累计误差问题处理上,利用CKF处理过GPS/BDS接收机数据进行矫正。为了验证融合GPS/BDS和IMU的定位解算方法的优越性,实验中使用单个BDS定位系统进行定位结果比较。实验结果表明,使用本文所述方法速度误差减少了27.89%,位置误差减少了38.81%,能有效提高无人配送车在配送物品的过程中定位的精确度和稳定性。     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

A Solution to the Ill-Conditioned GPS Positioning Problem in an Urban Environment

For GPS positioning, it is normally required that there be at least four GPS satellites in view. However, due to the frequent blockage of signals in an urban environment, it is difficult to meet that requirement; therefore, the operation of the GPS receiver may be interrupted. How to deal with this problem so that the service can be continuous is the main theme of this paper. The pseudorange predictor and the receiver clock bias predictor may be used to estimate the pseudorange and clock bias, respectively. The altitude-hold algorithm is developed to provide additional information under the assumption that the altitude of the vehicle is approximately a constant, which is deemed appropriate for urban applications. Furthermore, for land vehicles, it may be assumed that the speed of the vehicle is not significantly varying so that the constraint-filtering method with soft constraint may be applied. The integration of these methods yields a successful algorithm to manage the ill-conditioned positioning problem if the number of visible satellites drops to below 4. From both static and dynamic experimental results, it is shown that the proposed methodology indeed gives rise to an effective scheme that can sustain the service for a few minutes, even if there is no satellite in view at all.      

改进自适应ADMCC-HCKF算法及在SINS/CNS/GNSS中的应用

针对传统容积卡尔曼滤波器(CKF)在非高斯噪声下滤波精度下降以及传统最大相关熵(MCC)算法收敛速度较慢的问 题,提出了一种改进的自适应相关熵高阶容积卡尔曼滤波(ADMCC-HCKF)算法。 该方法依据 MCC 迭代过程的误差变化自适 应调整核宽大小,核宽能够改变核参数对输入数据的敏感性,从而提高算法收敛速度及对非高斯噪声的处理能力。 基于非高斯 噪声环境,搭建 SINS / CNS / GNSS 组合导航实验,研究结果表明,改进的 ADMCC-HCKF 算法相比传统 HCKF 和基于常规 MCC 的 HCKF 算法具有更强的鲁棒性,在降噪性能及对非高斯噪声的适应性角度均有所提升的同时,滤波精度较 HCKF 算法提高 了 9. 63%。     

基于GPS的弹道修正弹落点预测算法误差分析

利用GPS进行弹道测量进而预测落点偏差是弹道修正弹采用的一种常用方法,GPS测量误差对基于GPS的落点预测算法精度有直接影响,该文以摄动落点偏差预测算法为例分析了GPS误差对弹道修正弹落点预测算法误差的影响,确定了GPS误差引起的落点预测算法误差标准差与极限误差求解方法,这可为合理利用基于GPS的落点预测算法提供参考。最后进行的仿真实验表明,GPS误差是落点预测算法误差的主要来源,落点预测算法随机误差分布在GPS误差引起的落点预测算法预测误差极限误差内。     

Real-Time Hierarchical Outdoor SLAM Based on Stereovision and GPS Fusion

This paper presents a new real-time hierarchical (topological/metric) simultaneous localization and mapping (SLAM) system. It can be applied to the robust localization of a vehicle in large-scale outdoor urban environments, improving the current vehicle navigation systems, most of which are only based on Global Positioning System (GPS). Then, it can be used on autonomous vehicle guidance with recurrent trajectories (bus journeys, theme park internal journeys, etc.). It is exclusively based on the information provided by both a low-cost, wide-angle stereo camera and a low-cost GPS. Our approach divides the whole map into local submaps identified by the so-called fingerprints (vehicle poses). In this submap level (low-level SLAM), a metric approach is carried out. There, a 3-D sequential mapping of visual natural landmarks and the vehicle location/orientation are obtained using a top-down Bayesian method to model the dynamic behavior. GPS measurements are integrated within this low-level improving vehicle positioning. A higher topological level (high-level SLAM) based on fingerprints and the multilevel relaxation (MLR) algorithm has been added to reduce the global error within the map, keeping real-time constraints. This level provides nearly consistent estimation, keeping a small degradation with GPS unavailability. Some experimental results for large-scale outdoor urban environments are presented, showing an almost constant processing time.     

基于网格化规划的城市配电网精准投资策略

随着城市现代化建设的快速发展及城市范围的不断扩张,城市配电网的建设改造投资也急剧增加。为了提升城市配电网的投资效益,提出一种基于网格化规划的城市配电网精准化投资模型。首先对各网格的分类投资方案进行优选,基于改进的NSGA-Ⅱ算法优化得到各网格的最优投资曲线。然后以每个网格的总投资额作为变量,建立城市配电网投资分配模型,将结果映射到对应网格的最优投资曲线,得到城市配电网的精准化投资方案。最后将该模型应用于某城市电网进行算例仿真,结果表明改进的NSGA-Ⅱ算法可以改善Pareto解集的分布特性,所提模型能够较好地反映各网格的改造建设需求,在满足各网格及整体的投资效益约束下,实现城市配电网的精准有效投资。     

基于改进的 AEKF 铅酸电池 SOC 在线估计

为了提高铅酸电池在随机工况下荷电状态(SOC)估计精度,减小误差变化对估计精度的影响。针对自适应扩展卡尔曼滤波中误差新息序列长度固定选取的局限性,本文提出一种改进的自适应扩展卡尔曼滤波算法估计SOC。通过似然估计来监测协方差匹配算法中的误差新息序列分布变化时刻,根据误差新息的分布变化来自适应调整新息序列长度,进而降低估计SOC时的误差。首先通过带遗忘因子的递推最小二乘法(FFRLS)辨识获得等效模型参数,其模型平均误差电压为13.63 mV,然后在随机工况实验下发现,改进后的算法在估计SOC时的RMSE和MAE性能上精度分别提高了14.44%和17.26%,结果表明改进后的算法拥有更好的稳定性和精度。     

基于GPS的高精度时钟在线校频与授时研究

为提高全球定位系统(global position system,GPS)广域授时的精度与稳定度,根据GPS时钟与晶振时钟的不同特性,建立互补时钟的广义回归模型,并利用广义最小二乘法对晶振频率进行估计,算法修正了已有回归模型中因量测值频率漂移而造成的误差,实现了在晶振频率漂移较大或量测值间隔较长时的精确估计,在此基础上生成可与国际协调时间(coordinated universal time,UTC)同步的授时秒脉冲,通过相位补偿算法,校正生成秒脉冲与UTC秒脉冲的相位差,实现精确授时。实验结果验证该算法在使用SBR-LS接收模块与普通有源晶振条件下,授时稳定度和精确度得到大幅提升,在长时间运行中授时误差不超过±25ns,可为广域测量、故障测距等应用提供精确时标,满足电网监控系统在线广域授时要求。     

城轨车用超级电容器SOC的估算方法

针对城轨车辆储能用超级电容器的特点,建立等效电路模型。通过遗忘因子最小二乘算法识别模型参数,采用自适应无迹卡尔曼滤波(AUKF)算法估计超级电容器的荷电状态(SOC)。相比传统的卡尔曼滤波(KF)算法,AUKF算法循环迭代运算超级电容器的参数和SOC,可提高估算的准确度。利用混合脉冲功率特性(HPPC)实验,验证算法的可行性与准确性。KF算法的误差较大,最大误差为6%,平均误差为3%;AUKF算法的结果精度较高,平均误差约为1.5%。