基于车载GPS导航的非线性动态滤波算法

为了提高车载导航定位精度,根据全球定位系统（GPS）的特点,在分析线性滤波算法缺陷的基础上,建立了车载导航动态定位模型,并在通过准确获取后验概率密度函数的均值和方差经过非线性变换修正导航定位位置,给出了一种非线性动态滤波算法。仿真实验表明,与卡尔曼滤波相比,该方法能克服了滤波发散导致结果失真的问题,提高滤波的精度,解决线性滤波算法发散的缺陷。     

车辆GPS/DR/GlS组合导航定位系统

随着GPS、DR导航定位技术的日益发展,以及GIS技术广泛应用,三者之间的结合应用于车辆导航定位已成为必然.首先分析了当前采用不同定位技术的导航系统的特点,并提出了基于DGPS/DR/GIS组合技术的车辆导航定位系统,从整个组合导航系统结构等方面介绍了整个系统的硬件和软件组成及其各部分的特点和功能.该系统的提出是对我国车辆智能导航系统开发的一种新尝试.     

一种带约束条件的GPS动态滤波新方法

该文提出了一种GPS动态位滤波新方法。通过分析GPS在汽车导航定位应用中的具体情况，注意到汽车在行驶过程会受到道路的约束，从而提出以道路抽象出的直线方程作为定位滤波的约束条件。该文建立了带道路约束条件的滤波动态系统模型，并推导出了带约束条件的卡尔曼滤波方程。计算机仿真实验和实测数据滤波分析表明，与一般卡尔曼滤波方法相比，该方法简单易行，计算量增加不大，且明显地提高了GPS定位滤波精度。在汽车导航定位系统中有一定的应用价值。     

基于车辆与车辆的车联网分布式协同感知定位

车辆协同感知定位是车辆定位的热点技术.针对车载自组织网络,本文在GPS卫星导航和车辆自身航位推算(DR)的基础上,利用车辆之间的到达时间(TOA)观测和车辆到车辆(V2V)的实时通信来设计一种分布式协同定位方法.针对协同定位中TOA测量函数的非线性和辅助车辆真实位置未知的问题,提出了一种基于改进无迹卡尔曼滤波(UKF)的协同定位算法.相对于传统的UKF协同定位使用GPS观测值作为辅助车辆位置,本文提出的算法将辅助车辆位置作为未知参数,扩维到状态向量,有效降低了辅助车辆位置误差对定位精度的影响. Monte Carlo仿真结果表明,利用TOA观测的协同定位精度明显优于仅利用GPS和DR的独立定位精度,且改进的UKF协同定位算法相比于传统UKF算法,具有更高的定位性能.     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

CDKF方法在车辆组合导航中的应用

针对扩展卡尔曼滤波（EKF）在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法——中心差分卡尔曼滤波（CDKF）用于车辆GPS／DR组合导航中。和普遍采用的EKF方法相比．CDKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更加易于实现。为了检验其有效性,将两种方法分别对车辆GPS／DR组合导航系统进行滤波仿真,仿真结果进一步表明CDKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位。     

车辆GPS/DR/GIS组合导航定位系统

随着GPS、DR导航定位技术的日益发展,以及GIS技术广泛应用,三者之间的结合应用于车辆导航定位已成为必然。首先分析了当前采用不同定位技术的导航系统的特点,并提出了基于DPGS／DR／GIS组合技术的车辆导航定位系统,从整个组合导航系统结构等方面介绍了整个系统的硬件和软件组成及其各部分的特点和功能。该系统的提出是对我国车辆智能导航系统开发的一种新尝试。     

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.     

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.     

基于多源信息融合的车辆定位系统设计

车辆定位是智能交通系统中实现车际信息交互的关键支撑技术.针对现有通用车辆定位算法存在的定位漂移、精度不足、实时性差、鲁棒性弱等特点,在分析全球定位系统(GPS)及ZigBee技术基础上,设计了一种使用GPS和ZigBee多源信息融合的车辆定位系统.通过ZigBee组建网络,以GPS与接收信号强度指示(RSSI)多源联合...     

带有速度观测量的GPS动态滤波方法及滤波精度分解*

提出了带有速度观测量的ＧＰＳ动态滤波方法，从而解决了载体机动时滤波器的动态跟踪问题。首先采用描述机动载体运动的“当前”统计模型，建立了ＧＰＳ动态定位滤波的系统方程，和带有速度观测量的观测方程，并进行了系统的可观测性分析。然后进行了引入速度观测量提高跟踪精度的理论分析。最后通过计算机仿真结果验证了增加速度观测量可有效地提高滤波器的跟踪精度。     

GPS动态定位中卡尔曼滤波模型的建立及其强跟踪算法研究

提出一种改进的强跟踪卡尔曼滤波算法,应用于GPS动态定位滤波中获得明显效果。首先建立了一种新的GPS动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,具有模型简单、实时性好的特点。为了进一步提高滤波器的动态性能,改进了文献[1]中的强跟踪滤波算法,大大提高了滤波器的跟踪能力。     

车载网的新型定位算法

针对目前车载定位实时性差等缺点,提出了一种单基站.方位时差联合定位算法.该算法利用方位角和信号到达时间差建立车载定位跟踪模型,然后采用SUKF算法对车载定位跟踪模型进行滤波.仿真结果表明,SUKF滤波算法不但降低了运算量,而且极大地提高了系统的实时性,可应用于车载网的定位.     

GPS定位误差分析与状态估计

通过分析GPS定位误差的统计特性,可将GPS定位误差作为二阶Markov随机过程处理。该文结合载体的Singer模型,利用扩展Kalman滤波算法,对系统状态进行估计。试验结果表明,利用扩展Kalman滤波算法比标准Kalman滤波算法在定位精度上有较大程度的提高,对于低动态用户消除相关误差的影响具有一定应用价值。     

Optimizing neuro-fuzzy modules for data fusion of vehicular navigation systems using temporal cross-validation

The last two decades have shown an increasing trend in the use of positioning and navigation technologies in land vehicles. Most of the present navigation systems incorporate global positioning system (GPS) and inertial navigation system (INS), which are integrated using Kalman filtering (KF) to provide reliable positioning information. Due to several inadequacies related to KF-based INS/GPS integration, artificial intelligence (AI) methods have been recently suggested to replace KF. Various neural network and neuro-fuzzy methods for INS/GPS integration were introduced. However, these methods provided relatively poor positioning accuracy during long GPS outages. Moreover, the internal system parameters had to be tuned over time of the navigation mission to reach the desired positioning accuracy. In order to overcome these limitations, this study optimizes the AI-based INS/GPS integration schemes utilizing adaptive neuro-fuzzy inference system (ANFIS) by implementing, a temporal window-based cross-validation approach during the update procedure. The ANFIS-based system considers a non-overlap moving window instead of the commonly used sliding window approach. The proposed system is tested using differential GPS and navigational grade INS field test data obtained from a land vehicle experiment. The results showed that the proposed system is a reliable modeless system and platform independent module that requires no priori knowledge of the navigation equipment utilized. In addition, significant accuracy improvement was achieved during long GPS outages.     

一种基于GPS和电子指南针的车辆跟踪系统

提出一种基于GPS伪距差分定位数据和车载电子指南针的车辆跟踪方法.该方法周期性地同时采集车辆的GPS伪距差分定位数据和车载电子指南针的角度数据,通过一种数据融合方法将两类数据进行融合,实时给出经过误差修正的车辆运行轨迹.该方法的优点之一是车载电子指南针的角度不会产生误差积累,可以对GPS伪距差分定位数据进行有效的修正,从而提供更精确的车辆运行轨迹.     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

改进的裂变自举粒子滤波算法在GPS导航系统中的应用

为了提高全球定位系统GPS的定位精度和可靠性,提出了一种基于裂变自举粒子滤波FBPF的GPS定位系统算法。根据GPS输出的参数之间的相互联系建立了系统的状态方程,并应用于对GPS接收数据进行滤波处理的改进FBPF算法中。GPS导航系统中采用DSP对GPS接收机的输出信号进行译码和滤波处理。     

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。