基于粒子滤波和地图匹配的融合室内定位

为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合WiFi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于WiFi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。     

基于卡尔曼滤波的多传感器测量数据融合

为解决最小二乘数据融合方法不能显式考虑测量的不确定性等问题,提出基于Kalman滤波的多传感器测量数据融合方法,此方法不仅显式考虑各测量设备的不确定性,而且还能实现单点和批量融合数据,有助于用户根据测量数据的多少选择有效的融合方法;且能有效地过滤基于Mahalanobis统计距离的异常噪声点.实例证明,此方法能获得高质量的融合曲面.     

基于模糊PID卡尔曼滤波的多传感信息融合移动机器人定位研究

当工业移动机器人处于复杂工作环境中,其信息序列误差随各量测噪声特性的变化而增大,若使用卡尔曼滤波器进行多传感信息融合则很难做到实时测量和调整,融合后的误差也随之倍增。为解决此问题,在卡尔曼滤波融合前引入增量式模糊自适应PID控制,通过模糊规则设计,改善滤波噪声方差,对融合信息进行限制,并对限制后的速度信号和加速度信号进行融合,从而提高控制精度。MATLAB系统仿真显示,所设计的控制器对多传感器的信息融合效果良好。     

基于卡尔曼滤波和指纹定位的矿井TOA定位方法

分析了矿井巷道中的设施及设备导致的无线信号传播NLOS时延特点,采用几何光学方法论证了NLOS时延参考模型在矿井巷道环境中的适用性并提出矿井巷道NLOS时延分为巷道突发NLOS时延和巷道固定NLOS时延,为了消除NLOS时延对TOA定位精度的不利影响,提出基于卡尔曼滤波和指纹定位的矿井TOA定位方法.对于机车及不规律设置设备造成的巷道突发NLOS时延,提出基于卡尔曼滤波的方法消除其对TOA数据造成的较大误差,在此基础上提出基于历史和卡尔曼阈值的最近邻居指纹定位方法,抑制固定设施及规律设置设备造成的巷道固定NLOS时延引起的定位误差.结果表明,本文方法的定位性能优于SDS-TWR方法和基于SDS-TWR的指纹定位方法,定位实验的平均误差分别降低了3.6,1.2 m,提高了矿井TOA定位的精度,实现矿井人员的精确定位.     

一种融合卡尔曼滤波的室内组合定位算法

为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan-Taylor-Kalman组合定位算法。该算法在Chan-Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明：相比Chan-Taylor协同定位算法,Chan-Taylor-Kalman组合定位算法的定位均方根误差静态环境下在7.54 cm,下降了约13.2%,动态环境下则集中在9 cm,定位性能更稳定,能满足室内移动机器人定位精度的要求。     

基于稀疏表示的室内指纹定位算法

为解决室内实时定位中精度不高的问题,提出了一种基于稀疏表示的室内指纹定位算法.针对传统的指纹数据库匹配算法的不足,将待测点的位置估计看作多分类问题.首先在室内区域选择若干个参考点,多次测量参考点的WiFi信号强度,构建稀疏数据字典.通过稀疏表示的方法,用参考点的指纹矢量对待测点处的指纹矢量进行重构,计算重构误差并根据其对待测点位置进行估计.实验结果表明,与传统SVM定位方法相比,该算法的定位精度有明显提高.     

基于卡尔曼滤波的交通信息融合方法

基于卡尔曼滤波理论,针对交通信息采集过程中的多设备采集系统提出了两种对多种交通检测器检测信息的融合模型。基于该融合思想,建立了3种检测设备的融合模型,并利用3组检测设备的检测数据对该模型进行了验证。结果表明,这两种融合模型建立合理,可有效提高检测精度。     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。     

基于信息融合技术的车载组合导航定位系统

论述了一种采用磁罗经和轮解码器的车用GPS／DR组合导航定位系统．应用多传感器信息融合技术，降低了测量误差．仿真实验验证了上述方法的有效性．     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

基于CDMA-TDOA的室内超声波定位系统

针对国内外对室内定位技术中定位精度不高问题,提出一种基于CDMA（Code Division Multiple Access）-TDOA（Time Difference of Arrival）的室内超声波定位系统,并给出实时性差异等缺点,进行了其工作原理和超声波信号的分析。该系统基于射频和超声波传感器的固有性质,对超声波信号采用CDMA技术进行编码,以便在目标节点上能区分各个信标发来的超声波信号,并结合射频信号实现TDOA测距算法,最终实现三维定位。采用Matlab/Simulink模块对3个信标的超声波信号进行发射仿真与分析。仿真结果表明,该系统在目标节点上能被接收并识别相对应的超声波信号。     

基于超声波的室内三维定位系统

为满足对室内定位技术和系统应用平台的迫切需求,提出一种基于超声波的室内三维定位系统,阐述了其工作原理并对三边定位算法进行了研究。该系统基于射频和超声波传感器的固有性质,对超声波信号采用CDMA（Code Division Multiple Access）技术进行编码,以便在目标节点上区分每个信标发来的超声波信号,并结合射频信号实现TDOA（Time Difference Of Arrival）测距算法,最终实现三维定位。实验研究表明,以一个信标为原点,另外两个信标分别放置为X轴和Y轴上,建立三维坐标系,能简化三边定位算法,并能实现精度较高的三维定位。     

一种基于卡尔曼滤波修正的LRP信道预测算法

提出了一种基于卡尔曼滤波和AR模型的、针对由于移动台高速移动而引起的信道状态变化的信道预测方法。在研究传统的LRP信道预测算法的基础上抽取采样数据,通过训练序列得到AR模型系数,采用LRP信道预测算法进行信道预测,并引入一个决策模块,当信道状态变化较大时,采用Kalman滤波进行替代预测,可获得较好的预测性能。     

基于卡尔曼平滑的AWKNN室内定位方法

基于接收信号强度指示的WIFI室内定位方案存在采集信息跳变现象,进而影响定位精度的问题,提出一种基于卡尔曼滤波的改进自适应加权K最近邻（AWKNN）定位方法。对比分析多种平滑RSSI算法可行性,验证基于卡尔曼滤波对RSSI值进行平滑处理的优势,结合AWKNN算法并采用均方差计算匹配度,通过实时监控相匹配的无线接入点个数后自动调整均方差分母大小,以此实现定位误差的有效控制。实验结果表明,该基于卡尔曼的AWKNN算法在稳定性和定位精度方面较传统WIFI指纹算法有较大幅度提高。     

基于Kalman滤波的信号多尺度估计

系统地推导了信号基于Kalman滤波多尺度估值算法，并用实例验证了该方法滤波的有效性．     

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。     

基于变权新息协方差的自适应卡尔曼滤波器

针对传统卡尔曼滤波器鲁棒性差,无法实时精确跟踪系统突变状态的现实,设计了一款基于变权新息协方差的自适应卡尔曼滤波器。在传统卡尔曼滤波器的基础上,分析了突变状态无法跟踪的缘由;基于滤波发散判据,分析储备系数与均权新息协方差之间的关系,对状态突变程度进行分层;基于Sage-Husa估计原理与加权最小二乘准则,对于不同程度的突变状态,采用实时调整各历元新息协方差权重的策略,优化渐消因子,激活滤波增益,增权量测新息。实例研究表明,自适应卡尔曼滤波器鲁棒性强,能够精确跟踪系统突变状态,其状态收敛速度优于抗差卡尔曼滤波器,稳态精度提升了42.05%。     

基于捷联惯性导航的室内定位系统研究

基于捷联惯性导航的室内定位系统是综合运用MPU6050陀螺加速度计模块、HMC5983三轴电子指南针模块和蓝牙模块来实现定位. 系统以STM32单片机为控制核心,依此算出四元数和旋转矩阵,并利用卡尔曼滤波算法计算最优姿态角,在此基础上获取载体在导航坐标系中的运动加速度,通过对加速度的两次积分计算出载体在导航坐标系中的位置信息. 为了克服惯性导航固有的不可消除的积累误差,布设关键通信节点,采用局部蓝牙通信定位,并通过加权平均融合对位置信息做出修正,提高了定位系统的定位精度.