基于超宽带位置指纹与惯导融合的室内定位技术研究

在室内定位环境复杂多变的情况下,超宽带(UWB)信号易受多径干扰和非视距环境影响,导致定位精度不高。鉴于指纹定位和惯导定位不受多径干扰和非视距环境影响,以及UWB信号具有时间分辨率高和测距精确的特点,以由非对称双边双向测距算法获得的UWB测距值为指纹库匹配数据,建立了结合K中心聚类和加权K近邻的UWB指纹定位算法;提出了利用扩展卡尔曼滤波将UWB指纹定位与惯导定位进行融合的融合定位算法。定位实验结果显示,该融合定位算法能将平均定位误差降至0.248 m,对有效提高室内定位系统的可靠性和定位精度具有重要作用。     

悬臂式掘进机自主定位导航技术研究与试验

针对煤矿综掘工作面悬臂式掘进机定位系统存在的定位误差大、定位方式单一问题,在介绍悬臂式掘进机定位需求的基础上,分析基于双目视觉、捷联惯导融合的掘进机自主定位方案.在实验室搭建试验平台,完成基于双目视觉的位姿试验、基于捷联惯导的导航试验、基于双目视觉/捷联惯导融合的定位试验.结果表明:采用融合定位方案后,能够有效抑制掘进...     

基于UWB和IMU信息融合的室内定位算法研究

室内复杂环境下，移动机器人精确定位是实现机器人在半结构化场景下工程应用的关键。超宽带（UWB）测距定位是一种当前广泛应用于室内定位的高精度定位技术，最小二乘算法是精确定位的主流算法之一。受非视距（NLOS）、多径效应等因素影响，UWB定位在室内定位应用过程中存在定位数据抖动严重的问题，同时最小二乘法无法解算极值点定位数据，导致定位信息中断。为了解决UWB定位技术在室内定位过程中存在的精度低和稳定性差等难题，提出了基于扩展卡尔曼滤波（EKF）框架下融合UWB和IMU传感器信息的室内定位数据增强处理方法。其中IMU测量值作为滤波器的预测，UWB的测量值作为滤波器测量更新。融合定位算法可以弥补短期内定位数据丢失，降低定位数据的抖动，提高定位系统的稳定性，在半结构环境下具有更好的工程优势。     

基于改进增量卡尔曼滤波算法的UWB室内定位研究

为解决室内环境下的非视距(NLOS)、多径传播以及欠观测条件下的量测系统误差给测距定位带来较大误差的问题,提出了改进增量卡尔曼滤波以消除定位误差的算法。该算法运用增量卡尔曼滤波对由超宽带(UWB)室内定位系统得到的距离值进行去噪,避免了受环境、测量设备等因素影响或者难以自校准由量测方程带来的系统误差而导致较大的卡尔曼滤波误差问题;然后运用经典Chan定位算法对目标标签实现定位获得定位结果。实验和仿真表明,与传统的小波去噪和卡尔曼滤波相比,该定位算法数据稳定性好,误差减小,显著提高了定位精度。     

基于MEMS/GNSS的多机协同无源定位

为了对多机协同定位算法进行研究,使用采集到的某款较高精度的MEMS惯组的噪声数据替代仿真噪声数据,模拟采用MEMS/GNSS组合导航算法的载机平台,使得定位算法的使用条件更加接近真实应用水平,并对在仅有视线角测量情况下的无源定位算法进行了精度分析和改进.以MEMS惯组真实数据为依据设置组合导航算法的参数,并在模拟载机的过程中加入真实惯组噪声,通过组合导航解算获得载机的位置坐标.建立仅有视线角量测的无源定位算法数学模型,在组合导航定位的计算结果稳定之后,利用获得的自身位置数据,基于扩展卡尔曼滤波估计目标的位置及速度信息.最后,利用联邦滤波算法,将该定位算法扩展为多机协同定位算法,进一步提高定位系统的容错性能.通过分析对比双机定位模型的几何精度误差与双机协同定位算法的表现,可知文中算法能够将定位精度从100 m量级降到10 m量级,实现了仅有视线角测量情况下的多机协同定位,定位精度高,且分析结果更符合实际情况.     

单轴旋转惯导系统建模与仿真

建立了单轴旋转式捷联惯导系统数学模型和仿真模型,采用的导航算法能有效避免转台测角误差对系统定位精度造成的影响;仿真结果表明旋转IMU能提高抑制惯导定位误差的累积,提高惯导定位精度、姿态精度和速度精度也同时得到提高。     

基于SINS/DR组合导航和地图匹配技术的地铁定位方法研究

随着轨道交通的发展,地铁在人们日常生活中扮演着越来越重要的角色,地铁的定位技术也是移动闭塞实现的关键.本文针对地铁无法使用GPS且地面设备复杂,成本高的缺点,提出了一种基于惯性测量单元(IMU)和速度传感器辅以轨道电子地图的自主定位方法,在抑制捷联惯导系统(SINS)的误差发散的同时,减少了航迹推算(DR)由于姿态角误差造成的累计误差.根据铁路线路的特殊性,提出了运用最小二乘进行地图匹配的方法校正组合定位带来的误差,极大提高了定位的精度,同时减少了对轨旁设备的依赖性,降低了造价和维护成本.     

基于自适应PDR补偿的UWB/MIMU组合行人定位算法

为提高室内环境下行人的定位精度,针对超宽带(UWB)和微型惯性测量单元(MIMU)在行人室内定位中存在的定位不连续和定位误差累计问题,提出一种自适应行人航位推算(PDR)补偿的UWB/MIMU组合方案。首先提出一种多约束的PDR计步算法,降低了对阈值设置准确性的要求,消除了伪波峰和伪波谷对计步结果的影响;接着通过引入零速更新(ZUPT)和零角速率更新(ZARU)组合的方法对航向角误差进行修正;最后基于自适应滤波算法解算行人的位姿并进行了实验验证。结果表明,所提方案有效抑制了定位轨迹误差增大趋势,使得偏航角误差减少2°。     

基于因子图的 INS / UWB 室内行人紧组合定位技术

针对室内复杂应用场景下待定位行人接收到的超宽带(UWB)测距信息数量不确定问题,提出一种基于因子图的INS/UWB室内行人紧组合定位算法,实现对动态随遇接入与退出的UWB量测信息有效融合。首先,基于室内行人运动模型以及UWB量测模型构建INS/UWB紧组合因子图模型,由于对行人位置与速度同时进行建模估计,导致该因子图模型含有环结构。在此基础上,针对有环因子图模型基于和积算法(SPA)通过两次迭代推导因子图中各节点间消息传递算法,计算行人位置与速度的后验概率密度。进一步,针对特殊量测矢量条件下因子图算法定位误差跳变问题,提出一种基于坐标变换的因子图改进方法,从而有效提高行人位置与速度估计精度。仿真结果表明,本文提出的INS/UWB紧组合定位算法可以有效融合动态随遇接入与退出的UWB测距信息。在满足计算量与内存消耗需求的前提下,与变结构多模型扩展卡尔曼滤波(EKF)相比,本文提出算法的定位精度与速度估计精度可以分别提高14.94%与56.42%。     

GPS/SINS综合定位系统仿真实验研究

设计了一个基于位置/速度组合的集中卡尔曼滤波器,整合来自所有传感器的数据以提供精确的和可靠的定位数据.分别对GPS和SINS进行误差分析并建立相应的误差模型.运用卡尔曼滤波对系统误差进行最优估计,将校正后的SINS数据作为综合定位系统的输出.为验证论文中采用的整合方法和数据融合算法的有效性,对GPS/SINS综合定位系统进行了计算机仿真.仿真结果表明该GPS/SINS位置/速度组合可以提高系统精度,特别是位置和速度的精度有明显的提高.     

SINS/LBL组合导航序贯滤波方法

在长基线水声定位系统(LBL)实际应用过程中,由于信标作用距离限制、障碍物遮挡等多种原因,使得水下无人航行器(UUV)可能无法接收到所有信标的应答信号而产生量测更新延迟问题。对UUV在无法接收到所有信标信号时的导航滤波算法进行了研究;结合捷联惯性导航系统(SINS)误差模型和声速误差,建立了SINS/LBL组合导航模型,并将异步量测序贯处理方法引入该模型,实现了SINS/LBL组合导航滤波算法的实时量测更新;通过湖上试验数据分析,对比了SINS/LBL组合导航序贯滤波方法与常规方法的位置误差。结果表明,该方法即使在应答信号有缺失的情况下,仍然能够利用有限的应答信号量测值进行实时量测更新,保障了组合导航的精度。     

基于脉冲响应消岐重构的 UWB 测距优化方法

UWB 测距技术因功耗低、安全性高等优势在工业领域应用日益广泛。 工业非视距场景下 UWB 脉冲信号由于穿透衰 减和多通道反射等因素,存在首径信号衰减和多径延迟的问题,将会降低系统的定位精度。 针对该问题,通过对 UWB 信号传 递及响应建模,提出一种基于 UWB 信道脉冲响应的消岐重构算法,将信道脉冲簇信号进行泊松过程解析,对代表直线传播距 离的首径信号进行特征增强,实现了复杂多径干扰下的首径信号提取与分离,提高了信号到达时间辨识精度,减少了 UWB 测 距误差。 进一步地,依据 IEEE802015. 4a 标准对 UWB 信道响应进行仿真,并实现了不同遮挡环境下的实验研究,仿真和实验结 果表明,本文提出的消岐重构算法能够显著提高多干扰环境下的定位精度,在存在多反射源和多遮挡物的工业非视距场景下, 可使定位误差相较于传统阈值法降低约 79. 1% 。     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.     

基于 EM 估计的多模型车载组合导航算法

针对行车过程中车载全球卫星导航系统受遮挡产生多径效应、可见星数量少等影响,造成的定位精度差的问题,提出了 一种基于期望最大化(EM)的交互式多模型车载组合导航算法。 本文采用了混合高斯分布模型描述 GNSS 多径效应误差分布, 提出了基于 EM 的 SINS / GNSS 子系统组合导航信息融合方法,实现多径效应偏置误差的估计。 建立了基于零速约束的 SINS / OD 组合导航模型,同时利用交互式多模型算法实现了在 GNSS 信号丢失情况下的导航模型交互融合,提高了车载组合导航系 统精度。 车载实验结果表明在 GNSS 多径效应及信息丢失条件下,本文所提出算法能有效提高导航精度,多径效应的混合高斯 模型偏置为 10 m 条件下,偏置估计误差小于 0. 5 m,水平最大定位误差为 2 m,比传统交互式多模型算法定位误差降低 84. 62% 。     

城市轨道交通工程基于 UWB 定位的人机防碰撞技术研究

由于传统的轨道交通基坑隧道工程施工的人机械碰撞事故隐患突出,导致施工安全系数低和数据传输精度低等问题。对城市轨道交通工程基于 UWB 定位的人机防碰撞技术进行了研究,阐述了超宽带高精度定位技术在轨道交通基坑隧道工程施工中的现状,移动的机械设备通过定位标签实时生成虚拟电子围栏;根据无人机相较有人机管制操纵指令延迟的实际情况,分析并推导管制区域内无人机与有人机的防撞管制间隔;通过人员佩戴的定位标签与机械设备虚拟电子围栏发生位置信息交互,判断碰撞可能,实现提前预警。实验结果表明,该方法的定位系统误差最低为 9% ,数据传输精度高达 80% ,由此可知,采用基于 UWB 定位的人机防碰撞技术的数据传输精度更高,有效性更好。     

基于VBKF-CPA-TSA算法的UWB定位技术

设施内移动农业设备的精准定位是农业智能化、无人化发展的关键。针对设施内GPS拒止环境下农业设备的定位问题,提出利用超宽带(UWB)系统构建设施内移动农业设备的导航定位系统。为了提高移动农业设备的定位精度,提出利用变分卡尔曼滤波(VBKF)对UWB系统的4个测量距离进行平滑处理,提高测量距离的估计精度,采用全质心定位算法(CPA)求解目标节点的位置坐标;为了进一步提高定位精度,利用改进的泰勒级数优化算法(TSA)对VBKF-CPA方法的定位结果进行优化处理。以移动机器人为实验平台,利用UWB系统在室内开展了动静态模拟实验,验证所提方法的有效性。实验结果表明,VBKF-CPA-TSA算法能提升目标节点的定位精度,获得较稳定的定位结果,x轴、y轴、z轴的平均误差由0.085、0.071、0.064 m减小为0.034、0.032、0.028 m,平均估计精度分别提高了60%、54.9%、56.3%;VBKF-CPA-TSA算法的动态定位轨迹更逼近真实轨迹,表明所提定位算法能提高设施内UWB系统的定位精度,该方法为设施内GPS拒止环境中移动农业设备的定位提供新方法。     

故障修复增强的抗差滤波 PDR/ GNSS 行人导航方法

针对复杂环境下智能手机卫星信号容易受到干扰而引起组合导航精度降低的问题,提出一种基于故障修复的抗差滤波 行人导航方法。 该法首先利用等价权因子实时调整观测权值,以有效地减少观测粗差对组合导航精度的影响。 其次,针对松组 合系统没有观测冗余的模型局限性,将抗差扩展卡尔曼滤波检测区间分为无故障、偏离和异常 3 段。 无故障时,不做处理;出现 偏离时,对观测值进行降权处理;异常情况下,利用预测新息对故障进行幅值修复,进而修正观测值。 实际实验结果表明,当 GNSS 出现单历元故障时,经典的抗差滤波方法能够有效提高智能手机 PDR/ GNSS 组合导航定位精度,其北向最大误差由 7. 27 m 减小为 3. 20 m,东向最大位置误差由 24. 01 m 减小为 6. 60 m;在 GNSS 出现多历元连续故障时,所提出的故障修复增强 的抗差滤波方法相比经典的抗差滤波方法的平均定位误差下降了 50% 以上。     

衍射光栅刻划机微定位系统控制器设计

针对衍射光栅刻划机开环控制的定位精度不能满足指标要求的问题,在刻划机已有的状态和结构下,设计了微定位系统的控制器。首先,介绍了衍射光栅刻划机,分析了微定位系统及其定位精度指标。然后,运用系统辨识的方法,设计了微定位系统的扫频实验,建立其数学模型。接着,提出了在已有数学模型的基础上,运用实际测量数据和MATLAB/Simulink软件仿真试凑来设计控制器的方法,并设计了满足精度指标要求的控制器。最后,将设计的控制器应用于微定位系统并进行模拟刻划实验,实验结果可知:所设计的微定位系统控制器定位精度基本满足指标要求,其中峰-峰值小于40 nm,RSM值总体略大于2.8 nm。     

A new method of seamless land navigation for GPS/INS integrated system

For the last few years, integrated navigation systems have been widely used to calculate positions and attitudes of vehicles. The strapdown inertial navigation system (SINS) provides velocity, attitudes and position information, whereas the global positioning system (GPS) provides velocity and position information. A method using neural network (NN) and wavelet-based de-noising technology is introduced into the SINS/GPS/magnetometer integrated navigation system, because system accuracy may decrease during GPS outages. When the GPS is working well, NN is trained using the velocity and position information provided by SINS as input and the corresponding errors as output. Wavelet multi-resolution analysis (WMRA) is also introduced to de-noise the errors, the desired output of NN. Test results showed that velocity accuracies improved using NN, but other accuracies remained poor. By re-training NN with WMRA, the system accuracies improved to the level of using normal GPS signal. In addition, NN trained with WMRA also improved the approximation to the actual model, further enhancing alignment accuracy.