小区域GPS工程定位优化仿真分析

研究GPS工程定位优化问题.工程现场存在大量不可控的乘性噪声,呈现高度非线性,噪声源强度不定,反射随机性很强且很难控制,对正常的工程现场的GPS通信定位造成干扰.传统的GPS工程定位方法依靠得到的测距坐标完成区域定位,在受到乘性噪声干扰的情况下,很难保证坐标测距的准确性,造成对工程现场小区域内的定位精度不高.为提高精度,提出了一种抗乘性噪声干扰的GPS工程定位优化方法.利用信号特征自适应方法去除GPS信号中的乘性噪声干扰,为GPS工程定位提供准确的数据基础.根据离散变换相关理论,建立GPS工程定位模型,从而实现乘性噪声干扰下的小区域GPS工程定位.实验结果表明,利用改进算法能够在乘性噪声干扰下进行准确的GPS工程定位.     

基于分数间隔均衡技术的GPS定位修正算法

移动终端节点阵列分布具有波特间隔不均衡特性,节点分布的波特数随信道码间干扰所覆盖信息码元数量的增加成指数增长,导致在小区域内GPS定位精度不准确,需要对定位信息进行修正.为了提高GPS定位精度,首先提出一种改进的基于分数间隔均衡技术的GPS定位修正算法,设计波特间隔均衡器对GPS定位信号波特率并进行采样;然后提出采用分数间隔均衡技术进行变步长修正移动终端节点接收信号的频谱混迭响应特性,最后采用静态电位估计算法,补偿GPS定位接收信号中的信道畸变,修正目标位置信息.仿真结果表明,算法特别适用于300m内小区域短距离终端用户GPS定位,能有效对抗相干干扰,定位方位角均方根误差较传统方法缩小,定位准确度大幅提高.     

基于修正残差的物联网节点定位算法仿真

针对物联网系统中,底层传感节点种类众多,分布随机性很强,节点分布不均匀,节点之间的属性存在较大差异,很难建立统一的节点属性的测距模型.传统的测距定位算法由于无法建立统一的定位测距模型,造成在密集节点区域节点属性多样化明显,造成节点属性的测距误差较大,引起定位不准的问题.提出了一种基于修正残差算法的物联网节点定位方法.通过对测距结果进行测距残差的有效修复,在残差修正的基础上,利用跟踪滤波算法进行节点的跟踪处理,保证未知节点的位置计算的准确性.计算机仿真结果证明,改进方法能够较大幅度提高物联网结构下节点定位的准确性,在物联网小区域的节点定位领域有广阔的应用前景.     

电磁波干扰下的工程GPS定位优化与仿真

研究GPS信号的优化定位问题.GPS在大气层传播中,信号要受到不可抗拒的电离层和对流层电磁波干扰,加之大城市或山区高层建筑物及树木等对信号的影响,会导致信号的非直线传播,造成定位存在多路径效应.传统GPS抗干扰定位算法主要针对静态绝对定位,对于产生多路径效应的动态干扰,定位结果跳跃较大,稳定性差.提出了一种加权约束残差修正的工程GPS抗电磁波干扰定位算法.利用数据组合方法,对工程GPS测量信号进行采集.通过加权约束残差修正方法,并对采集的GPS信号进行残差修正处理,在电磁波干扰的情况下形成深零陷,从而提高工程GPS测量信号的抗干扰性.实验结果表明,改进算法可对工程GPS测量进行电磁波抗干扰处理,能够有效提高信号的抗干扰性能.     

基于无线传感器网络的室内定位技术的研究

对WSN中基于测距技术的定位方法进行了研究,针对室内环境易对信号造成干扰且硬件存在差异的情况,采用为每个参考节点设置其测距模型的方案.对利用线性定位和极大似然估计两种定位算法分别进行了分析,通过实验测试定位系统中测距模型的测距误差以及两种定位算法的定位误差,依据实验结果提出了综合运用两种定位算法的策略.     

井下救援人员定位中的信号抗干扰技术研究

研究井下救援人员准确定位问题.针对井下通信情况较为复杂,存在大量的非线性乘性噪声,使得无线定位通信信号大幅减弱,人体运动中产生的干扰也很难抑制.传统的CAB算法在弱信号强干扰的条件下不能抑制干扰,且对运动干扰的稳健性较差,造成人员定位不准.为了避免上述缺陷,提出了一种采用特征分离算法的井下救援人员准确定位方法.对采集的信号进行连续小波变换处理,去除信号中的干扰信息,提高信号的准确性.利用特征分离方法,分离出救援人员定位信号,从而实现井下救援人员定位.实验结果表明,利用特征分离算法能够去除外界因素的干扰,提高井下救援人员定位的准确性.     

一种抗动态运动干扰的雷达车辆测距算法仿真

研究车辆行驶过程中的准确测距问题.车辆在行驶的过程中,行驶速度存在较强的突变性,且很难运用动态模型进行描述,而传统的利用计算机视觉信号的采样频率采样的方法也很难保证较为完全地采集这种信号突变,最终动态的信号变换只能导致测距结果失真,降低了车辆测距的准确性.为了避免上述缺陷,提出了一种抗击动态运动干扰的雷达车辆测距算法.采集车辆测距调频信号,利用非线性滤波方法对其进行去噪处理,得到准确的中频信号.通过计算中频信号动态发射频率消除动态误差,从而实现车辆测距.实验结果表明,这种算法能够有效提高车辆测距的准确性,取得了令人满意的效果.     

乘性噪声干扰下汽车通信定位系统优化设计

汽车在运动过程中,乘性噪声会造成通信系统中的GPS信号变弱,使得传统的汽车通信系统定位方法在乘性噪声干扰下,定位误差较大,特征发生变化;传统的车辆定位系统缺乏应对这种乘性噪声干扰的能力,系统无法在干扰下捕获GPS弱信号,造成定位效果不准确;提出一种乘性噪声干扰下汽车通信定位系统设计方法;采用嵌入式分布系统的设计完成GPS信号采集功能,采用新一代的硬件抗干扰设计,在软件设计中,采用了一种增强型信号关联挖掘算法对弱化的GPS信号进行深度挖掘;实验表明这种系统设计方法能够大幅提高乘性噪声干扰下汽车GPS信号定位结果的准确性。     

抑制多径的BD2/GPS双模自适应扩展卡尔曼滤波算法

当BD2/GPS卫星信号受到多径效应干扰时,接收机的定位精度将会严重下降。针对这一问题提出了一种抑制多径的BD2/GPS双模自适应扩展卡尔曼滤波算法。通过观测误差协方差估计和粗差检测来调整卫星参与定位的受信任程度和个数,分析了多径效应对伪距残差和多普勒残差的影响,同时对比了原始EKF算法和AREKF算法在多径干扰下复杂动态路况的定位性能。实验结果表明,AREKF算法能够有效抑制多径信号对定位效果的干扰,明显提高了定位精度和可靠性。     

基于道路结构特征的智能车单目视觉定位

高精度定位是实现自动驾驶的关键.在城市密集区域,全球定位系统（Global positioning system,GPS）等卫星定位系统受到遮挡、干扰、多路径反射等影响,无法保障自动驾驶所需的定位精度.视觉定位技术通过图像特征匹配进行位置估计,被广泛研究.然而传统基于特征点的方法容易受到移动目标的干扰,在高动态交通场景中的应用面临挑战.在结构化道路场景中,车道等线特征普遍存在,为人类驾驶员的视觉理解与决策提供重要线索.受该思路的启发,本文利用场景中的三垂线和点特征构建道路结构特征（Road structural feature,RSF）,并在此基础上提出一个基于道路结构特征的单目视觉定位算法.本文利用在北京市区的典型路口、路段、街道等场所采集的车载视频数据进行实验验证,以同步采集的高精度GPS惯性导航组合定位系统数据为参照,与传统视觉定位算法进行比较.结果表明,本文算法在朝向估计上明显优于传统算法,对环境中的动态干扰有更高的鲁棒性.在卫星信号易受干扰的区域,可以有效地弥补GPS等定位系统的不足,为满足自动驾驶所需的车道级定位要求提供重要的技术手段.