基于似然方程校正的时差定位算法

针对传统时差定位闭式解法在量测噪声较大情况下定位性能不佳的缺点,提出了一种新的时差定位算法。该算法首先在无约束条件下利用加权最小二乘得到目标的初始位置估计值,然后利用最大似然方程对初始位置估计值进行校正,校正后的位置估计值将更加接近最大似然估计。通过对算法的仿真分析,结果表明在量测噪声较大的情况下,算法的定位均方误差要小于经典的Chan算法。     

基于UWB与IMU的多传感器融合室内定位技术研究

随着室内定位需求的不断提高,室内定位精度的提高成为目前研究的热点,单一传感器定位技术在复杂的室内环境中定位误差较大、精度较低。针对上述问题提出了一种基于UWB和IMU融合的室内定位方法。该方法首先利用卡尔曼滤波算法对UWB定位技术的伪距信息进行非视距误差的处理,利用最小二乘法解算出位置信息,进而与IMU定位系统解算出来的位置进行松耦合,将UWB定位信息作为量测方程,IMU定位信息作为系统方程最终得到松耦合之后的定位结果。通过仿真实验表明,上述方法可以有效地抑制UWB非视距误差和IMU累积误差对定位精度的影响,提高室内定位的精度。     

多声传感器异步融合算法

声探测定位技术是利用声传感器接收特定声波信号以确定声源的一种无源定位技术,它具有隐蔽性好、不易受干扰等优点.本文研究了仅能提供方位角信息的异步多声传感器无源探测系统数据融合问题,提出了一种适用于声传感器的在线估计可变周期融合算法.该算法首先采用伪线性算法,将非线性量测方程线性化;然后通过采用参数在线估计和基于运动模型向前追溯确保时间同步的方法,解决了目标跟踪时信号传输时延和传感器异步的问题.通过Monte Carlo仿真表明,在参数在线估计中,步长选取适当时,该算法可以满足声探测系统的精度要求,并且具有收敛快、精度高、稳定的特点.     

一种智能化区域无线网络的移动台动态定位算法

无线网络影响因素较多,总是无法避免地产生定位误差,为取得更好的可靠性与精准度,针对智能化区域无线网络,提出一种移动台动态定位算法.构建基于到达时延差的约束加权最小二乘算法,获取到达时延差信息,根据移动台对应服务基站获取的移动台到达时延差与到达角度数据,利用约束加权最小二乘算法多次更新定位估计,结合小波变换,架构到达时延差/到达角度混合定位算法,依据智能化区域无线网络环境的到达时延差数据采集情况,将估算出的移动台大致位置设定为不同种类定位结果,通过多次估算实现移动台动态定位.选取不同无线网络环境展开移动台动态定位仿真,分别从到达时延测量偏差、区域半径以及移动台与其服务基站间距等角度验证算法定位效果,由实验结果可知,所提算法具有理想的干扰因素抑制能力,且定位精准度较高.     

基于异质多传感器的网络分布数据融合的一种算法

针对多异质传感器数据融合能够实现信息互补,改善目标跟踪精度,提出了一种异质多传感器异步量测融合算法,即首先将量测方程线性化,再在砷合中心通过建立伪量测方程,得到同步的量测数据,然后利用噪声相关的伪序贯思想进行融合处理得到全局估计,与现有算法进行仿真比较,结果表明了该算法的有效性。     

矿井10kV电网单相接地故障定位的研究

针对现有故障定位方法中所测的工频故障电流微弱与电弧不稳定等问题,提出了一种基于参数识别的故障定位新方法。该方法采用集中参数的Γ模型建立单相接地故障的故障点定位时域方程,并利用暂态时域信息通过最小二乘优化算法来识别出故障点位置。EMTP仿真实验结果验证了在不同故障条件下该方法的准确性。     

被动声传感器网时延概率定位算法

声传感器测量目标发出的声波信号存在纯方位量测、时延较大的特点,通过对多个声传感器组网,可以实现对目标的定位和时延校准处理.提出了一种被动声传感器网时延概率定位的综合处理算法.首先,对多个传感器量测数据进行动态选择,选出测向线交角更接近90°的两个传感器量测数据进行交叉定位,获得目标初始位置;其次,进行时延校准处理,并重新确定测向线交角更接近90°的两个传感器量测数据进行交叉定位.获得新的目标初始位置估计;最后,利用概率定位对新的初始位置进行概率修正,进而获得目标较为准确的位置估计,形成航迹.仿真结果表明,此算法具有计算量小,实时性强,定位精度高的特点.     

洋流影响下基于运动矢径的AUV协同定位方法

针对水下自主航行器（AUV）协同定位受水下未知定常洋流影响的问题,给出一种洋流影响下基于运动矢径的AUV协同定位方法.利用AUV的运动学方程和基于运动矢径的量测方程,建立AUV的导航模型;通过扩展的卡尔曼滤波,设计了协同定位滤波算法;利用该算法对洋流速度进行估计,以补偿AUV定位误差.仿真结果表明,该算法能有效估计未知定常洋流速度的大小,并对AUV定位误差进行实时补偿,显著提高了AUV的定位精度.     

基于对数似然估计的目标定位跟踪新方法

为避免无源定位中的迭代运算,本文针对多站测角无源定位非线性观测方程,提出利用对数似然估计将其进行伪线性化处理,从而实现目标位置的闭式解算. 首先,在基于二维测角观测量的前提下,提出利用对数似然估计法将非线性观测方程转化为伪线性观测方程的数学模型,并推导出用于目标定位算法的闭式解. 接着,利用“当前”统计机动模型和卡尔曼滤波,实现对目标的精确跟踪定位. 并通过仿真实验验证该闭式解的渐近最优性,从而验证文中理论的有效性.     

改进的无线传感器网络定位算法

定位是无线传感器网络的基础工作。现有定位算法利用参考节点的位置信息对非参考节点进行定位,当该信息受到攻击或误差的影响时,将导致算法精确度下降。该文将传统最小二乘定位算法与Metropolis-Hasting抽样算法有机结合,提出一种改进的最小二乘定位算法。建造一个可能遭受攻击的模拟环境,在该环境下比较改进后的算法和原算法,结果表明,改进后的算法具有较好鲁棒性。     

基于改进容积卡尔曼滤波的认知雷达跟踪算法

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.     

基于三轴磁强计和重力测量的融合导航算法

为了减小地磁导航的估计误差协方差,提高导航的可靠性和准确性,将重力作为一种新的量测信息引入到地磁导航系统中,提出了基于三轴磁强计与重力测量的融合导航算法.该算法以飞行器的位置与速度向量作为状态向量,建立状态方程;以飞行器所在位置的地磁场强度矢量与重力场强度矢量作为观测向量,建立观测方程;设计了一种联邦滤波器,用于融合三轴磁强计与重力测量仪表提供的量测信息.由于量测方程与状态方法都是非线性的,因此采用无迹卡尔曼滤波器(UKF)作为子滤波器可获得较高精度.仿真结果表明:该方法得到的位置估计误差小于30m,速度误差小于5m/s.与单一地磁导航、重力导航方法相比,该组合导航方法显示出更好的收敛性与可靠性.     

一种井下人员无线定位算法研究

针对传统井下指纹定位算法存在需要采集大量指纹数据和定位精度不高的问题,提出了一种差分鱼群优化最小二乘支持向量机(DEAFSA-LSSVM)的井下人员无线定位算法.首先将井下实验区域划分为多个小区域,并利用克里金插值算法建立指纹数据库;然后利用差分进化与人工鱼群混合智能算法优化正则化参数和核函数宽度,建立最小二乘支持向量机算法模型,利用无线采集接收终端采集待定位点的无线信息数据,通过最小二乘支持向量机算法模型计算出其所属小区域;最后利用小区域内无线信息数据,通过加权K近邻算法进行实时定位.实验结果表明:该定位算法的收敛速度快,分类准确,准确率达到98.87%;定位精度高,平均定位误差为1.51 m,比未经优化的最小二乘支持向量机算法的定位精度提高18.82%.     

无线传感器网络的信息分级多路径路由算法

经过分析多路径路由协议的实时性能,提出了一种信息分级的多路径路由(MP-IC)算法.该算法采用最小跳数法创建路由表,建立了可以中转节点选择概率模型,系统根据信息等级调整相关权值,以满足不同等级信息的时延和可靠性能要求.仿真实验表明:与EEAR,EAMMSPEED协议相比,该算法可以有效降低信息时延,具有较高的数据传输可...     

基于时延约束的快速低代价组播路由算法

低代价最短路径树是一种广泛使用的组播树,通常不能满足实时多媒体应用中信息从源端到目的端传输的时延限制。针对该问题,提出基于时延约束的快速低代价组播路由算法,利用代价构建满足时延约束的初始树,将不满足时延约束的路径用最小时延路径代替。仿真结果表明,相比时延约束最短路径树算法,该算法的计算时间更少,组播树的总代价更低。     

采用有限时间平均一致性协议的电力系统分布式状态估计

随着基于相量量测单元的广域量测系统在技术上的成熟与推广应用,利用WAMS量测可实现电力系统线性状态估计.本文基于广域量测系统提出一种全分布式状态估计算法.首先根据拉格朗日乘子法推导了多区域约束加权最小二乘估计模型,然后引入有限时间平均一致性协议,得到系统量测正常情况下的分布式状态估计算法.考虑了系统量测存在异常数据情况,根据最小二乘估计的几何意义扩展推导出修正算法,使其在各区域剔除异常量测后,无需改变信息矩阵,只需执行若干次有限时间平均一致性协议能收敛至信息矩阵修正后的集中式估计值.最后,理论分析和实验结果证明了算法的有效性.     

基于容积粒子滤波的时延差定位估计算法

在基于粒子滤波的时延差定位估计方法中, 重要密度函数的选取将直接影响估计的性能, 为此, 提出了基 于容积粒子滤波的时延差估计(BCPF-TDE) 算法. 该算法利用最新的数据检测信息, 通过容积卡尔曼滤波(CKF) 获 取粒子滤波的重要性密度函数. 仿真实验表明, 在粒子数目相同的情况下, 基于容积粒子滤波的时延差估计(BCPF- TDE) 方法与基于扩展粒子滤波的时延差估计(BEPF-TDE) 方法相比, 定位估计误差只有后者的50% 左右, 而运行时 间相当.

     

基于多异类传感器信息融合的微型多旋翼无人机实时运动估计

针对无人飞行器视觉定位结果存在较大时延而影响飞行器运动状态估计精度的问题,提出了一种基于多传感器数据融合的实时运动估计方法.首先,利用机载惯性测量元件(IMU)提供的姿态信息优化单目视觉定位算法,使得视觉定位结果的时延减小.然后,在利用卡尔曼滤波器估计飞行器运动状态的过程中,考虑了视觉定位结果的时延,利用加速度信息进行时延补偿.最终得到实时的高精度运动估计结果.在自主研制的四旋翼飞行器系统上对本文提出的方法进行了验证.通过与不考虑时延的方法的结果以及真实数据进行比较,证明了本方法的有效性.     

一种改进的三边定位算法

针对基于加权最小二乘(WLS)的三边定位算法在线性化过程中损失定位信息的问题,提出了一种改进的三边定位算法。该算法利用WLS算法粗略估计未知节点的坐标,并利用损失的定位信息构建定位模型,通过求解该定位模型实现精确定位。仿真结果表明,与基于WLS的三边定位算法相比,该算法有效提高了定位精度,且巷道长宽比越大,定位性能越好。     

Cubature卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1％;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22％,有效地提高了实时性.