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。     

基于衰减记忆UKF的高精度GPS定位估计

目前单机GPS接收机定位精度较低,主要是由于定位模型的不完善和定位估计算法的误差造成的.为了提高识别精度,提出了伪距和多普勒频移相融合测量模型,采用一种将衰减记忆平淡卡尔曼滤波算法(MAUKF)进行GPS定位估计,来提高单机GPS的定位精度.MAUKF是一种改进的卡尔曼滤波算法,通过引进衰减因子加强对当前测量数据的利用,以减小历史数据埘滤波结果的影响.经过GPS单机静态定位实验验证,算法能够提供优于传统滤波算法的定位估计精度,并可用于提高单机GPS定位精度.     

基于改进UKF的GPS非线性动态滤波研究

为了提高动态定位精度,将一种改进的UKF(Unscented galman Filter)算法应用在GPS非线性动态定位解算中.将UKF算法与IEKF(Iterated Improved Kalman Filter)算法相结合,因此保持了基本UKF算法易于实现和收敛速度快的优点,同时由于滤波值是通过迭代扩展的卡尔曼滤波机制得到,进而更新值能更准确的逼近非线性系统状态概率密度函数,具有更高的精度.应用于GPS非线性动态滤波定位中,仿真结果表明:与UKF算法相比,算法能够明显提高定位精度.     

基于WiFi的一种改进的室内定位算法

为解决室内定位中算法定位精度不高、误差偏大的问题,在原有指纹匹配算法的基础上,提出了一种新的信号能量加权改进接收信号强度的方法.通过对改进后的信号能量进行均值滤波和阈值滤波处理,改善离线建立指纹库阶段建库数据源.在线匹配阶段,改进WKNN算法,利用方差加权结合欧式距离倒数进行相似度匹配.该方法与目前的WKNN算法相比,在减少复杂度的同时,对定位效果进行改善.在不考虑AP组合对定位结果影响的情况下,仿真结果表明所提出的改进算法能明显提高定位精度.     

改进的多尺度域变步长自适应算法在FOCT中的应用研究

为了更有效的提高光纤电流互感器FOCT(Fiber-Optical Current Transformer)的信噪比,在分析FOCT输出信号特性的基础上,结合变步长自适应算法和小波变换理论,提出一种针对处理FOCT输出信号的改进多尺度域变步长自适应滤波算法,并设计了一种基于ActiveX技术的变步长自适应滤波系统,通过该系统将改进算法与现有的变步长自适应算法进行了对比,结果表明此算法的收敛速度和稳态精度都得到了很大的改善.然后将此算法在FOCT中进行了应用测试,测试结果反映了该算法能有效提高FOCT的检测信噪比和抗噪声干扰能力.     

基于WT-UKF 的PDR/GPS 组合定位算法

针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤波效果和精度的缺陷. 实验结果表明, 使用WT-UKF 滤波算法对PDR/GPS 进行数据融合时稳定性更强, 精度更高.     

卡尔曼滤波在无人水面艇双天线GPS定位测向系统中的应用

针对无人水面艇双天线GPS定位测向系统的定位误差问题,利用卡尔曼滤波算法对GPS数据进行滤波处理;根据位置与速度及航向的关系,建立数学模型,然后利用卡尔曼滤波算法对定位测向系统的测量值进行滤波处理;首先,对无人水面艇在静止、低速及高速运动状态的GPS数据进行了处理;仿真结果表明,在这三种情况下卡尔曼滤波方法能够提高GPS定位精度,在定点实验中观测值的均方误差为0.5259,滤波后变为0.0536;最后,在干扰情况下的无人艇运动仿真实验中,经过卡尔曼滤波后测量数据的均方误差由0.5043降低为0.3553;实验说明卡尔曼滤波能获得很好的滤波效果。     

一种基于改进Kalman滤波的多传感器室内定位方案

利用手机内置加速度传感器、陀螺仪等多传感器融合进行行人航位推算实现室内定位,具有成本低、灵敏度高、定位方法简便等优点,但在人员非步态扰动及传感器自身测量误差产生漂移情况下,传感器信号采集的波动干扰大,导致室内定位精度较低.针对此问题,提出一种改进的Kalman滤波.以均值滤波对采样信号做一次处理,降低波动明显的采样数据干扰和系统响应时间,再将处理后的采样数据作为一次测量值利用Kalman滤波进行递归运算,提高了系统定位精度.实验结果表明,该算法较传统Kalman滤波在2 m内的定位精度提高了57.3百分点,其1 m内定位精度也能达到68.2％,同时运行稳定性也有所增强.     

随机共振在惯性传感器信号处理中的应用

针对实际处理惯性传感器信号的特点,根据随机共振利用噪声增强信号传输的特性,对现有随机共振的算法进行分析和改进,提出将随机共振应用于惯性传感器输出信号处理方法,即将随机共振系统与恢复系统相结合组成随机共振滤波系统,并通过改进系统参数和恢复方法以及对Runge-Kutta算法实现惯性传感器信号的滤波处理。最后分别对惯性传感器的静态数据和动态数据进行验证,结果表明改进的算法能有效地消除干扰,有效地改善了输出信号精度。所提出的滤波方法与传统的滤波方法相比有较大的优势,为惯性传感器信号处理提供了一种新的方法,具有实际应用价值。     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。