GPSG与惯性导航系统融合的精确连续定位算法

为了克服独立的惯性导航系统无限制的位置误差和ＧＰＳ的１ＨＺ慢速数据修正速率的缺陷,本文提出了对两种具有不同输出数据速率运动传感器ＧＰＳ与ＩＮＳ融合算法了五点二次和两点线性预测的高精度连续融合定位算法,起初数据和模拟ＩＮＳ数据融合的实验证明了该方法的正确性,为在中、高动态环境下的高精度实时连续定位提供了一种新的途径。     

GPS与惯性导航系统融合的精确连续定位算法

为了克服独立的惯性导航系统无限制的位置误差和 Ｇ Ｐ Ｓ的１ Ｈｚ 慢速数据修正速率的缺陷,本文提出了对两种具有不同输出数据速率运动传感器 Ｇ Ｐ Ｓ与 Ｉ Ｎ Ｓ融合算法,研究了五点二次和两点线性预测的高精度连续融合定位算法,真实 Ｇ Ｐ Ｓ数据和模拟 Ｉ Ｎ Ｓ数据融合的实验证明了该方法的正确性,为在中、高动态环境下的高精度实时连续定位提供了一种新的途径。     

一种GPS定位信息可用性的实时判定方法

本文在基于GPS接收机输出数据的基础上，采用3级AR模型，预测下一时刻的GPS输出值，并与实际的输出值相比较，以一定的检测门限，判断当前时刻定位信息的可用性。通过仿真证明该方法的有效性，为GPS的可用性判定提供了一种方法。     

应用手机GPS数据预测交通流速度

准确估计交通状况，定位交通拥堵是方便人们出行的重要一步。利用手机GPS信息，预测交通拥堵具有很广阔的应用前景。本文采用基于主成分分析的多元线性回归的方法构建预测模型，利用GPS定位数据对短时交通流速度进行预测。实验结果表明，基于手机GPS数据所构建的回归模型能够对交通流速度进行有效的预测。     

基于融合算法的GPS/UWB/MARG协同定位系统研究

为了弥补在不同场景下切换时目标丢失的盲区,提出GPS/UWB/MARG的协同定位系统,实现城区建筑间混合场景下的无缝定位。在混合场景下采用一种加权融合算法实现GPS和UWB协同定位,MARG用以辅助提高GPS定位精度,先对单一子系统进行数据优化和性能分析后,以加权融合的方式处理GPS/MARG数据和UWB数据,自主判断在不同定位环境下的数据输出的最优定位信息。结果表明,协同定位系统在混合场景下平均定位精度相比于GPS/MARG系统提高了64%,定位精度更高同时拓展了单一定位系统的应用场景。     

UKF在高动态GPS数据处理中的应用

针对高动态GPS数据处理中的非线性问题,提出了一种基于无迹卡尔曼滤波(UKF)的非线性GPS数据处理方法。传统的方法是将滤波中的非线性方程在标称轨道附近采样线性化,这样会产生较大的误差且计算较难实现。所提算法利用UKF处理GPS数据模型中的非线性方程,采用加权采样点的高斯最小集来表示状态分布,然后通过U变换产生的状态变量进行滤波估计。仿真实验表明,所提算法能够有效处理高动态GPS数据中的非线性问题,预测精度也有较大提高。     

GPS信号位同步方法研究

GPS 信号的位同步是接收机定位环节中的关键一环,鉴于传统位同步方法等待时间长的缺点,本文提出了基于点积和直方图算法的位同步方法,利用点积输出结果作为位同步点的判定依据可以有效缩短定位等待时间,利用直方图算法可以提高位同步点的判定概率。     

一种基于三坐标相控阵雷达的点迹凝聚方法

提出了一种基于三坐标相控阵雷达扫描方式和回波数据特性的点迹凝聚方法，根据目标回波数据的“图像性”数据结构，同时结合雷达工作参数和目标散射截面积等特性，采用经典图像处理算法——泛洪填充算法和三维质量中心算法，完成目标在距离、方位和俯仰三个维度上的点迹凝聚和检测输出。该算法能保证点迹动态实时输出，减小目标点迹输出延时，具有很大的工程实用价值。     

定位用SINS/GPS组合算法仿真及分析

从SINS／GPS（Strapdown Inertial Navigation System／Global Position System）组合系统算法设计的总体方案入手，给出了低动态载体定位或高动态载体短时定位用的一种捷联解算算法，推导了SINS／GPS组合算法采用的惯性测量误差方程，结合某载体运动参数，对几种情况下的SINS／GPS组合定位误差进行了仿真，并对仿真结果进行了比较，为工程应用奠定了基础。     

GPS动态定位中自适应卡尔曼滤波研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

高动态环境的GPS信号接收及其算法研究

高动态环境存在较大的多普勒频移,这使得普通的GPS接收机在没有惯导辅助的情况下很难可靠工作。为了同时满足高动态GPS接收机动态性能和跟踪误差两方面的需要,本文提供了一种以DSP为核心的高动态GPS接收机设计方案,并对其各模块的功能进行了详细的解释说明。为了帮助DSP的设计,本文还研究了3种适应高动态环境的GPS信号参数估计算法,包括最大似然估计算法,卡尔曼滤波算法和频率扩展卡尔曼滤波算法。通过仿真,比较分析了这3种算法的估计精度和动态跟踪能力等性能。并对高动态GPS中的DSP实用化的设计方案进行了探讨分析。     

一种新的GPS快速整周模糊度解算算法

本文实现了一种新的GPS快速整周模糊度解算算法,首先采用Kalman滤波估计初始浮点模糊值,然后采用FASF（快速模糊度搜索滤波器）和Z变换联合的方法解算整周模糊度,并给出了计算机实验结果。相对于传统的模糊度解算算法,本文采用的整周模糊度解算方法具有效率更高、更便于实时和动态应用的特点,本文的研究可作为GPS实时高动态定位和GPS实时姿态测量的工程应用的参考。     

一种静中通卫星天线对星策略

针对采用电子罗盘进行静中通天线对星对电磁环境要求太高的问题,介绍了进行一种更实用的静中通卫星通信天线对星的策略,该策略利用双轴倾角仪和GPS作为姿态和位置传感器并结合了一定的控制算法,其硬件成本较低,算法简单,对星迅速,是一种简单可行的对星策略.     

基于Wigner-Ville分布的高动态频率跟踪算法

高动态环境存在较大的多普勒频移,这使得普通的GPS接收机在没有惯导辅助的情况下很难可靠工作。为了同时满足高动态GPS接收机动态性能和跟踪误差两方面的要求,文中根据时频分析的理论,提出了一种基于Wigner-Ville分布的高动态频率跟踪算法。在分析高动态载波相位模型和Wigner-Ville分布理论的基础上,给出算法的实现方法。仿真结果表明：该算法可在低信噪比下跟踪高动态GPS信号。     

高动态GPS中频信号仿真及验证

在研究在高动态条件下GPS软件接收机信号处理算法时,需要对高动态GPS数字中频信号进行仿真。本文在分析GPS数字中频信号数学模型的基础上,针对高动态载体接收的GPS信号深入研究,提出了一种高动态信号仿真方法,详细阐述了信号仿真的步骤,在MATLAB上实现了对GPS数字中频信号的仿真,最后在GPS软件接收机上验证了中频仿真信号。检验结果表明,本文提出的仿真方法可以为研究高动态GPS软件接收机算法提供可靠的信号源。     

低频压电马达的工作机理与动力学研究

通过检测人体行走步数,结合步距和行走方位,可推算出具体行走位置,从而在无GPS情况下,达到提高个人惯导位置精度的目的。为提高计步精度,利用加速度信号,首先采用5点平滑滤波,其次搜索自适应时间窗内的极值来求取自适应双阈值,最后检测信号向上穿越中阈值和向下穿越低阈值时刻。并结合动态精度判段停止或行走,从而缩短算法检测时间。实验结果表明,基于自适应时间窗、自适应双阈值和动态精度的步数检测算法能有效提高检测精度。     

高动态星跟踪方法

阐述了高动态星敏感器星图的特点,指出了目前星跟踪方法的不足。针对这些不足,提出了一种基于卡尔曼预测的高动态星跟踪方法。根据高动态星敏感器运动特性,建立了星体目标在图像坐标系下运动模型,根据星体运动模型,对卡尔曼滤波器进行了自适应修正。利用经自适应修正的卡尔曼滤波器预测出参考星位置,再利用临星逼近法进行跟踪匹配。最后给出了利用上述方法进行星体位置预测及星跟踪结果。实验结果表明,在5（）/s动态条件下星体位置预测偏差小于5像素,星跟踪成功率高于95%,并且载体动态特性的变化对星体跟踪成功率影响较小。     

BP神经网络在车辆组合导航中的应用研究

针对车辆GPS/DR组合导航系统在GPS信号被遮挡时无法完成DR零点更新的问题,提出了基于BP神经网络的DR位置误差预测模型来解决该问题。在GPS有效时,该算法采用基于平稳小波变换的扩展卡尔曼滤波器对GPS/DR信号进行数据融合得到车辆实时的精确位置,与经平稳小波变换软阈值模平方去噪法处理的DR位置数据进行平稳小波多尺度比较获得DR位置误差;然后用BP神经网络建立DR位置误差预测模型,为了提高所用网络的泛化能力,采用了贝叶斯正则化规则训练网络。在GPS失效时,利用已建立的预测模型预测DR位置误差来修复DR位置数据,实现车辆行驶在复杂路径下的实时精确导航定位。仿真表明,该算法对车辆GPS/DR组合导航系统有效。     

基于SR-UKF的高动态GPS信号参数估计

高动态环境下,全球定位系统（GPS）信号具有较强的非线性特性,为了更好地对高动态条件下的GPS信号载波进行跟踪,提出了一种基于平方根UKF（SR-UKF）算法的高动态GPS信号参数估计方法。分析了高动态环境下GPS信号载波相位模型,运用SR-UKF算法对高动态GPS信号的载波相位及其前三阶导数进行估计。仿真对比了SR-UKF、不敏卡尔曼滤波（UKF,Unscented Kalman Filter）和扩展卡尔曼滤波（EKF）载波跟踪算法的性能。仿真结果表明,SR-UKF的估计精度要好于EKF,与UKF基本一致,验证了该算法的可靠性和有效性。