基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法

在应用因子图算法完成多源组合导航数据融合的过程中,子系统观测噪声的时变特性将对导航状态估计的准确性产生极大影响。为解决这一问题,提出一种基于高斯模型下的子系统观测量均值向量和协方差矩阵的估计算法。该算法利用因子图最优化过程中每个迭代周期下的观测量残差,实时地更新各个子系统观测量的均值向量和协方差矩阵的最大后验估计值,从而得到更加准确的导航状态估计值,在提出新算法的同时也验证了新算法对最优化过程收敛性的影响。仿真测试与实验测试结果表明,与已有的标准因子图算法、基于最大似然估计的因子图算法和基于最大后验估计的因子图算法相比,所提出的基于迭代最大后验估计的因子图算法能够有效提高子系统观测状态变化时的多源组合导航估计精度。     

基于视觉物体识别的抗差岭估计定位算法

基于视觉物体识别的室内定位算法是一种新型的室内定位解决方案,算法通过物体检测、位置匹配、定位方程解算等步骤确定用户位置。然而,受到单目相机视域较小和物体检测算法精度较低的影响,根据检测物体测距信息而构成的定位方程存在严重的病态性,极大降低了算法的定位成功率和定位精度。因此,该文提出一种抗差岭估计定位解算算法,通过引入岭参数将无偏估计变为有偏估计,实现均方误差最小约束条件下的最优位置估计,并利用迭代选权降低了质量较差的观测量对定位精度的影响。实验结果表明,与OLS (Ordinary Least Square), LM (Levenberg-Marquardt)和RR (Ridge Regression)算法相比,该文提出的抗差岭估计定位解算算法能够有效提高基于视觉物体识别的室内定位方法的成功率和精度。