共查询到18条相似文献，搜索用时 156 毫秒
1.
顾及线性化模型误差补偿的卡尔曼滤波算法 总被引：1，自引：0，他引：1
针对扩展卡尔曼滤波（EKF）线性化所产生的线性化模型误差问题,使用非线性预测滤波对线性化所引起的模型误差进行预测,并在标准EKF的解算过程中考虑到预测所得误差的统计特性,使模型更趋于真实情况。通过算例对改进算法的性能进行了验证。 相似文献
2.
3.
扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式.但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高.Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响.基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能. 相似文献
4.
5.
针对无迹卡尔曼滤波(UKF)在非高斯噪声或统计特性不准确时滤波精度会下降甚至发散等问题,提出了一种基于Huber-M估计的无迹卡尔曼滤波导航算法。首先采用奇异值分解(SVD)迭代计算代替协方差矩阵的迭代变换;然后将Huber方法用于UKF框架中,使先验信息和量测信息进行重构;最终以达到克服传统UKF滤波器稳定性差的问题,提高滤波抗差能力。对提出算法进行GPS/UWB组合导航仿真验证,并与EKF和UKF进行了比较。实验结果表明,加入M估计的SVD-UKF在噪声统计特性不准确时和加入随机观测异常状态下都可以将滤波器性能提高25%～40%,与其他两种算法相比,本文所提算法的定位误差能快速收敛,并保持较高滤波精度。 相似文献
6.
一种基于改进UKF滤波的GPS+PDR组合定位方法 总被引：1，自引：0，他引：1
针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。 相似文献
7.
利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位，而且基于地磁场的定位无需布设任何额外设施，因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题，本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法，并开发了地磁室内导航系统，以智能手机为硬件平台构建磁力计传感器模型，建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内，产生的平均定位误差为1.13 m，最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%；与单一地磁指纹匹配算法相比，定位精度提高了57%。试验证明，本文提出的融合算法对提高室内定位精度具有显著的作用。 相似文献
8.
针对精密单点定位(precise point positioning,PPP)初始阶段定位精度较低、无法利用定位结果的问题,验证平滑滤波算法在BDS静态PPP定位解算中的可行性并分析定位性能;针对平滑滤波算法具有平均效应,探讨不同时长的观测值对于点位精度的影响。实验表明:平滑滤波算法在BDS精密单点定位中的结果优于前向和后向滤波,相对于单向滤波在E、N、U方向RMS值平均减少73%—80%,极大地提高了BDS静态PPP定位的精度;其次,随着观测时间的增加,定位精度在质量好的数据下仅会造成毫米级的浮动。 相似文献
9.
随着位置服务的发展,人们对定位精度的需求不断提升. 目前智能手机定位主要依赖于全球卫星导航系统(GNSS)芯片所提供的芯片解,其精度仅为米级. 2016年,谷歌宣布允许开发者获取手机GNSS原始观测数据,为研究手机GNSS高精度定位算法提供了支持. 为探索智能手机多频多系统实时动态(RTK)的定位精度和可靠性,文中基于华为P40智能手机开展了静态和动态环境下的多频多系统RTK的定位性能分析. 结果表明:在静态环境下,智能手机多频多系统的RTK定位精度要优于芯片解,在东(E)、北(N)、天(U)三个方向的定位误差均方根(RMS)分别为0.20 m、0.39 m和0.31 m,比芯片解提高了57%、71%和75%;在动态环境下的定位精度依然能够达到分米级,相比于芯片解在E、N、U三个方向上的定位精度提高了37.84%、47.22%、53.68%. 相似文献
10.
应用扩展卡尔曼滤波(EKF)进行单频GPS精密动态单点定位时,只有当动力学模型和随机模型准确无误时,卡尔曼滤波才能提供系统状态向量的最优解。而实际上,卡尔曼滤波解会受到许多因素的影响。尝试利用支持向量机来辅助卡尔曼滤波,先选择具有全局意义的样本,把信息向量作为支持向量机的输入,输出是相应的滤波解差值。然后在动态定位中,在线利用训练好的支持向量机预测出当前历元的滤波解差值,实时地修正滤波解,从而提高定位精度。最后通过一个实际算例验证该算法的适用性。 相似文献
11.
12.
WiFi-PDR室内组合定位的无迹卡尔曼滤波算法 总被引：1，自引：0，他引：1
针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。 相似文献
13.
近年来,随着科技的进步和创新,对室内定位的研究正朝着多技术互补融合的方向发展,将导航技术与室内定位相融合成为目前的研究热点。行人航位推算(PDR)和超宽带(UWB)技术以其独特的定位优势和精确度等众多优点成为室内定位的主流技术,但PDR由于其累积误差的影响只适用于短时间内高精度室内导航需求,而超宽带在复杂环境中,时间信息可能会严重失真,导致定位信息缺失。因此,本文利用扩展卡尔曼滤波(EKF)对两者进行融合改进,以此发挥各自技术优势。试验结果表明,定位解算的终点误差最大为0.819 5 m,最小为0.144 3 m,平均误差为0.347 8 m,位置平均误差为0.475 0 m,有效提升了室内定位的精度。 相似文献
14.
针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。 相似文献
15.
针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。 相似文献
16.
精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果. 相似文献
17.
This paper preliminarily investigates the application of unscented Kalman filter (UKF) approach with nonlinear dynamic process
modeling for Global positioning system (GPS) navigation processing. Many estimation problems, including the GPS navigation,
are actually nonlinear. Although it has been common that additional fictitious process noise can be added to the system model,
however, the more suitable cure for non convergence caused by unmodeled states is to correct the model. For the nonlinear
estimation problem, alternatives for the classical model-based extended Kalman filter (EKF) can be employed. The UKF is a
nonlinear distribution approximation method, which uses a finite number of sigma points to propagate the probability of state
distribution through the nonlinear dynamics of system. The UKF exhibits superior performance when compared with EKF since
the series approximations in the EKF algorithm can lead to poor representations of the nonlinear functions and probability
distributions of interest. GPS navigation processing using the proposed approach will be conducted to validate the effectiveness
of the proposed strategy. The performance of the UKF with nonlinear dynamic process model will be assessed and compared to
those of conventional EKF. 相似文献
18.
在脉冲星导航中，角位置误差是主要的误差源之一。因此本文基于X射线脉冲星导航，提出了一种修正扩维无迹卡尔曼滤波（MASUKF）算法进行角位置误差的改进。MASUKF算法在原扩维无迹卡尔曼滤波（ASUKF）算法的基础上加入了Roamer延迟的高阶项，并将其作为误差项，将修改后的误差项代入状态方程与量测方程中，即可进行仿真分析。在仿真中，首先将ASUKF算法与UKF算法进行对比仿真模拟试验，结果显示ASUKF算法能显著地提高约45 m的定位精度，在X、Y、Z 3方向的速度误差估计精度约提高了20%；然后比较ASUKF与MASUKF算法，结果显示MASUKF算法较ASUKF算法的速度误差与位置误差的估计精度均提高2%以上。 相似文献