共查询到18条相似文献，搜索用时 203 毫秒
1.
坐标基准维持与动态监测网数据处理 总被引：5，自引：0，他引：5
坐标基准的维持不仅要求有高精度的连续大地测量观测或定期复测,还要求采用合理的数据处理原则与方法。分析了不同平差方法对基准的影响,其中包括经典整体平差、序贯平差和自适应序贯平差。利用GPS监测网数据进行了计算与分析,结果表明,当个别点位发生异常移动或变形时,序贯平差会使坐标基准产生实际的扭曲,而自适应序贯平差则能有效控制异常点位对平差基准的影响,保证了坐标基准的可靠性和现势性。 相似文献
2.
《测绘地理信息》2020,(3)
不同几何布局下Chan算法和Taylor算法的定位精度的对比及定位精度的克拉美罗下界(Cramér-Rao lower bound,CRLB)的接近程度尚未得到分析验证,本文仿真了三维场景下几何精度衰减因子(geometric dilution of precision,GDOP)对两种算法定位精度的影响,分析了影响差异的数值计算原因。推导表明,两种算法的理论定位精度受GDOP值的影响相同,可以达到CRLB。然而,仿真结果显示,Chan算法的实际定位精度容易在CRLB上方波动,Taylor算法的实际定位精度则稳定在CRLB附近;相同GDOP值下,Taylor算法的实际定位精度优于Chan算法,Chan算法的实际定位精度随着GDOP值的增大逐渐偏离CRLB。将Chan算法和Taylor算法结合,可以有效提高Chan算法的实际定位精度。 相似文献
3.
多因子自适应序贯平差 总被引：1，自引：1，他引：0
针对参数先验信息含有异常的问题,基于自适应滤波原理和双因子等价权原理,在单因子自适应序贯平差的基础上,提出了多因子自适应序贯平差,推导了相应的多因子自适应序贯平差公式。基于各点和各个参数不符值构造出了点自适应因子和坐标分量自适应因子,最后利用GPS网数据进行了计算与分析,结果表明,在先验信息异常量级不同的情况下,多因子自适应序贯平差结果优于单因子自适应序贯平差结果。 相似文献
4.
5.
7.
8.
为提高三维坐标转换参数的求解质量,本文基于最优化算法提出了一种稳健的公共点加权坐标转换方法。以坐标转换后公共点的点位残差加权平方和最小为目标函数,利用Nelder-Mead单纯形直接搜索算法,寻找公共点坐标分量在解算坐标转换参数时的最优权重组合。以粒子加速器磁铁的准直安装为应用场景,利用模拟数据和实测数据对本文方法进行验证。结果表明:本文方法能够有效降低粗差观测值及质量不佳观测值的权重。与最小二乘、抗差估计等方法相比,本文方法解算结果的点位残差加权平方和更小,坐标转换参数质量更优。本文方法能提高三维坐标转换参数的求解质量,尤其适用于验前精度未知、观测数据质量不佳的情况。 相似文献
9.
10.
11.
12.
针对目前常用的超宽带算法,扩展卡尔曼滤波(EKF)在解算过程中产生的线性化误差,对定位结果产生影响,而无损卡尔曼滤波(UKF)算法可以不进行线性化过程进行解算,避免误差的产生。文中首先对UWB定位系统线性化误差进行分析,在此基础上提出UKF和TDOA相结合的定位模型,通过实验比较两种算法的定位精度。实验结果表明UKF算法定位结果相比于EKF算法在U方向上有明显提升,误差稳定在10 cm之内。同时,通过改变初始坐标偏差,来进一步比较两种算法的定位效果,结果表明,初始偏差设置为0.5 m时,UKF算法比EKF算法U方向精度提升15%;初始偏差设置为1 m时,UKF算法U方向精度提升60%以上;初始偏差设置为5 m和10 m时,UKF算法U方向精度提升可以达到90%。EKF算法会产生不可忽略的线性化误差且误差会随着初始偏差增大而增大,UKF算法则可以保持较好的定位精度和稳定性。 相似文献
13.
在室内复杂环境下,超宽带(UWB)测距误差难以通过常规方法进行有效补偿,严重制约了其定位精度. 在分析室内环境下UWB测距误差分布特点的基础上,设计了两种不同结构的BP神经网络误差改正模型. 模型BP1输入单个标签与4个基站的测距值,输出对应的4个测距误差;模型BP2输入一对标签、基站的三维坐标,输出对应的一个测距误差. 以高精度全站仪测量结果作为参考值,对网络进行训练,并对模型改正前后的测距和定位精度进行了对比分析. 结果表明:两种模型均能有效改正测距误差,提升定位精度.其中BP1测距和定位精度分别提高83.0%、75.9%,BP2测距和定位精度平均提高91.7%、93.8%. BP2相比于BP1能够更加有效地提高测距和定位精度,使定位精度由dm级提升至cm级. 相似文献
14.
GPS可见卫星数量不足使得观测方程抗差性下降,在城市环境下一般难以精确定位。文章通过GPS/UWB组合定位抑制GPS观测粗差对定位精度的影响,提升组合系统的定位性能。实验证明,组合系统较GPS单系统在观测值数量、RDOP值、浮点解精度、双差模糊度浮点解精度和固定解精度方面均得到大幅改善。文章认为,借助UWB优秀的测距性能有效地提高了GPS的生存能力,特别是在城市峡谷等GPS信号遮挡严重的环境下应加设一定数量的UWB基准站,保证用户定位的连续性与准确性。 相似文献
15.
16.
针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。 相似文献
17.
18.
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