共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
针对精密单点定位(Precise Point Positioning,PPP)动态定位精度低、收敛速度慢等问题,本文采用PPP/INS紧组合系统来达到改善PPP动态定位性能的目的。本文对PPP/INS紧组合的观测方程、误差补偿模型、参数估计模型等进行详细推导。通过车载实验采集的卫星观测数据和不同等级的惯性数据,对动态PPP及PPP/INS紧组合的定位定姿性能进行分析,评估不同等级惯性传感器对PPP/INS紧组合定位精度和收敛速度的影响。实验结果表明:PPP/INS紧组合在北—东—高方向的位置RMS相对于PPP分别改善了70.2%、29.1%和16.8%,达到4.8 cm、12.3 cm和7.4 cm。在卫星跟踪条件良好时,惯性传感器性能对PPP/INS紧组合定位精度影响不大;而在卫星观测条件不足时,惯性传感器性能对PPP/INS紧组合定位精度影响明显。此外,仿真和恶劣条件下的数据结果表明,PPP/INS初始定位精度与收敛速度随惯性传感器性能提高而改善明显。 相似文献
3.
针对5G定位和捷联惯性导航单一定位方式的可靠性和定位精度较差的问题,本文以扩展卡尔曼滤波为基础,提出了融合5G信号到达时间和信号离开角的5G/SINS紧组合导航算法。该算法首先利用惯性传感器输出信息解算用户的位置、速度和姿态,在此基础上利用已知的基站坐标反算出一组虚拟的5G观测值,然后使用该观测值和实际的5G测量值建立统一的观测方程进行滤波解算。仿真试验结果表明,5G/SINS紧组合的定位成功率可达99%以上,且能够有效改善惯导航位推算的发散问题,其定位精度相比单纯的5G定位有了大幅提高,相比5G/SINS松组合受基站数量和基站几何分布的影响较小。融合TOA/AOD的5G/SINS紧组合导航的定位结果有超过99%的历元在3 m以内。在5G观测值中存在系统误差时,5G/SINS紧组合的定位表现优于5G定位和5G/SINS松组合导航。 相似文献
4.
针对行人航位推算（PDR）定位存在误差累积和地磁指纹不唯一导致的误匹配问题,本文改进了基于粒子滤波的PDR/地磁指纹室内定位方法。在PDR定位过程中利用地图信息控制粒子权重更新,得到较为准确的位置信息后,利用动态时间规整（DTW）算法在PDR推算位置基础上进行快速序列匹配,获取最优位置估计。试验结果表明,融合定位方法有效解决了行人位置穿墙问题,最大定位误差小于1.5 m,53.33%概率定位精度1 m。 相似文献
5.
为克服GPS-RTK定位在复杂环境下由于信号遮挡,可视卫星数量不足等原因无法获取厘米级高精度定位结果的不足,研究将超宽带(UWB)短距离高精度定位系统与实时动态(RTK)进行紧组合来提高复杂环境下动态定位的精度. 依据UWB定位原理,给出了GPS-RTK/UWB紧组合数学模型,详细介绍了数据处理流程. 滑轨动态实验结果表明,观测环境良好时,GPS-RTK/UWB紧组合与GPS相比能进一步提升固定率和动态定位精度;在截止高度角为40°的情况下,模糊度固定率从20.93%显著提升到93.96%,N、E方向定位精度提升至厘米级,U方向定位精度提升至分米级,仍能满足一定的工程需要. 相似文献
6.
《现代测绘》2020,(4)
近年来室内定位技术成为国内外研究的热点,形成了多种室内定位技术共存的局面,其中WiFi、蓝牙、超宽带等无线网络定位技术应用较广,但是这些定位技术都依赖于基础设施,定位成本较高。此处使用室内地磁信号,无需部署任何基础设施即可定位,并利用手机端MEMS传感器实现行人不同运动模式下的步频探测与航向估计。针对地磁信号具有低辨识度的缺点以及PDR的误差累积问题,利用粒子滤波算法融合地磁与PDR定位结果,有效提高了系统的稳定性,保证了定位精度。实验表明,粒子融合定位方法能够消除PDR的漂移,并且平均定位精度达到1.38 m,定位误差在1.5 m内达到80%以上,具有较强的实用性。 相似文献
7.
8.
北斗卫星导航系统已于2020年实现全球覆盖。在开阔的室外环境,北斗可提供厘米级的定位服务,正向着更泛在、更融合、更智能的综合时空体系迈进。目前高精度室内定位技术处于百花齐放、百家争鸣的状态,尽管苹果支持的超宽带技术在市场中拥有优势,但是5G、音频和蓝牙测角等可支持所有大众手机的技术在市场中也具备竞争力。室内定位目前主要面临部署成本高、定位精度低、信号覆盖范围小和系统泛化能力差等难题。多源融合定位技术是解决这些难题的重要途径之一,特别地,融合低成本惯导定位源和高精度射频/音频定位源是目前具备实用价值的融合定位组合。行人航迹推算(pedestrian dead reckoning,PDR)定位源具有抑制积分误差累积的优势,但是由于用户手机握持姿态的复杂性和手机惯性传感器硬件的差异性,其在相对定位精度、手机泛化能力和多握持姿态支撑等方面也存在劣势,此外,受步频的影响,PDR定位源的位置更新率低于2 Hz。为了实现低成本、高精度和广覆盖的室内定位解决方案,本文提出了一种数据与模型双驱动的多源融合定位新范式,其中数据驱动的PDR部分通过构建神经网络模型,训练加速度传感器和陀螺仪测量值特征,学习速度变化矢量,推算高精度行人航迹,模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波,实现融合定位输出。试验结果表明,基于数据驱动的PDR方法可提供20 Hz的位置更新率,与高精度音频定位源融合,可实现0.23 m的动态定位精度。 相似文献
9.
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