共查询到20条相似文献，搜索用时 140 毫秒
1.
基于TERCOM算法的重力匹配 总被引：5，自引：1，他引：4
研究了利用地形轮廓匹配(TERCOM)算法进行重力匹配辅助导航,分析了TERCOM算法对不同重力场分布区域的适应性.模拟试验证明,TERCOM算法简单易行.当重力场粗糙度达到3.7 mGal时,重力测量误差超过3 mGal,定位误差也在1个格网单位以内,粗糙度和坡度方差与匹配定位精度的强相关性是选取匹配区域的较好指标. 相似文献
2.
针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。 相似文献
3.
目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题，本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值，实时调节PI调节器的误差补偿系数，对预处理后加速度计和磁力计数据解算的航向角进行补偿，并与陀螺仪数据互补滤波融合，得到融合后的航向角。试验基于低成本智能手机，分别在磁场强弱环境下采集手机传感器数据，对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明，在室内磁干扰较强的环境下，本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%，平均航向误差分别减小了3.4°和1.8°，验证了本文算法有较好的抗磁干扰性能，提高了行人航向角解算的可靠性。 相似文献
4.
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
5.
行人航迹推算(PDR)是室内定位领域中应用最广泛,最廉价有效的一种定位方法,但其误差会随时间而累积。为了有效减少航迹推算的累计误差,基于航迹推算原理建立了粒子滤波模型,辅以室内地图约束粒子传播方向;同时提出虚拟路标匹配算法克服传统定位方法中由于航向角变化误差模型不准确导致定位失败的缺点。结果表明,该算法可以有效的提高航迹推算的稳健性。 相似文献
6.
针对超宽带井下定位方法中,信号易受到非视距(NLOS)误差的影响,导致定位算法的精确度与环境适应性较差的问题,本文提出了一种融合改进小波去噪和T-Taylor算法的井下定位算法。对原始测距值进行降噪处理,抑制NLOS误差对定位的影响;同时引入三球交会算法,将其作为Taylor算法的初始算法,确保Taylor算法收敛的同时,增强定位算法在井下复杂环境的定位精度与环境适应性;通过蒙特卡罗仿真试验进行验证。结果表明,融合算法能够在一定程度上降低测距误差,增强算法对于复杂环境的适应性,提高定位精度,在NLOS环境下较C-Taylor算法有更高的定位精度与抗噪声性能。经实地定位试验验证,融合算法平均定位精度相比于C-Taylor算法有一定程度的提升,提高了37.3%。 相似文献
7.
应用时频分析方法研究含噪非平稳信号的时间-频率联合分布特性，De-shape SST（De-shape synchrosqueezing transform）算法具有良好的时频表现，但其抗噪性能及算法的鲁棒性还有待提高。提出基于非线性匹配追踪（nonlinear matching pursuit，NMP）分解的De-shape SST算法（nonlinear matching pursuit De-shape synchrosqueezing transform，NDSST），利用NMP良好的重构特性对非平稳信号进行稀疏重构，再进行De-shape SST时频分析，提高算法的抑制噪声能力和鲁棒性的同时，保留了良好的时频分布聚集度。数值仿真实验结果表明，对于单频、变频、线性调频和组合变频信号，NDSST算法可以得到高锐化度的时频分布表示，并且在低信噪比（sinal noise ratio，SNR）条件下依然具有优越的抗噪声性能。在金属破裂样本信号分析应用中，NDSST算法能够清晰地得出金属发生破裂的时间-频率范围，为工程实践中设置监测传感器的阈值提供判断依据。 相似文献
8.
由于导航卫星信号在室内被遮挡,室内定位技术逐渐成为泛在导航定位领域的研究热点。行人航迹推算(PDR)和低功耗蓝牙(BLE)定位是惯性定位和射频信号定位的常用定位手段,PDR定位连续稳定但存在累积误差,BLE定位无误差累积但定位精度较差。为此,本文面向室内复杂环境行人自主定位需求,对PDR和BLE的实时融合定位展开了研究。首先针对PDR误差累积问题,提出了BLE临近校正PDR的改进算法;然后针对BLE定位粗差大的的问题,提出了基于扩展卡尔曼滤波(EKF)的自适应抗差PDR+BLE融合定位算法。试验结果表明,相比传统算法,BLE临近校正PDR算法定位精度提高了19%,基于EKF的自适应抗差融合定位精度提高了21%,定位精度和稳定性都有显著提升,在室内定位领域中具有较高的适用性和可扩展性。 相似文献
9.
10.
针对单传感器室内定位存在累积误差大、连续性差的问题，本文顾及行人航迹推算(PDR)与低功耗蓝牙信标(BLE Beacon)良好的互补性，研究了基于移动智能终端的融合PDR/iBeacon的室内定位算法：首先，采用电子罗盘和陀螺仪互补修正航向角法降低了PDR的累积误差，其次结合离线指纹库并利用加权K近邻法实现了iBeacon指纹定位，最后基于扩展卡尔曼滤波器(EKF)实现了PDR/iBeacon融合定位。两组实测结果表明，相较于传统的PDR,电子罗盘和陀螺仪互补修正航向角方法有效地抑制了航向误差的累积。室内行人航程为39和60 m时，融合PDR/iBeacon定位的平均误差分别为0.560、1.802 m,相比改进的PDR和iBeacon指纹定位精度提高了11.81%、25.53%和26.66%、11.75%。融合PDR/iBeacon的室内定位能降低PDR的误差累积和iBeacon定位的波动性，满足用户室内定位的需求。 相似文献
11.
12.
景像匹配仿真的一种新方法 总被引：3，自引：0，他引：3
分析了影响景像相关匹配精度的各种误差因素，并给出它们的误差仿真模型，该模型可以适应飞行姿态、飞行器特性，天候等条件变化时的匹配概率估计，并可以与图像特征参数分析方法相结合。实验验证了该模型的有效性，且可以快速地给出影像图的适配性估计图，用于飞行器的航迹规划。 相似文献
13.
针对当前面匹配算法中采用Hu矩描述海底地形特征时存在细节辨识能力差而导致定位精度较低等问题,提出了一种线面组合的水下地形匹配算法。首先,引入经典TERCOM算法作为线匹配算法,改进其相似性度量方法和匹配区的搜索策略;然后,构造一种基于几何相似性的面匹配算子,用于在地形基准图中选取实测地形模型面的最优匹配;最后,设计一种基于固定阈值的线面算子的组合策略,实现水下地形匹配定位。试验结果表明,相比基于Hu矩的地形匹配算法,本文所提线面组合算法的定位精度明显提高,且稳健性更强。 相似文献
14.
针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。 相似文献
15.
为解决地磁匹配导航中TERCOM算法精度较差I、CCP算法容易产生局部收敛且匹配速度较慢的缺陷,提出了一种联合TERCOM与ICCP的水下地磁匹配导航新方法。对此算法中的粗匹配及其性能进行了分析,同时,对精匹配及改进ICCP算法进行了研究,解决了传统匹配导航算法精度、速度及完备性不能兼得的问题。 相似文献
16.
针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。 相似文献
17.
机器人室内运动轨迹修正控制算法 总被引：1，自引：1，他引：0
移动机器人在室内的应用提升了人们的工作效率和生活品质,但针对移动机器人室内运动轨迹漂移误差,产业界一直没有较好的解决办法。为了在室内环境下实现机器人运动轨迹的高精度控制,本文结合基于LiDAR搭建的SLAM （simultaneous localization and mapping）功能模块,提出了一种机器人室内测图运动轨迹PID反馈修正控制方法,利用机器人的运动姿态、位置及设计轨迹的偏差设计了闭环模式的轨迹修正控制算法,显著提高了机器人室内作业的轨迹精度。针对机器人室内运动的几种典型轨迹,通过大量的机器人室内测图运动轨迹测试,进一步优化算法中的机器人运动控制参数,有效地减小了移动机器人室内运动轨迹的偏移。相对于依靠里程计定位的机器人室内运动控制系统,修正算法充分利用了激光雷达的定位定姿信息,满足了室内测图需求,得到了具备高可靠性和高稳定性的机器人室内精确运动控制方案。 相似文献
18.
个体位置预测在传染病精准防控、公共设施科学规划等应用中具有重要意义,既有位置预测算法主要侧重对个体纵向历史轨迹特征进行挖掘建模,从而实现位置预测,对横向相似性用户的规律特性考虑较少。因此,基于图卷积和长短期记忆模型（long short-term memory, LSTM）框架,提出顾及横向相似用户轨迹特征以及纵向历史规律性特征的个体位置预测算法。首先,构建用户轨迹相似性算法并筛选高相似度用户;然后,利用图卷积模型提取待预测用户相似高的用户轨迹特征;最后,利用LSTM框架提取历史轨迹特征,集成相似用户轨迹特征,从而实现个体位置预测。基于某市8万多个用户连续4个工作日的数据进行实验,结果表明,所提算法的准确率随预测时间步长增加而下降,而夜间预测准确率明显高于白天,但相比于既有模型均有10%以上提高;以15 min为预测时间步长时,模型准确率达80.45%。 相似文献
19.
针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。 相似文献
20.
New jump trajectory determination method using low-cost MEMS sensor fusion and augmented observations for GPS/INS integration 总被引：1，自引：1，他引：0
Objective information on athletic maneuvers for performance evaluation has become highly desired in sports such as skiing, snowboarding, and mountain biking. Body-mounted devices, incorporating low-cost microelectromechanical, inertial navigation units, and global positioning system (GPS) receivers, to calculate sport-specific key performance variables (KPVs) and provide real-time feedback, are now commercially available. However, algorithms implemented for such purposes still lack accuracy and power efficiency. A new GPS/INS (inertial navigation system) integration algorithm is proposed to determine the trajectory of an athlete executing jumps while skiing, snowboarding, mountain biking etc. KPVs, such as jump horizontal distance, vertical height, and drop, are calculated from the trajectory. A new sensor error compensation scheme is developed using sensor fusion and linear Kalman filters (LKF). The LKF parameters are varied to address the fluctuating dynamics of the athlete during a jump. The extended Kalman filter used for GPS/INS integration has an observation vector augmented with sensor error measurements derived from sensor fusion. The performance of the proposed algorithm is evaluated through experimental field tests. For the determination of jump horizontal distance, height, and drop, the proposed algorithm has errors of 14.3 cm (5.5 %), 1.6 cm (38 %), and 6.7 cm (9.4 %), respectively. Errors in KPVs for a set of jumps were first determined with respect to the true KPVs, and then the errors for all the jumps were averaged to calculate the absolute and percentage errors. The accuracy achieved is deemed to fulfill the expectations of both recreational and professional athletes. 相似文献