GPS非差精密解算软件PLAOD及其性能分析

PLAOD (precise location and orbit determination)是西南交通大学自主研发的GPS非差精密定位定轨软件.该软件目前能够处理GPS观测数据,具有高精度定位、大气反演和低轨卫星轨道确定功能.本文在介绍PLAOD相关理论的基础之上对其性能进行了分析.利用多组GPS观测数据进行测试,通过与IGS (international GNSS service)等相关机构精密产品对比,PLAOD具备如下性能：静态定位精度可达毫米级;动态定位精度可达厘米级;静态对流层天顶延迟的估计精度通常优于1 cm,动态对流层天顶延迟的估计精度在2 cm以内;电离层天顶延迟估计结果与IGS的IONEX (ionosphere exchange)产品具有较高的吻合度;与JPL (jet propulsion laboratory)提供的简化动力学低轨卫星轨道相比,几何法确定轨道的准确度可达厘米级.     

整周模糊度改进算法研究与实现

介绍了在短基线状态下利用单频单历元双差载波相位定位时模糊度固定的基本理论.结合正则化理论和阻尼矩阵的思想,提出了一种用改进的正则化方程来改善法方程病态性的方法.算例分析表明,应用改进的正则化算法可以改善法矩阵的病态性,得到更加精确的浮动解,利用LAMBAD方法搜索可得到准确的整周模糊度解.     

基于卡尔曼滤波的车辆动态导航定位滤波算法

提出一种GPS动态定位系统模型,即是将GPS的误差等效为马尔柯夫过程,基于标准的卡尔曼滤波算法建立了一种利用GPS对车辆进行动态导航定位的滤波模型及自适应卡尔曼滤波算法.在实际研究过程中将其应用于车辆的导航定位系统,获得了显著的效果.结果验证了自适应卡尔曼滤波方法的可行性.     

GPS实时动态RTK技术在公路测量中的应用

实时动态RTK测量原理及特点 RTK（Real Time Kinematic）技术又称载波相位差分技术,不同于早先的实时差分GPS（RTD）,是实时处理两个测站载波相位观测量的差分方法。即先求解起始相位整周模糊度,又称RTK初始化,然后进行实时差分,属真正RTK技术。     

基于GPS载波相位信号确定运动体姿态的关键技术

应用GPS载波相位信号确定运动体姿态,针对二维两天线系统情况,设计了姿态测量系统的硬件结构及算法流程框图,文章介绍了GPS姿态测量的关键技术：GPS姿态观测方程、整周模糊度的解算、误差的消除。从系统设计角度证明了技术的可行性。     

基于Kalman滤波的无源动态定位算法的研究

目前已经能够研制出测量用户至卫星伪距信号的“北斗”用户接收机，此款接收机可以工作在无源定位的情况下．由于“北斗”定位卫星数量极其有限，接收机在动态定位的精度上会出现很大的误差．文中针对这一问题进行讨论，采用“当前”统计模型来建立用户载体的状态方程，并且提出一种新的量测方程，然后将构建的Kalman滤波方程组运用于接收机的动态定位中，仿真结果表明，这种算法能很好地改善定位的精度及动态性能．     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性,采用北斗卫星接收机和惯性测量单元构建车载组合定位系统.针对多传感器组合定位信息融合估计的非线性和鲁棒性需求,将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波(unscented Kalman filter,UKF)算法,构造了一种改进的UKF算法,通过对标准UKF算法的噪声协方差进行等价替换,从而起到调节滤波增益的作用,使得滤波算法对传感器观测粗差具有较强的抑制能力.将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较,结果表明:传感器无观测异常时,改进UKF算法的滤波精度总体上略优于标准UKF算法;当传感器观测值含有随机粗差时,改进UKF算法的滤波精度及稳定性明显优于标准UKF算法,北向、东向位置平均估计误差分别降低了48.5%、48.8%,北向、东向速度平均估计误差分别降低了43.7%、48.9%.     

一种改进的模型参考自适应算法

针对一种模型跟随自适应算法（DS-AMFC），利用线性神经网络预测系统输出与模型输出之差为控制信号的计算提供较准确的偏差值，用该估计的偏差量进行控制。同时，把控制的误差引入控制信号，在输入信号频率较高时仍具有跟随模型的能力，鲁棒性大大提高。     

基于分块EnKF的非线性目标跟踪算法

针对滤波航迹的相关性以及初始状态的选择会对跟踪性能产生影响的问题,将集合卡尔曼滤波算法引入到非线性目标跟踪领域,验证了其可行性和有效性,提出了基于分块集合卡尔曼滤波的非线性目标跟踪算法.采用分块思想生成初始集合,使用协方差矩阵加权方法解决分块间的航迹相关问题.仿真结果表明基于分块集合卡尔曼滤波的目标跟踪算法计算复杂度和以往的集合卡尔曼滤波算法同阶的情况下可以提供更高的运动参数估计精度,解决了粒子滤波算法计算量大难以进行实时跟踪的问题.      

基于粒子滤波联合算法的地磁室内定位

室内地磁场受钢结构与其它铁磁材料的影响,造成磁场区域局部异常,使室内地磁场具有特异性. 受益于此种现象,室内地磁定位技术得以实现. 然而在大型建筑中地磁场的特异性会减弱,这导致定位结果出现模糊现象. 针对这一现象,文中提出了基于路径匹配的室内地磁定位技术,通过增加匹配特征数量来解决此问题. 使用基于动态时间规整（dynamic time warp,DTW）算法与粒子滤波（particle filter,PF）算法的新型联合算法,并以路径匹配的模式对目标进行追踪. 在匹配过程中又通过计算斯皮尔曼等级（Spearman）相关系数确定路径之间的相似度,使之作为辅助定位. 最后用装载了磁传感器的测量机器人进行实验验证,结果表明:路径匹配具有足够的地磁特征数量,能够解决特异性减弱情况下定位结果模糊现象,且定位精度优于1 m.      

适应性卡尔曼滤波算法在汽车检测中的应用

在汽车行驶系间隙与制动性能一体化检测中,为保证检测数据的高精度,单纯从硬件角度出发考虑构成高信噪比的检测系统是不够的,还必须加强对动态数据的处理。我们可采用动态数据在线处理的适应性卡尔曼滤波算法,从而在测量值的基础上获得信息信号的最优线性估值,进一步提高信噪比。     

基于UKF算法的车辆质心侧偏角估计

将无味卡尔曼滤波(UKF)算法运用到车辆质心侧偏角的估计之中,基于纵滑—侧偏联合工况下的统一指数(Uni-tire)轮胎模型建立非线性车辆动力学模型,采用最小偏度单形采样的UKF算法估计车辆的几个关键状态参量,并由此得到质心侧偏角估计。最后采用奇瑞A3两厢型汽车的车辆参数,使用车辆动力学实时仿真软件DYNAware/veDYNA对观测器进行了实时验证。仿真结果表明,UKF非线性估计方法精度高,估计结果能够满足实际应用要求。     

基于小波卡尔曼滤波的加速度计降噪方法

针对GF-INS中加速度计降噪的实际问题,提出了一种非零均值观测噪声小波卡尔曼滤波算法.在非标准观测噪声条件下,利用滑动数据窗内的小波变换实时在线估计出观测噪声的方差和均值,作为标准卡尔曼滤波的修正信息,从而实现了标准卡尔曼滤波算法的扩展.实验结果表明,在观测噪声为非标准噪声且统计规律未知的条件下,该自适应降噪方法能获得较好的滤波效果,加速度计信号的噪声方差强度减少了3个数量级.     

���ģ��ͨ����ʵʱ·�������㷨�о�

对在研的DynaCHINA软件中大规模交通网络下的实时路径搜索问题进行了研究。提出了新的设计思想,给出了有效路径的产生算法,并设计了支持海量路径数据的存储及高效检索的数据结构。算法充分利用路径的递归特性,降低问题的规模,实现了较小空间花费下的海量路径随机查询。大大提高了大规模交通网络中实时路径搜索问题的计算速度,节省了计算机存储资源。通过与原有算法比较表明,本算法能够在较小的计算机存储资源下,快速有效的处理大规模交通网络中的实时路径搜索问题,具有广阔的应用前景和现实意义。