-
公开(公告)号：CN106291645B
公开(公告)日：2018-08-21
申请号：CN201610575270.4
申请日：2016-07-19
申请人： 东南大学
摘要： 本发明公开了一种适于高维GNSS/INS深耦合的容积卡尔曼滤波方法，包括：S1、构造高维GNSS/INS深耦合滤波模型；S2、对构造的滤波模型采用标准容积规则产生初始化容积点；S3、采用新型容积点更新规则进行CKF滤波。本发明适于高维GNSS/INS深耦合滤波，且精度高，稳定性高。
-
公开(公告)号：CN105388498B
公开(公告)日：2018-06-19
申请号：CN201510686411.5
申请日：2015-10-20
申请人： 东南大学
CPC分类号： G01S19/256 , G01S5/0294 , G01S19/235 , G01S19/246 , G01S19/30
摘要： 本发明公布了一种基于空间域的联合非相干积分矢量跟踪方法，用以进一步提高矢量跟踪GPS接收机的性能。在新的矢量跟踪策略设计中舍弃了传统矢量跟踪环路中的鉴相器/鉴频器，而是将各通道可见卫星的基带信号进行非相干积分后作为观测量，并使用EKF估计其直接求解GPS接收机的位置、速度及钟差等。因为非相干积分运算的存在，当GPS卫星信号较弱时，可以有效提高观测量的载噪比，提高跟踪灵敏度。
-
公开(公告)号：CN105180935B
公开(公告)日：2018-02-06
申请号：CN201510728529.X
申请日：2015-10-30
申请人： 东南大学
摘要： 本发明公开了一种适用于GNSS微弱信号的组合导航数据融合方法，1)采用EMD对GNSS和INS输出的位置、速度进行尺度分解，并重构差分序列作为EKF的量测输入；2)GNSS正常工作时，将速度、姿态角以及更新周期内的速度变化、角速度变化作为PSO‑ELM模型输入变量，EKF输出位置误差作为期望输出，此时INS校正量为EKF滤波器输出；卫星导航失效时，以惯性测量单元输出速度、角速度变化量及INS输出的姿态、速度为输入变量,通过PSO‑ELM模型预测载体当前动态情况下的位置偏差量，并将其用于INS系统位置误差的校正。本发明能够在于弱信号环境下GNSS失效时，对GNSS/INS系统的输出定位误差进行有效的补偿。
-
公开(公告)号：CN103760586B
公开(公告)日：2017-06-16
申请号：CN201410038295.1
申请日：2014-01-26
申请人： 东南大学
IPC分类号： G01S19/55
摘要： 本发明公开了一种在GPS姿态测量中快速探测与修复周跳的方法。主要内容有：先利用小波变换探测周跳，并记录周跳发生的历元；在记录历元处构建双差观测方程，划分为主卫星和次卫星两组方程，并利用已知基线长度的限制条件对周跳进行修复；在修复过程中，跳过了对周跳值的解算，通过修复周跳引起的错误整周模糊度来替代对原始载波相位数据的修复，以便于直接用于姿态测量计算。本发明可以探测并修复动态情况下的小周跳并与载体运动状态无关，在GPS姿态测量中，大大减少了计算量，提升了其计算效率与实时性。由于该方法与载波频率无关，所以适用于单频和双频GPS接收机。
-
公开(公告)号：CN103926599B
公开(公告)日：2016-11-02
申请号：CN201410156532.4
申请日：2014-04-17
申请人： 东南大学
IPC分类号： G01S19/23
摘要： 本发明公开一种基于EMD迭代阈值滤波的GNSS多径效应抑制方法，对测量误差EMD分解得到N个本征模态函数分量，多径误差常集中在高阶IMF和余项中，一方面，采用奇异谱分析对EMD分解的N个IMF进行噪声估计，根据估计结果选择前M个IMF用作噪声辅助数据分析，得到测量误差的EMD分解结果；另一方面，采用随机采样第1个IMF数据的方式，构造与原信号具有相同信噪比的多个序列，采用模态单元阈值滤波对序列除噪，平均除噪后的多组结果分离得到GNSS多径误差，将其用于补偿GNSS测量结果即实现其测量过程中多径效应的抑制。本发明提高EMD分解精度，减小噪声的影响。
-
公开(公告)号：CN104392136B
公开(公告)日：2017-12-19
申请号：CN201410713605.5
申请日：2014-11-28
申请人： 东南大学
摘要： 一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法，将高动态系统中的硬件传感器采样周期波动作为系统随机不确定度考虑，根据其波动范围和趋势建立包括UKF滤波器模型和模糊推理系统的滤波模型集，通过贝叶斯定理计算UKF滤波器模型与当前高动态系统状态匹配的概率，实时更新匹配概率，并将更新后的匹配概率作为模糊推理系统的输入，通过模糊推理系统得到自适应估计概率，最后基于该自适应估计概率融合多个状态估计得到高动态系统状态变量最终的均值及协方差估计，本发明不但能够实现高动态、强非线性、非高斯模型的组合系统的数据融合，而且能够降低预存储模型集的数量，同时提高模型概率更新的计算效率和高动态系统的测量鲁棒性。
-
公开(公告)号：CN105699993A
公开(公告)日：2016-06-22
申请号：CN201610069165.3
申请日：2016-02-01
申请人： 东南大学
IPC分类号： G01S19/29
CPC分类号： G01S19/29
摘要： 本发明公开了一种载波环路自适应跟踪方法，属于无线通信技术领域。本发明在现有自适应载波跟踪环路中引入基于神经网络模型的系统噪声修正模块，在接收信号较强时对神经网络模型进行训练，并在时变噪声估计器无法同时估计系统噪声和量测噪声时，利用神经网络模型的预测输出对时变噪声估计器所估计出的系统噪声进行修正。本发明还公开了一种自适应载波跟踪环路。本发明有效解决了现有自适应载波跟踪环路中时变噪声估计器无法同时调整系统模型和量测模型的不确定性问题，有效提高了载波跟踪环路的性能。
-
公开(公告)号：CN105204050A
公开(公告)日：2015-12-30
申请号：CN201510685333.7
申请日：2015-10-20
申请人： 东南大学
IPC分类号： G01S19/47
CPC分类号： G01S19/47
摘要： 本发明公布了一种惯性辅助的多通道混合型矢量跟踪方法，适用于在GPS卫星信号微弱环境中的无缝定位。本发明引入了INS系统，因此在相干积分过程中，可以利用INS提供的速度信息辅助产生更准确的本地复现载波频率，从而减少多普勒频率变化对相干积分增益的不利影响，增加相干积分时间。与传统的非相干积分方法不同，在INS/NLSVTL跟踪环路中不是通过计算某一跟踪通道数个连续相干积分的平方和来实现非相干积分的，而是采用将不同卫星跟踪通道相干积分的平方进行求和的方法进行非相干积分。因而可以减小平方损耗的影响，其次只需要比传统非相干积分方法短得多的积分时间即可得到足够的增益，最后，因为积分时间更短，所以多普勒频移对积分增益的影响也更小。
-
公开(公告)号：CN105180935A
公开(公告)日：2015-12-23
申请号：CN201510728529.X
申请日：2015-10-30
申请人： 东南大学
CPC分类号： G01S19/47 , G01C21/165
摘要： 本发明公开了一种适用于GNSS微弱信号的组合导航数据融合方法，1)采用EMD对GNSS和INS输出的位置、速度进行尺度分解，并重构差分序列作为EKF的量测输入；2)GNSS正常工作时，将速度、姿态角以及更新周期内的速度变化、角速度变化作为PSO-ELM模型输入变量，EKF输出位置误差作为期望输出，此时INS校正量为EKF滤波器输出；卫星导航失效时，以惯性测量单元输出速度、角速度变化量及INS输出的姿态、速度为输入变量,通过PSO-ELM模型预测载体当前动态情况下的位置偏差量，并将其用于INS系统位置误差的校正。本发明能够在于弱信号环境下GNSS失效时，对GNSS/INS系统的输出定位误差进行有效的补偿。
-
公开(公告)号：CN106291645A
公开(公告)日：2017-01-04
申请号：CN201610575270.4
申请日：2016-07-19
申请人： 东南大学
CPC分类号： G01C21/16 , G01C21/20 , G01S19/47 , G01C21/165
摘要： 本发明公开了一种适于高维GNSS/INS深耦合的容积卡尔曼滤波方法，包括：S1、构造高维GNSS/INS深耦合滤波模型；S2、对构造的滤波模型采用标准容积规则产生初始化容积点；S3、采用新型容积点更新规则进行CKF滤波。本发明适于高维GNSS/INS深耦合滤波，且精度高，稳定性高。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.019 秒)
