导读:本文包含了航位推算论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:行人,室内,航向,步长,地标,步频,滑翔机。
航位推算论文文献综述
张少明,梁家铨,崔浩[1](2019)在《复杂海域水下无人航行器航位推算算法优化》一文中研究指出针对当前水下无人航行器航位推算算法存在误差大、工作效率低等不足,设计一种性能优异的复杂海域水下无人航行器航位推算算法。首先分析当前无人航行器航位推算算法的研究现状,找到引起各种无人航行器航位推算算法不足的因素,然后收集无人航行器航位推算数据,结合复杂海域水下无人航行器航位的随机变化特点,引入遗传算法优化支持向量机设计无人航行器航位推算模型,最后与其他无人航行器航位推算算法进行对比实验。结果表明,本文算法可以适应复杂海域水下无人航行器航位的变化特点,提高无人航行器航位推算精度,无人航行器航位推算速度快,获得比对比算法整体性能更优的无人航行器航位推算结果,具有十分明显的优越性。(本文来源于《舰船科学技术》期刊2019年16期)
房兴博[2](2019)在《基于行人航位推算和多传感器融合的室内叁维定位算法研究》一文中研究指出近年来,随着经济社会的快速发展,人们对位置信息的需求日趋增长并从室外拓展到室内,全球导航定位技术经过几十年的发展在室外导航定位中的应用已经相当成熟,并成功应用到百度、高德等位置服务软件中,然而在室内由于建筑物的遮挡导致卫星信号无法被接收,成熟的室外定位技术无法应用在室内。所幸的是各种室内定位技术不断发展,行人航位推算(Pedestrian Dead Reckoning,PDR)技术就是其中一种,该技术利用行人运动过程中采集的加速度、陀螺仪等传感器数据来判断行人当前状态,推算出行人运动时每步的步长与航向,从而确定行人当前所处的位置坐标。本文针对实验需要,基于安卓平台开发了传感器数据采集软件,同时运用JAVA语言开发程序分别结合手机中的加速度计与气压计数据实现步长估计、结合重力计和磁力计以及陀螺仪数据实现手机的姿态解算、利用气压计数据实现测高,最终通过室内叁维定位程序对采集的多传感器数据进行处理与定位效果分析。研究内容主要有以下部分:1、开发安卓软件来采集多传感器数据,同时采用低通滤波等方法对数据进行预处理。详细介绍了室内定位的发展现状以及理论研究基础,对现有的室内定位算法进行了理论学习并对部分算法完成了公式推导、程序设计以及结果分析。2、在学习现有步频探测方法的基础上,引入气压计数据对行人上下楼以及乘坐电梯状态进行识别,提出了“跨步监测+阈值判断+状态识别”的步态探测方法。研究分析了加速度数据各特征量与步长之间的关系,通过实验统计出了双变量步长估计模型;3、针对陀螺仪积分、互补滤波等多种航向估计算法的优缺点,采用卡尔曼滤波融合多传感器数据来解算航向角,并通过实验与其它算法进行了对比分析;4、研究了现有的室内气压测高模型,根据相对气压测高原理,采用改进的国际标准大气压高公式进行了室内测高实验研究。5、以行人航位推算原理为实验基础,以学校办公楼为实验场所,设计多种实验行走路线,采用本文研究的步长估计、航向估计以及室内测高方法进行室内定位算法的整体测试。最终测试结果表明44m短距离直线行走的误差在(0.12m,0.52m)以内,147m长距离矩形行走的平均精度为2.5m,高度精度为0.6m。(本文来源于《合肥工业大学》期刊2019-04-01)
陈云,卢晓,王胜利,王海霞,杨晓明[3](2019)在《一种关于地标辅助行人航位推算技术的改进室内定位方法》一文中研究指出近年来,基于智能手机的行人航位推算技术(pedestrian dead reckoning,PDR)、Wi-Fi以及多种融合室内定位技术得到了较快发展;与此同时,其存在对定位环境要求较高、定位结果偏差较大等缺点。为解决这一问题,在传统PDR基础上提出了一种结合地标库匹配的改进室内定位方法——地标辅助PDR定位算法(landmark-aided PDR algorithm,La PDR)。首先,将在传感器实时数据上识别出的特定地理位置(如墙、门、拐角、Wi-Fi接入点等)当作地标;然后,针对实验环境建立相应的地标库,目的是纠正传统PDR定位算法由于传感器安装精度较低及定位时间过长而产生的漂移。实验结果表明与传统PDR相比,地标辅助PDR定位精度明显提高,系统定位误差基本控制在1. 5 m以内。(本文来源于《科学技术与工程》期刊2019年06期)
于佩元[4](2019)在《水下滑翔机航位推算与自适应控制研究》一文中研究指出混合驱动型水下滑翔机广泛应用于海洋环境观测、军事等领域,其采用浮力与螺旋桨推力双重驱动,既有传统水下滑翔机噪音低、续航能力强的优点,又具备AUV(Autonomous Underwater Vehicle)机动性高、速度快的长处。实现高精度的导航控制是水下滑翔机完成如扫雷、水下观探等任务的关键,然而,由于水下滑翔机模型的不确定性、海洋环境的复杂性等问题的存在,水下滑翔机的导航控制问题是该领域研究的难点。本文针对以上问题提出了基于航向补偿的模糊滑模控制算法、扩展卡尔曼粒子滤波的航位推算算法和新型的路径跟踪控制策略,通过数值仿真结果验证所提算法的有效性。本文深入展开以下工作:首先,对本文研究对象Petrel-Ⅱ 200水下滑翔机建立动力学模型,为克服航向控制中存在的稳态误差及传统滑模控制过程中的“抖振”现象,提出了基于航向补偿的模糊滑模控制算法,提高了航向控制的精度。其次,为克服传统航位推算(Dead Reckoning,DR)存在累积误差、导航精度低等缺点,提出了扩展卡尔曼粒子滤波用于航位推算的数据融合,将扩展卡尔曼滤波的估计值作为粒子滤波的先验值,提高了航位推算的精度。再次,针对水下滑翔机在内外干扰下的路径跟踪控制问题,提出了一种包含ILOS(Integral line of sight)制导律、基于航向补偿的模糊滑模控制和自适应模糊卡尔曼滤波的路径跟踪控制策略。将自适应模糊卡尔曼滤波加入反馈回路,用于削弱过程噪声和测量噪声干扰,实现了沿期望路径的鲁棒自适应跟踪。提出了抗饱和自抗扰深度控制算法,实现了垂直面内的深度控制。最后,进行数值仿真验证以上水下滑翔机航位推算与自适应控制算法的有效性,数值仿真结果验证了所提算法能有效提高水下滑翔机在内部模型不确定性与外部环境干扰下的导航控制精度。(本文来源于《天津工业大学》期刊2019-01-19)
陈董锴,郁力之,丁嘉诚,孙霖[5](2018)在《基于IMU设备的室内行人航位推算》一文中研究指出在室内环境中,GPS信号很难获取,以至于室内行人的航位推算(PDR)成了一个比较大的问题;现如今,常用的室内定位以及PDR的方法是结合外部设备如基于RFID、基于WiFi的定位系统;但是,这些设备在室内部署的时候需要消耗较大的物力以及人力资源’在这篇论文中,设计了一个较成熟的基于惯性测量单元(IMU)设备完成行人航位推算的计算方案;整个计算流程分为5个部分,载体的姿态解算、基于滑动窗口以及限定阈值的方法下的行人的步数检测、基于BP神经网络的行人的步长估计、结合磁力计与陀螺仪进行方向融合的航向推算;最后,根据上述所说的算法流程架构,实现了相应的安卓应用;经测试,在100米左右的回路环境下行走,总体距离误差不超过5米,航向角度偏差不超过5%,能够满足实际的需求(本文来源于《计算机测量与控制》期刊2018年12期)
罗宇锋,王鹏飞,刘艳辉[6](2019)在《WiFi辅助的行人航位推算算法》一文中研究指出行人航位推算(PDR)中,惯性传感器误差不断积累,提出一种基于Wi Fi辅助的位置矫正方法。当行人行至信号强度大于一定阈值的无线接入点(AP)时,将当前位置重置为此AP的位置坐标。针对当前PDR算法中步长估算精度低及普适性差等问题,提出了一种Wi Fi辅助的频率—步长模型动态调整方法。当Wi Fi信号强度低于设定阈值时,对合加速度进行快速傅立叶变换(FFT)变换得出实时频率,采用频率—步长模型估计步长;当Wi Fi信号强度连续两次达到设定阈值时,将频率估计步长和Wi Fi估计步长根据接收信号强度指示(RSSI)大小进行加权得出融合步长,以此为基准对频率—步长模型参数进行反馈调整,调整后的模型用于下一阶段的PDR。为验证所提方法,在电气楼设计相关实验,结果表明,位置矫正有效消除了惯性传感器的累积误差,模型参数调整后PDR误差降低20%以上。(本文来源于《传感器与微系统》期刊2019年01期)
刘恒志,李擎[7](2018)在《一种12维零速状态更新的智能行人航位推算》一文中研究指出针对目前不同的可穿戴式行人导航的捷联惯导装置需要不同的PDR(PedestrianDead Reckoning)参数,并且非最优值参数影响定位精度的问题,提出一种12维零速状态更新智能算法:通过引入叁维速度、姿态、位置、磁力计误差作为系统观测量,并将支持向量机与卡尔曼滤波器构成智能估计器估计系统状态误差,从而提升系统精度。利用自研的IMU(Inertial Measurement Unit)传感器进行实验验证,结果证明该方法有效观测系统状态,最优估计系统误差,提升了系统的精度:水平和空间误差平均缩减40%和45%,对行人导航技术的研究具有实际应用价值。(本文来源于《系统仿真学报》期刊2018年11期)
刘星,熊剑,郭杭[8](2018)在《基于IMU的室内行人航位推算与EKF融合》一文中研究指出针对利用IMU进行行人航位推算(PDR)时,其定位误差会随时间积累的问题,提出了一种基于IMU叁轴加速度计、叁轴陀螺仪及叁轴磁力计的行人航位推算系统,并采用扩展卡尔曼滤波(EKF)方法处理传感器数据;设定了3种阈值条件进行步伐状态的检测;在行走过程中,利用基于EKF的零速度更新(ZUPT)对速度误差进行约束,零角速率更新(ZARU)对角速率误差进行约束,从而有效地提高了行人最终的位置精度。试验结果表明:使用该方法可以有效地提高PDR位置精度,位置误差控制在2%以内。(本文来源于《卫星导航定位与北斗系统应用2018——深化北斗应用 促进产业发展》期刊2018-08-01)
刘坤,裴凌,朱一帆,邹丹平,郁文贤[9](2018)在《VPDR:视觉辅助行人航位推算方法研究》一文中研究指出近年来,随着智能手机的逐渐普及,越来越多的室内定位技术进入了我们的视线。当前的室内定位研究方法多种多样,大体上可以分为基于惯性测量单元、无线网络如WIFI和蓝牙、相机、超声波等方法。行人航位推算(PDR)是一种不依赖外部设备的,只需利用自身提供的传感器来定位的一种方法。由于其定位的高精度特性,行人航位推算逐渐成为了室内定位研究领域中重要的方法之一。然而,由于惯性测量单元固有的特性,行人航位推算系统一旦在大场景,长距离环境下将会造成相当大的累积误差。这篇文章提出了一种结合视觉结构线条信息来提高行人航位推算系统精度的新方法。由于目前智能手机的快速发展,几乎所有的设备都至少有一颗高分辨率的镜头和高精度的传感器单元,使得这种基于智能手机的新方法成为可能。我们提出了视觉陀螺仪这个概念,能够从连续帧图像中获得设备的航向角变化,再将其与PDR中的航向角通过卡尔曼滤波结合起来,得到一个更加精确的航向从而使得定位更加精确。(本文来源于《第九届中国卫星导航学术年会论文集——S10 多源融合导航技术》期刊2018-05-23)
宋红丽[10](2018)在《基于航位推算的室内定位系统研究与实现》一文中研究指出近年来,基于位置的服务逐渐渗透到人们日常生活的方方面面,给人们的工作和生活带来了极大的便利。随着室内活动的日益增多,人们对室内定位也提出了更多的需求。然而,受墙体的遮挡和复杂的室内环境的影响,广泛用于室外定位的GPS定位技术并不适用于在室内进行定位。目前适用于室内定位的技术有很多,包括基于射频识别、红外、蓝牙、超宽带、ZigBee、Wi-Fi和惯性传感器的定位技术等。鉴于智能手机的大规模普及,本文使用航位推算定位方法利用智能手机中的传感器数据进行相对位置的计算,主要研究的内容和实现的工作有:1.对现有的室内定位技术进行了研究,在Android智能手机上实现了基于航位推算的室内定位系统。该系统实现过程中使用到的关键技术有步态检测、步长估计和航向估计等。考虑到用户体型和行走姿势的不同,本文基于传统的峰值检测方法,使用周期性、相似性、连续性和对称性四个行走特性进行约束,消除检测到的伪峰值,提高计步精度。对不同的用户在不同的姿态下使用手机进行了测试,并与传统的峰值检测方法进行了对比。2.研究了现有的步长估计模型,利用用户行走过程中步长的连续性,改进了Kim算法,使步长估计的性能得到一定程度的提高。3.研究了常用的航向估计方法,使用方向传感器和陀螺仪进行联合航向估计。由于陀螺仪数据是相对于参考坐标系的,因此通过四元数的方法将陀螺仪数据转换到导航坐标系。通过加权融合算法和卡尔曼滤波算法改进了原有的航向估计方法。4.使用融合地图信息的粒子滤波方法解决粒子穿墙的问题,通过启发式的路标匹配方法对粒子滤波估计的位置进行纠正。5.在Android智能手机上设计并实现了基于航位推算的室内定位系统,通过MATLAB分别测试了各关键技术与常用方法的性能,并在Android智能手机上对系统进行了实际测试。(本文来源于《电子科技大学》期刊2018-05-19)
航位推算论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
近年来,随着经济社会的快速发展,人们对位置信息的需求日趋增长并从室外拓展到室内,全球导航定位技术经过几十年的发展在室外导航定位中的应用已经相当成熟,并成功应用到百度、高德等位置服务软件中,然而在室内由于建筑物的遮挡导致卫星信号无法被接收,成熟的室外定位技术无法应用在室内。所幸的是各种室内定位技术不断发展,行人航位推算(Pedestrian Dead Reckoning,PDR)技术就是其中一种,该技术利用行人运动过程中采集的加速度、陀螺仪等传感器数据来判断行人当前状态,推算出行人运动时每步的步长与航向,从而确定行人当前所处的位置坐标。本文针对实验需要,基于安卓平台开发了传感器数据采集软件,同时运用JAVA语言开发程序分别结合手机中的加速度计与气压计数据实现步长估计、结合重力计和磁力计以及陀螺仪数据实现手机的姿态解算、利用气压计数据实现测高,最终通过室内叁维定位程序对采集的多传感器数据进行处理与定位效果分析。研究内容主要有以下部分:1、开发安卓软件来采集多传感器数据,同时采用低通滤波等方法对数据进行预处理。详细介绍了室内定位的发展现状以及理论研究基础,对现有的室内定位算法进行了理论学习并对部分算法完成了公式推导、程序设计以及结果分析。2、在学习现有步频探测方法的基础上,引入气压计数据对行人上下楼以及乘坐电梯状态进行识别,提出了“跨步监测+阈值判断+状态识别”的步态探测方法。研究分析了加速度数据各特征量与步长之间的关系,通过实验统计出了双变量步长估计模型;3、针对陀螺仪积分、互补滤波等多种航向估计算法的优缺点,采用卡尔曼滤波融合多传感器数据来解算航向角,并通过实验与其它算法进行了对比分析;4、研究了现有的室内气压测高模型,根据相对气压测高原理,采用改进的国际标准大气压高公式进行了室内测高实验研究。5、以行人航位推算原理为实验基础,以学校办公楼为实验场所,设计多种实验行走路线,采用本文研究的步长估计、航向估计以及室内测高方法进行室内定位算法的整体测试。最终测试结果表明44m短距离直线行走的误差在(0.12m,0.52m)以内,147m长距离矩形行走的平均精度为2.5m,高度精度为0.6m。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
航位推算论文参考文献
[1].张少明,梁家铨,崔浩.复杂海域水下无人航行器航位推算算法优化[J].舰船科学技术.2019
[2].房兴博.基于行人航位推算和多传感器融合的室内叁维定位算法研究[D].合肥工业大学.2019
[3].陈云,卢晓,王胜利,王海霞,杨晓明.一种关于地标辅助行人航位推算技术的改进室内定位方法[J].科学技术与工程.2019
[4].于佩元.水下滑翔机航位推算与自适应控制研究[D].天津工业大学.2019
[5].陈董锴,郁力之,丁嘉诚,孙霖.基于IMU设备的室内行人航位推算[J].计算机测量与控制.2018
[6].罗宇锋,王鹏飞,刘艳辉.WiFi辅助的行人航位推算算法[J].传感器与微系统.2019
[7].刘恒志,李擎.一种12维零速状态更新的智能行人航位推算[J].系统仿真学报.2018
[8].刘星,熊剑,郭杭.基于IMU的室内行人航位推算与EKF融合[C].卫星导航定位与北斗系统应用2018——深化北斗应用促进产业发展.2018
[9].刘坤,裴凌,朱一帆,邹丹平,郁文贤.VPDR:视觉辅助行人航位推算方法研究[C].第九届中国卫星导航学术年会论文集——S10多源融合导航技术.2018
[10].宋红丽.基于航位推算的室内定位系统研究与实现[D].电子科技大学.2018