基于GNSS技术的实时姿态测量算法研究

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:xiao2168644
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
GNSS技术自上世纪出现以来,已经得到了极大的发展,而GNSS姿态测量作为其重要的组成部分更是得到了各领域的关注,相比于基于惯性导航系统开展的姿态测量,GNSS姿态测量在各领域的应用中有着更多显著的优点,如成本低,精度高,受环境影响较小且误差不跟随时间进行积累等,因此可以为载体提供长时间的姿态信息,但是因卫星载波信号易受传播误差和电磁干扰等影响,使得解算得到的姿态角精度大受影响,因而设计高效的姿态测量算法并尽量减少误差的影响等研究更显得尤为重要,基于GNSS技术本文针对姿态测量中出现的问题,重点研究以下几个方面:
  建立定位观测模型,基于观测模型进行载体姿态测量的原理和模型研究,对姿态测量过程中的坐标系转化,姿态参数进行深入研究,研究直接法,最小二乘法,最优估计法等姿态测量算法模型。
  深入研究整周模糊度固定和姿态解算算法,对比传统的LAMBDA算法,提出了基于鸡群优化算法的解算模型,以完成快速的整周模糊度搜索和姿态角解算,同时,基于基线长度和相对位置等先验约束信息进行直接的姿态矩阵解算,提出基于正交约束的姿态解算新算法,消除解算步骤中的多余误差,提高解算的效率和精度。
  研究姿态解算过程中出现的周跳误差,进行有效的校正解算,结合传统AFM算法对周跳不敏感以及不需要初始模糊度等优点,提出一种基于AFM辅助的姿态解算算法,解决解算过程中出现的跳变误差,并在此基础上通过直接法与最小二乘法对解算结果进行验证和对比。
  最后,利用单基线和双基线下的静态和动态实验进行算法性能测试,在设置好实验载体的前提下,对通过静止和运动载体平台接收到的GNSS数据进行初步处理,再通过算法的数据解算得到姿态角以及精度情况,实验结果表明,针对不同场景的各姿态解算算法都能够有效提高姿态解算精度和可靠性。
其他文献
近年来,GNSS已成功应用于各高精度定位领域,而我国的北斗三代卫星导航系统也已向全球开展导航定位和授时服务。随着社会的进步,人们对GNSS在形变监测、灾害预警等领域内的定位精度要求越来越严格。然而,GNSS高精度相对定位中的原始载波相位观测量存在周跳现象,导致模糊度固定困难,从而影响GNSS相对定位的精度。鉴于此,对载波相位数据进行正确的预处理有利于提高GNSS相对定位算法的精度。本文的主要研究内容和创新点包括以下几个部分:
  1、对GNSS导航定位方法进行了理论研究,分析了GNSS时空参考框架、
身份识别是安防系统的一项重要功能。常用的身份识别通过指纹识别、面部特征、虹膜识别等方法实现,但存在设备昂贵、生物特征易被窃取等缺点。由于人的活动会导致WiFi信道状态信息(Channel State Information,CSI)的变化,这种变化具有与个人行为习惯的关联,所以可利用CSI作为WiFi“指纹”进行身份识别。利用WiFi“指纹”的身份识别方法具有非接触、低成本等优势,展示了诱人的前景,已成为目前学术界一个新的研究方向。
  本文围绕身份识别这一主题,对基于WiFi-CSI的个人身份识别
伴随着我国科学技术不断前进,社会的不断进步,越来越多的家庭拥有了汽车,汽车在其中扮演着不可或缺的角色。为了解决汽车所带来的交通安全性等问题,车载自组网应运而生。车载自组织网(Vehicular Ad hoc Network,VANET)是根据移动无线组织网(Mobile Ad hoc Network,MANET)建立的。VANET是指车与车,以及车辆与路边单元间的相互收发信息而建立的无线自组织网络,车载自组织网是智慧交通的核心部分。车辆可以通过车载自组织网来获取道路交通信息来规避交通堵塞或者事故危险。
专家介绍  芮云峰 东南大学附属中大医院骨科行政副主任、主任医师、教授、博士研究生导师,东南大学医学院院长助理、东南大学创伤骨科研究所副所长。江苏省“六大人才高峰”高层次人才选拔培养对象,江苏省 “333工程”第三层次培养对象,江苏省“十三五”科教强卫医学重点人才。担任科技部生物材料核心库专家、国家自然基金委评审专家、教育部学位与研究生教育发展中心评审专家、江苏省科技咨询专家等。主译《老年骨科学》
期刊
随着全球卫星导航系统(Global Navigation Satellite System,GNSS)的差分定位技术快速发展,目前GNSS常规实时动态定位(Real Time Kinematic,RTK)技术无论在作用范围还是定位解算的质量控制及保障方面都存在着不足,而以连续运行参考站(Continuously Operating Reference System, CORS)系统为基础的网络RTK技术则应运而生并成为新世纪的研究热点,因此开展GNSS网络RTK定位原理及算法研究具有很大现实意义,本文主要
近年来,卷积神经网络在超分辨率重建领域的应用取得了一定突破,但依旧不能有效的恢复图像的边缘和纹理等几何结构。本文围绕如何有效恢复图像边缘和纹理等几何结构展开研究,其主要工作具体如下:
  (1)提出了一种结合感知边缘约束与多尺度融合的图像超分辨率重建方法。该方法的模型包含两个阶段:第一阶段提取低分辨率图像特征并对特征进行上采样,获得粗糙的高分辨率图像特征;第二阶段将粗精度图像特征作为输入,通过特征金字塔模块以逐步编解码的方式精细粗糙特征,从而完成图像边缘和纹理的精确重建。第二阶段中,考虑到不同尺度特
随着三维点云数据广泛应用于机器人、无人驾驶和三维场景漫游等领域,三维点云的数据量急剧增加,因此提出高效智能化的三维点云识别方法具有重要的现实意义。目前,深度学习在计算机视觉等领域已经取得了很大的进展。本文将深度学习运用到三维点云识别任务中,并取得以下研究成果和结论:
  基于Spider卷积的三维点云分类与分割网络。针对Spider卷积神经网络(Convolutional Neural Network,CNN)无法充分地从三维点云数据中获取深层次特征信息的问题,设计出一种可以直接处理三维点云数据的分
当前互联网中服务需求爆发式增长给网络服务提供商、网络基础设施运营商造成了巨大的服务设备需求压力与网络流量传输压力。NFV技术具有虚拟化与隔离特性,SDN技术具有全局视野与灵活调控特性,这两种技术相结合可以有效缓解上述压力。目前针对NFV和SDN架构下部署服务功能链问题已经有了一些研究,本文中介绍了有关基于SDN/NFV网络切片架构,虚拟网络映射,服务功能链部署这三个方面的部分研究现状。之后介绍了SDN的核心思想与基本架构,然后介绍说明了NFV的标准架构和NFV与SDN的关系以及NFV环境下的资源分配问题。
无人机系统正朝着集群化、智能化的方向演进。通信网络作为无人机之间沟通的基础,是实现无人机集群智能协同的关键,无人机自组网具有组网灵活、抗毁性强等特点,是组建无人机网络的一种重要技术。无人机自身特点及其应用场景对网络的时延和吞吐性能提出了更高的要求,合理的MAC协议能让网络节点高效使用通信资源,有助于网络层、传输层等上层协议提供更好的服务质量,使网络更好地满足无人机集群的通信需求。论文以无人机自组网MAC协议作为研究出发点,包括以下几个内容:
  一、无人机自组网MAC协议研究以CSMA/CA与TDM
探地雷达(GPR)具有使用方便、探测效率高、适用于多种介质等优点,使用GPR获取层状介质信息已经被广泛应用于路面质量检测、市政工程、环境工程等相关领域。但是使用波形反演方法获取层状介质信息时,现有的参数反演算法存在反演结果精度低、稳定性差和算法实时性差的问题,导致反演结果出现误差,无法满足实际需要。虽然将电磁波在介质层中的双程走时作为先验信息可以提升参数反演算法的性能,但是获取准确的双程走时仍然是一个难题,为此本文从以下三个方面开展了层状介质参数反演算法及其性能的研究:
  1.针对参数反演方法反演