CN102589550A - 一种应用联邦h∞滤波器实现组合导航精确定位的方法及*** - Google Patents
一种应用联邦h∞滤波器实现组合导航精确定位的方法及*** Download PDFInfo
- Publication number
- CN102589550A CN102589550A CN2012100093276A CN201210009327A CN102589550A CN 102589550 A CN102589550 A CN 102589550A CN 2012100093276 A CN2012100093276 A CN 2012100093276A CN 201210009327 A CN201210009327 A CN 201210009327A CN 102589550 A CN102589550 A CN 102589550A
- Authority
- CN
- China
- Prior art keywords
- node
- bunch
- ins
- error
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种应用联邦H∞滤波器实现组合导航精确定位的方法及***,将无线传感器网络中的参考节点分簇,判断未知节点在哪一个簇的覆盖范围内,根据获得的能够覆盖的簇的个数选择定位方式,多簇融合定位是在覆盖BN节点的每个簇中,INS和WSN分别测量该簇内RN节点与BN节点之间的距离,将距离信息输入该簇的局部滤波器处理,对每簇中INS测量的BN的位置误差和速度误差进行预估;对每簇的局部滤波器得到的数据进行数据融合,得到***中INS测量的位置误差和速度误差最优预估值,将INS本身测出的导航信息与最优预估值作差,得出导航信息。这种方法充分利用了未知节点的环境信息,实现了相对导航信息与绝对导航信息的融合。
Description
技术领域
本发明涉及一种联邦H∞滤波器,特别涉及一种应用联邦H∞滤波器实现组合导航精确定位的方法及***,属于多传感器数据融合技术领域。
背景技术
对未知节点精确位置信息的需求推动了精确定位技术的发展,这种趋势在未来很长一段时间里仍将保持不变。虽然全球定位***(Global positioning systems,GPS)能够提供精确地,具有持续稳定导航精度的导航信息,但是在室内、高层建筑密集的市区、矿井、隧道等环境下,GPS信号失锁,不能进行定位。为了解决这一问题,许多学者将惯性导航***(Inertial navigation system,INS)与GPS***进行组合,形成了GPS/INS组合导航***。虽然INS具有全自主、运动信息全面、短时、高精度的优点,虽然可以实现自主导航,但误差随时间积累,长航时运行条件下将导致导航精度严重下降。因此,INS对GPS导航信息的补偿只能是短期补偿,而且GPS/INS组合导航***的导航精度依赖于GPS的导航精度,而在GPS长时间失锁的情况下,组合导航***无法提供高精度的导航信息。
近年来,无线传感器网络(Wireless Sensors Network,WSN)以其低成本、低功耗和低***复杂度的特点在短距离定位领域表现出很大的潜力。WSN为在无GPS信号地区,即所谓的“盲区”时,如室内、高层建筑密集的市区、矿井、隧道等环境下未知节点定位提供了可能,但由于WSN采用的通信技术通常为短距离无线通信技术(如ZigBee、WIFI等),因此若想完成长距离的目标跟踪定位,需要大量的网络节点共同完成,这增加了WSN的网络负担。
在处理组合导航数据融合的问题时,最常用的方法是使用滤波器。最著名的方法是卡尔曼滤波器(Kalman Filte,KF),然而由于KF是面向线性***设计的,因此仅对线性定常***有很好的滤波效果。为了能够实现非线性***的滤波问题,许多学者通过雅克比矩阵将非线性的***转化为线性***进行滤波,从而产生了扩展卡尔曼滤波器(Extended KalmanFilter,EKF)。EKF对非线性***有很好的滤波效果,是目前实际生产中应用较为广泛的一种滤波方法。但是由于KF、EKF在滤波过程中假设***的状态噪声和观测噪声均为标准白噪声,所以并不完全符合实际应用中的情况。另外由于设备的硬件问题,导致每一时刻数据的采集周期有小幅不确定的情形,数据获取并不能按理想情况进行,而现有的KF、EKF并没有考虑这种情况。
发明内容
本发明的目的是克服上述不足而提供一种应用联邦H∞滤波器实现组合导航精确定位的方法及***。这种方法克服传统滤波方法(如KF、EKF)对***的噪声有特定要求的问题,更适合实际应用中的多传感器数据融合。与此同时,这种方法充分利用了未知节点的环境信息,实现了相对导航信息与绝对导航信息的融合。在单个簇的基础上,采用联邦H∞滤波,将局部滤波器的数据进行融合,得到一种比上述任何单一簇精度更高的导航信息。
本发明采取的技术方案为:
一种应用联邦H∞滤波器实现组合导航精确定位的方法,包括步骤如下:
(1)将WSN网络中的参考节点分簇:在WSN中,将自身位置已知的节点定义为参考节点(Reference Nodes,RN),将自身位置未知的节点定义为未知节点(Blind Nodes,BN),将在一定区域内(例如10m×10m范围内)的RN节点归为一簇,每簇中随机选择一个节点做为本簇的簇首节点,负责采集本簇中所有RN节点采集到的数据,并负责将这些信息与其他簇进行数据交换;
(2)判断BN节点在哪一个簇的覆盖范围内,根据获得的能够覆盖的簇的个数选择定位方式:INS采集到的信息为每个时刻通过自身陀螺加表测量的数据经过解算得到的当前未知节点BN的位置和速度,WSN采集到的信息为每个时刻BN节点与RN节点之间的距离信息,BN节点通过WSN获取RN节点传来的信号,根据接收到的RN节点的信号判断BN节点在哪一个簇的覆盖范围内,根据获得的能够覆盖的簇的个数选择定位方式:若能够覆盖BN节点的簇仅有一个,则进行单簇定位,若能够覆盖BN节点的簇大于一个,即BN节点处于簇重叠的位置,则进行多簇融合定位;
(3)单簇定位或多簇融合定位:
单簇定位:测量RN节点与BN节点之间的距离,将距离信息输入局部H∞滤波器,对INS测量的BN的位置误差和速度误差进行预估,将INS本身采集到的信息与预估值作差,得出结果修正的导航信息;
多簇融合定位:a.在覆盖BN节点的每个簇中,测量该簇内RN节点与BN节点之间的距离,将距离信息输入该簇的局部滤波器处理,对每簇中INS测量的BN的位置误差和速度误差进行预估;b.在局部滤波器得到的误差估计的基础上,采用分布式H∞滤波器(即局部滤波器+主滤波器),对局部滤波器得到的数据进行数据融合,得到***中INS测量的位置误差和速度误差最优预估值;c.最后将INS本身测出的导航信息(BN的位置和速度)与最优预估值作差,得出结果修正的导航信息。
上述步骤(3)的步骤a中对每簇中INS测量的BN的位置误差和速度误差进行预估的方法为:
①以每个时刻未知节点在本地相对坐标系的x和y两个方向上的位置误差(ex,ey)和速度误差(evx,evy)作为状态向量构建局部滤波器的***方程如式(I)所示:
式(I)中,Xc,k为***的状态变量,T为***的采样周期,(ωx,k,ωy,k)和(ωvx,k,ωvy,k)为***方程每个时刻的位置误差噪声和速度误差噪声,为随机值,ωc,k为***的噪声向量,Ac为***矩阵;
②采用INS测出当前时刻BN节点的位置和速度,采用WSN测出当前时刻BN节点的位置和速度(每簇中有多个参考节点,由测得的参考节点与未知节点的距离通过极大似然估计算法得到一个BN节点的位置,通过BN节点的速度计得到速度信息),将INS测出当前时刻BN节点的位置减去WSN测出当前时刻BN节点的位置,得到位置误差;将INS测出当前时刻BN节点的速度减去WSN测出当前时刻BN节点的速度,得到速度误差,将计算出的位置误差和速度误差作为观测向量输出,如下式(II)所示:
式(II)中,yc,k为观测向量,Xc,k为***的状态变量,(Δrx,k,Δry,k)和(Δvx,k,Δvy,k)为观测方程每个时刻的位置误差和速度误差,(υx,k,υy,k)和(υvx,k,υvy,k)为观测方程每个时刻的位置误差噪声和速度误差噪声,为随机值,υc,k为***的噪声向量,Cc为观测矩阵;
③用上述得到的式(I)和式(II),加入每个簇需要估计的量与状态向量的线性关系,即zc,k=Lcxc,k,得到每个簇的***状态方程,如式(III)所示,
其中,xc,k∈Rn为第c个簇的***状态,Ac为每个局部滤波器的***矩阵,Bc为每个局部滤波器的***噪声矩阵,这里取单位阵,Cc为每个局部滤波器的观测矩阵,Dc为每个局部滤波器的观测噪声矩阵,这里取单位阵,wc,k和ξc,k分别为每个簇的***噪声和观测噪声,为随机值;
④根据每个簇的***状态和观测方程,应用式(III)中的xc,k+1和yc,k,定义下式:
其中和分别为xc,k和zc,k的观测值,Kc为卡尔曼增益,定义 得到式(V):
上述步骤(3)的步骤b中对局部滤波器得到的数据进行数据融合的方法是:
其中,式中Mc表示各分布子***融合信息输出的权重矩阵,,其和为单位阵I;利用下述不等式,当其存在可行解,且解大于0时,看滤波器的能量性能指标γc,c=1,2,...,N和选取使得能量性能指标最小的一组参数的作为最后权重矩阵;
如果线性矩阵不等式组(VII)(VII-1-2全部包括)存在可行解Pc=P′c>0,Qc,Mc,c=1,2,...,N,则***(V)是渐进稳定的,并且存在H∞性能指标γc,c=1,2,...,N和γc的大小决定了各簇H∞滤波器的干扰抑制度,的大小决定了联邦H∞滤波器的干扰抑制度,和越大,干扰抑制度越小,滤波器鲁棒性越差。(I是单位阵,L的定义见上面的式子)
式中
实现上述方法的***,包括RN节点部分和BN节点部分,RN节点部分由RN节点、无线WSN模块、超声测距模块和时间同步模块组成;BN节点部分由BN节点、无线WSN模块、INS导航模块、中央数据处理模块和时间同步模块组成;RN节点部分的RN节点分为多簇,每簇通过无线WSN模块、时间同步模块连有一个局部滤波器,各簇的局部滤波器通过一个主滤波器连接导航计算机;每个局部滤波器都与BN节点部分连接。
为了降低WSN的网络负担,本发明提出先将WSN网络进行分簇,在每一个簇内,将WSN和INS进行组合,利用基于WSN的无线定位技术测量未知节点的相对导航信息,将相对导航信息与INS上得到的绝对导航信息通过分布式H∞滤波器进行数据融合,得到理想的导航信息。该方法以每个时刻未知节点的在两个方向上的位置误差和速度误差作为状态向量,以每一时刻根据两种***采集得到的数据计算出的位置误差和速度误差作为观测向量输出,由状态向量和观测向量输出重新构建一个渐近稳定的***,即H∞滤波器。通过H∞滤波器来预估每一时刻最优的状态向量。这种方法克服传统滤波方法(如KF、EKF)对***的噪声有特定要求的问题,更适合实际应用中的多传感器数据融合。与此同时,这种方法充分利用了未知节点的环境信息,实现了相对导航信息与绝对导航信息的融合。在单个簇的基础上,采用多个滤波器联邦H∞滤波,将局部滤波器的数据进行融合,得到一种比上述任何单一簇精度更高的导航信息。
附图说明
图1为本发明应用联邦H∞滤波器实现组合导航精确定位***;
图2为单个簇利用H∞滤波组合导航方法示意图;
图3为多簇应用联邦H∞滤波组合导航方法示意图;
图4本发明的方法流程图;
图5为实施例1的参考节点、未知节点分布;
图6为实施例1中对局部滤波器得到的数据进行数据融合的流程图;
其中:1.RN节点a,2.RN节点b,3.RN节点c,4.BN节点部分,5.超声测距模块,6.时间同步模块,7.无线WSN模块,8.INS导航模块,9.局部滤波器,10.主滤波器,11.导航计算机,12.导航信息。
具体实施方式
下面结合附图对本发明创造做进一步详细说明。
一种应用联邦H∞滤波器实现组合导航精确定位的***,包括RN节点部分和BN节点部分,RN节点部分由RN节点、无线WSN模块7、超声测距模块5和时间同步模块6组成;BN节点部分由BN节点、无线WSN模块7、INS导航模块8、中央数据处理模块和时间同步模块6组成;RN节点部分的RN节点分为多簇,每簇通过无线WSN模块7、时间同步模块6连有一个局部滤波器9,各簇的局部滤波器9通过一个主滤波器10连接导航计算机;每个局部滤波器9都与BN节点部分连接。
下面给出一个具体的实现例子。
在下图所示的环境下,将参考节点分成两个簇(如图5所示),其中簇1和簇2分别包括4个参考节点。BN节点沿着图示的轨迹运动。
如图6所示,本实施例的方法步骤如下:
(1)通过INS采集加表信息,在采集到加表信息之后进行解算,获得INS测量的BN节点的位置和速度信息,通过测量,在交汇部分的第一时刻通过INS测量得到的BN的位置信息为(51.8732,22.0200)。
(2)BN节点通过WSN获取RN节点传来的信号。根据接收到的RN节点的信号判断BN节点在哪一个簇的覆盖范围内,根据获得的能够覆盖的簇的个数选择定位方式,实例中簇1和簇2都可以覆盖到BN节点。
(3)上述(2)测到的能够覆盖BN节点的簇大于一个,则进行多簇融合定位。在能够覆盖BN节点的簇中,首先测量RN节点和BN节点之间的距离,通过距离信息得到两个簇WSN测出的BN节点的位置信息,这里为簇1测量得到的BN位置为(29.2414,10.3006);簇2测量得到的BN位置为(29.0979,11.1479)。
将INS测量得到的BN位置信息减去两个簇得到的BN的位置信息,得到两个簇中INS的预估误差,这里为簇1(22.6317,11.7195)=(51.8732,22.0200)-(29.2414,10.3006),簇2(22.7752,10.8722)(这里的数值是通过局部滤波器得到的误差预估,不是位置和速度,注意是误差信息)。将上述误差信息输入局部H∞滤波器,对INS的误差进行预估。
首先求得满足图6中线性矩阵不等式的P,Q,K阵。
对簇1,得到的阵分别为:
γ1=1.9804×10-12,
对簇2,得到的阵分别为:
γ2=6.3708×10-14,
通过上述矩阵分别求出单独簇中的局部滤波器测量出的误差最优估计在最终主滤波器的权重M,这里簇1的权重M1为
簇2的权重M2为
在局部滤波器得到的INS误差估计的基础上,对局部滤波器得到的数据进行数据融合,通过Xk=M1XC1,k+M2XC2,k得到主滤波器的最优误差估计(22.5978,11.6314)。将这一时刻内INS本身测出的导航信息(51.8732,22.0200)减去主滤波器的最优误差估计,最后得到修正后的结果(29,2754,10.3886)。
上述实例为分布式滤波器对INS测量的BN节点位置误差的预估,BN节点速度误差的预估与位置误差的预估步骤相似,这里不再详细阐述。
Claims (5)
1.一种应用联邦H∞滤波器实现组合导航精确定位的方法,其特征是,包括步骤如下:
(1)将WSN网络中的参考节点分簇:在WSN中,将自身位置已知的节点定义为参考节点RN,将自身位置未知的节点定义为未知节点BN,将在一定区域内的RN节点归为一簇,每簇中随机选择一个节点做为本簇的簇首节点,负责采集本簇中所有RN节点采集到的数据,并负责将这些信息与其他簇进行数据交换;
(2)判断BN节点在哪一个簇的覆盖范围内,根据获得的能够覆盖的簇的个数选择定位方式:INS采集到的信息为每个时刻通过自身陀螺加表测量的数据经过解算得到的当前未知节点BN的位置和速度,WSN采集到的信息为每个时刻BN节点与RN节点之间的距离信息,BN节点通过WSN获取RN节点传来的信号,根据接收到的RN节点的信号判断BN节点在哪一个簇的覆盖范围内,根据获得的能够覆盖的簇的个数选择定位方式:若能够覆盖BN节点的簇仅有一个,则进行单簇定位,若能够覆盖BN节点的簇大于一个,即BN节点处于簇重叠的位置,则进行多簇融合定位;
(3)单簇定位或多簇融合定位:
单簇定位:INS测量RN节点与BN节点之间的距离,将距离信息输入局部H∞滤波器,对INS测量的BN的位置误差和速度误差进行预估,将INS采集到的信息与预估值作差,得出结果修正的导航信息;
多簇融合定位:a.在覆盖BN节点的每个簇中,INS测量该簇内RN节点与BN节点之间的距离,将距离信息输入该簇的局部滤波器处理,对每簇中INS测量的BN的位置误差和速度误差进行预估;b.在局部滤波器得到的误差估计的基础上,采用分布式H∞滤波器,对局部滤波器得到的数据进行数据融合,得到***中INS测量的位置误差和速度误差最优预估值;c.最后将INS本身测出的导航信息与最优预估值作差,得出结果修正的导航信息。
2.根据权利要求1所述的一种应用联邦H∞滤波器实现组合导航精确定位的方法,其特征是,步骤(3)的步骤a中对每簇中INS测量的BN的位置误差和速度误差进行预估的方法为:
①以每个时刻未知节点在本地相对坐标系的x和y两个方向上的位置误差(ex,ey)和速度误差(evx,evy)作为状态向量构建局部滤波器的***方程如式(I)所示:
式(I)中,Xc,k为***的状态变量,T为***的采样周期,(ωx,k,ωy,k)和(ωvx,k,ωvy,k)为***方程每个时刻的位置误差噪声和速度误差噪声,为随机值,ωc,k为***的噪声向量,Ac为***矩阵;
②采用INS测出当前时刻BN节点的位置和速度,采用WSN测出当前时刻BN节点的位置和速度,将INS测出当前时刻BN节点的位置减去WSN测出当前时刻BN节点的位置,得到位置误差;将INS测出当前时刻BN节点的速度减去WSN测出当前时刻BN节点的速度,得到速度误差,将计算出的位置误差和速度误差作为观测向量输出,如下式(II)所示:
式(II)中,yc,k为观测向量,Xc,k为***的状态变量,(Δrx,k,Δry,k)和(Δvx,k,Δvy,k)为观测方程每个时刻的位置误差和速度误差,(υx,k,υy,k)和(υvx,k,υvy,k)为观测方程每个时刻的位置误差噪声和速度误差噪声,为随机值,υc,k为***的噪声向量,Cc为观测矩阵;
③用上述得到的式(I)和式(II),加入每个簇需要估计的量与状态向量的线性关系,即zc,k=Lcxc,k,得到每个簇的***状态方程,如式(III)所示,
其中,xc,k∈Rn为第c个簇的***状态,Ac为每个局部滤波器的***矩阵,Bc为每个局部滤波器的***噪声矩阵,这里取单位阵,Cc为每个局部滤波器的观测矩阵,Dc为每个局部滤波器的观测噪声矩阵,这里取单位阵,wc,k和ξc,k分别为每个簇的***噪声和观测噪声,为随机值;
④根据每个簇的***状态和观测方程,应用式(III)中的xc,k+1和yc,k,定义下式:
其中,
通过式(V)得到每簇中INS测量的BN的位置误差和速度误差预估向量。
4.根据权利要求1所述的一种应用联邦H∞滤波器实现组合导航精确定位的方法,其特征是,所述的RN节点归为一簇的划分区域为10m×10m范围内。
5.实现权利要求1-4任意一项所述的方法的***,包括RN节点部分和BN节点部分,其特征是,RN节点部分由RN节点、无线WSN模块、超声测距模块和时间同步模块组成;BN节点部分由BN节点、无线WSN模块、INS导航模块、中央数据处理模块和时间同步模块组成;RN节点部分的RN节点分为多簇,每簇通过无线WSN模块、时间同步模块连有一个局部滤波器,各簇的局部滤波器通过一个主滤波器连接导航计算机;每个局部滤波器都与BN节点部分连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100093276A CN102589550A (zh) | 2012-01-12 | 2012-01-12 | 一种应用联邦h∞滤波器实现组合导航精确定位的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100093276A CN102589550A (zh) | 2012-01-12 | 2012-01-12 | 一种应用联邦h∞滤波器实现组合导航精确定位的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102589550A true CN102589550A (zh) | 2012-07-18 |
Family
ID=46478537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100093276A Pending CN102589550A (zh) | 2012-01-12 | 2012-01-12 | 一种应用联邦h∞滤波器实现组合导航精确定位的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102589550A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414450A (zh) * | 2013-08-01 | 2013-11-27 | 河南大学 | 噪声统计特性未知***的实时多速率h∞融合滤波方法 |
CN103644917A (zh) * | 2013-12-04 | 2014-03-19 | 重庆数字城市科技有限公司 | 移动测量平台激光雷达旋转与平移参数计算方法 |
CN105094125A (zh) * | 2014-05-09 | 2015-11-25 | 金宝电子工业股份有限公司 | 室内机器人及其定位方法 |
CN106792976A (zh) * | 2017-01-25 | 2017-05-31 | 北京邮电大学 | 一种无线自组织网络中节点的定位方法及装置 |
CN107094288A (zh) * | 2017-04-24 | 2017-08-25 | 兰州交通大学 | 长大隧道环境下基于分簇无线传感网络的列车定位方法 |
CN109282820A (zh) * | 2018-11-26 | 2019-01-29 | 浙江工业大学 | 基于分布式混合滤波的室内定位方法 |
CN109916401A (zh) * | 2019-04-17 | 2019-06-21 | 济南大学 | 采用ls-svm辅助ekf滤波方法的分布式无缝紧组合导航方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247650A (zh) * | 2008-03-20 | 2008-08-20 | 中科院嘉兴中心微***所分中心 | 一种在无线传感器网络中基于无线信号强度的节点室内定位方法 |
CN101482607A (zh) * | 2009-02-19 | 2009-07-15 | 武汉理工大学 | 应用于无线移动传感器网络的目标跟踪方法及装置 |
CN201426183Y (zh) * | 2009-05-22 | 2010-03-17 | 广东工业大学 | 一种基于簇的无线传感器网络路由*** |
-
2012
- 2012-01-12 CN CN2012100093276A patent/CN102589550A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247650A (zh) * | 2008-03-20 | 2008-08-20 | 中科院嘉兴中心微***所分中心 | 一种在无线传感器网络中基于无线信号强度的节点室内定位方法 |
CN101482607A (zh) * | 2009-02-19 | 2009-07-15 | 武汉理工大学 | 应用于无线移动传感器网络的目标跟踪方法及装置 |
CN201426183Y (zh) * | 2009-05-22 | 2010-03-17 | 广东工业大学 | 一种基于簇的无线传感器网络路由*** |
Non-Patent Citations (2)
Title |
---|
QINGHUA LI,WEIHAI ZHANG,HONGJUN WANG: "Decentralized H∞ Fusion Filter Design in Multi-sensor Fusion System", 《PROCEEDINGS OF THE 7TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION》, 31 December 2008 (2008-12-31), pages 1096 - 1099 * |
XU YUAN,CHEN XIYUAN: "Tightly-coupled model for INS WSN integrated navigation based on Kalman filter", 《JOURNAL OF SOUTHEAST UNIVERSITY》, vol. 27, no. 4, 31 December 2011 (2011-12-31), pages 384 - 385 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103414450A (zh) * | 2013-08-01 | 2013-11-27 | 河南大学 | 噪声统计特性未知***的实时多速率h∞融合滤波方法 |
CN103414450B (zh) * | 2013-08-01 | 2016-02-03 | 河南大学 | 噪声统计特性未知***的实时多速率h∞融合滤波方法 |
CN103644917A (zh) * | 2013-12-04 | 2014-03-19 | 重庆数字城市科技有限公司 | 移动测量平台激光雷达旋转与平移参数计算方法 |
CN103644917B (zh) * | 2013-12-04 | 2016-01-20 | 重庆数字城市科技有限公司 | 移动测量平台激光雷达旋转与平移参数计算方法 |
CN105094125A (zh) * | 2014-05-09 | 2015-11-25 | 金宝电子工业股份有限公司 | 室内机器人及其定位方法 |
CN106792976A (zh) * | 2017-01-25 | 2017-05-31 | 北京邮电大学 | 一种无线自组织网络中节点的定位方法及装置 |
CN106792976B (zh) * | 2017-01-25 | 2019-12-06 | 北京邮电大学 | 一种无线自组织网络中节点的定位方法及装置 |
CN107094288A (zh) * | 2017-04-24 | 2017-08-25 | 兰州交通大学 | 长大隧道环境下基于分簇无线传感网络的列车定位方法 |
CN107094288B (zh) * | 2017-04-24 | 2019-11-05 | 兰州交通大学 | 长大隧道环境下基于分簇无线传感网络的列车定位方法 |
CN109282820A (zh) * | 2018-11-26 | 2019-01-29 | 浙江工业大学 | 基于分布式混合滤波的室内定位方法 |
CN109916401A (zh) * | 2019-04-17 | 2019-06-21 | 济南大学 | 采用ls-svm辅助ekf滤波方法的分布式无缝紧组合导航方法及*** |
CN109916401B (zh) * | 2019-04-17 | 2021-03-12 | 济南大学 | 采用ls-svm辅助ekf滤波方法的分布式无缝紧组合导航方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102589550A (zh) | 一种应用联邦h∞滤波器实现组合导航精确定位的方法及*** | |
CN111780755B (zh) | 一种基于因子图和可观测度分析的多源融合导航方法 | |
CN107734457B (zh) | 智慧停车场导航***及方法 | |
CN102692223B (zh) | 用于wsn/ins组合导航的多级非线性滤波器的控制方法 | |
CN102519450B (zh) | 一种用于水下滑翔器的组合导航装置及方法 | |
CN109682375B (zh) | 一种基于容错决策树的uwb辅助惯性定位方法 | |
CN103472823B (zh) | 一种智能机器人用的栅格地图创建方法 | |
CN110057354B (zh) | 一种基于磁偏角修正的地磁匹配导航方法 | |
CN111536967B (zh) | 一种基于ekf的多传感器融合温室巡检机器人跟踪方法 | |
KR102110813B1 (ko) | 무선 환경 변화에 강인한 slam 방법 및 장치 | |
CN105588566A (zh) | 一种基于蓝牙与mems融合的室内定位***及方法 | |
CN102494684B (zh) | 一种基于wsn/mins组合导航的导航信息无偏紧组合方法 | |
CN102636166B (zh) | 基于航向角的wsn/ins组合导航***的控制方法 | |
CN107179079A (zh) | 基于pdr与地磁融合的室内定位方法 | |
CN106168485B (zh) | 步行航迹数据推算方法及装置 | |
CN104864865B (zh) | 一种面向室内行人导航的ahrs/uwb无缝组合导航方法 | |
CN106595653A (zh) | 一种穿戴式行人自主导航***及其导航方法 | |
Xu et al. | Enhancing INS/UWB integrated position estimation using federated EFIR filtering | |
CN106680765A (zh) | 基于分布式组合滤波ins/uwb行人导航***及方法 | |
CN103674021A (zh) | 基于捷联惯导与星敏感器的组合导航***及方法 | |
CN109141413B (zh) | 具有数据缺失uwb行人定位的efir滤波算法及*** | |
CN109974694B (zh) | 一种基于uwb/imu/气压计的室内行人3d定位方法 | |
CN107966143A (zh) | 一种基于多窗口的自适应efir数据融合方法 | |
CN102494685A (zh) | 用于wsn/ins高精度实时组合导航的h无穷信息融合方法 | |
CN111025366B (zh) | 基于ins及gnss的网格slam的导航***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120718 |