-
公开(公告)号：CN109141413B
公开(公告)日：2020-07-07
申请号：CN201810886573.7
申请日：2018-08-06
Applicant: 济南大学
Abstract: 本发明公开了具有数据缺失UWB行人定位的EFIR滤波算法及系统，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的EFIR滤波算法进行改进，引入变量表示第i个信道的距离信息是否可用。一旦距离信息不可用，则对不可用的距离信息进行预估，以弥补不可用的距离信息，保证滤波器对位置误差的预估；在此基础上，将惯性导航器件INS测量得到的行人位置与EFIR滤波器得到的位置误差预估作差，最终得到当前时刻最优的行人位置预估。
-
公开(公告)号：CN109141413A
公开(公告)日：2019-01-04
申请号：CN201810886573.7
申请日：2018-08-06
Applicant: 济南大学
Abstract: 本发明公开了具有数据缺失UWB行人定位的EFIR滤波算法及系统，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的EFIR滤波算法进行改进，引入变量表示第i个信道的距离信息是否可用。一旦距离信息不可用，则对不可用的距离信息进行预估，以弥补不可用的距离信息，保证滤波器对位置误差的预估；在此基础上，将惯性导航器件INS测量得到的行人位置与EFIR滤波器得到的位置误差预估作差，最终得到当前时刻最优的行人位置预估。
-
公开(公告)号：CN109655060B
公开(公告)日：2021-07-06
申请号：CN201910122571.5
申请日：2019-02-19
Applicant: 济南大学
Abstract: 本发明公开了基于KF/FIR和LS‑SVM融合的INS/UWB组合导航算法及系统，当UWB信号可用时，KF/FIR滤波器正常工作，为组合导航系统提供导航信息的最优预估。与此同时，LS‑SVM算法处于培训模式，将INS解算的位置信息与KF/FIR滤波器给出的INS位置误差的最优预估分别作为LS‑SVM算法的输入和培训目标，力求通过培训构造INS位置与位置误差的映射关系。一旦UWB信号不可用，LS‑SVM算法替代不能工作的KF/FIR滤波器，利用构建的映射关系对INS位置误差进行预估。本发明的提出，克服了传统KF/FIR滤波器在UWB失锁状态下不能正常工作的缺陷，实现了对导航信息的无缝预估。
-
公开(公告)号：CN109737957B
公开(公告)日：2020-11-06
申请号：CN201910100184.1
申请日：2019-01-31
Applicant: 济南大学
Abstract: 本发明公开了一种采用级联FIR滤波的INS/LiDAR组合导航方法及系统，算法采用级联滤波结构，即在激光雷达数据处理部分，将激光雷达采集得到的移动机器人与角点之间的距离作为观测信息，利用EFIR滤波算法对激光雷达测量得到的位置进行预估。在此基础上，在松组合导航数据处理部分，将INS与激光雷达分别测量的位置信息之差作为观测量输入到FIR滤波算法，对INS计算的误差进行预估，最终得到当前时刻移动机器人最优的位置信息。本发明有益效果：通过在激光雷达部分采用级联滤波结构有效提高了激光雷达通过角点距离测量移动机器人位置的精度，同时，FIR滤波算法的使用也提高了算法的鲁棒性。
-
公开(公告)号：CN109655060A
公开(公告)日：2019-04-19
申请号：CN201910122571.5
申请日：2019-02-19
Applicant: 济南大学
Abstract: 本发明公开了基于KF/FIR和LS-SVM融合的INS/UWB组合导航算法及系统，当UWB信号可用时，KF/FIR滤波器正常工作，为组合导航系统提供导航信息的最优预估。与此同时，LS-SVM算法处于培训模式，将INS解算的位置信息与KF/FIR滤波器给出的INS位置误差的最优预估分别作为LS-SVM算法的输入和培训目标，力求通过培训构造INS位置与位置误差的映射关系。一旦UWB信号不可用，LS-SVM算法替代不能工作的KF/FIR滤波器，利用构建的映射关系对INS位置误差进行预估。本发明的提出，克服了传统KF/FIR滤波器在UWB失锁状态下不能正常工作的缺陷，实现了对导航信息的无缝预估。
-
Patent Agency Ranking
公开(公告)号：CN109141412A
公开(公告)日：2019-01-04
申请号：CN201810886557.8
申请日：2018-08-06
Applicant: 济南大学
Abstract: 本发明公开了面向有数据缺失INS/UWB组合行人导航的UFIR滤波算法及系统，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的UFIR滤波算法进行改进，引入变量表示第i个信道的距离信息是否可用。一旦距离信息不可用，则对不可用的距离信息进行预估，以弥补不可用的距离信息，保证滤波器对位置误差的预估；在此基础上，将惯性导航器件INS测量得到的行人位置与EFIR滤波器得到的位置误差预估作差，最终得到当前时刻最优的行人位置预估。
-
公开(公告)号：CN108759825A
公开(公告)日：2018-11-06
申请号：CN201810885930.8
申请日：2018-08-06
Applicant: 济南大学
Abstract: 本发明公开了面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的自适应Kalman滤波算法进行改进，引入变量引入变量表示第i个信道的距离信息是否可用。一旦距离信息不可用，则对不可用的距离信息进行预估，以弥补不可用的距离信息，保证滤波器对位置误差的预估；在此基础上，将惯性导航器件INS测量得到的行人位置与EFIR滤波器得到的位置误差预估作差，最终得到当前时刻最优的行人位置预估。
-
公开(公告)号：CN109269498B
公开(公告)日：2020-09-22
申请号：CN201810886540.2
申请日：2018-08-06
Applicant: 济南大学
Abstract: 本发明公开了面向具有数据缺失UWB行人导航的自适应预估EKF滤波算法及系统，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的自适应EKF滤波算法进行改进，引入变量表示第i个信道的距离信息是否可用。一旦距离信息不可用，则对不可用的距离信息进行预估，以弥补不可用的距离信息，保证滤波器对位置误差的预估；在此基础上，将惯性导航器件INS测量得到的行人位置与EFIR滤波器得到的位置误差预估作差，最终得到当前时刻最优的行人位置预估。
-
公开(公告)号：CN108759825B
公开(公告)日：2020-05-05
申请号：CN201810885930.8
申请日：2018-08-06
Applicant: 济南大学
Abstract: 本发明公开了面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的自适应Kalman滤波算法进行改进，引入变量引入变量表示第i个信道的距离信息是否可用。一旦距离信息不可用，则对不可用的距离信息进行预估，以弥补不可用的距离信息，保证滤波器对位置误差的预估；在此基础上，将惯性导航器件INS测量得到的行人位置与EFIR滤波器得到的位置误差预估作差，最终得到当前时刻最优的行人位置预估。
-
公开(公告)号：CN109737957A
公开(公告)日：2019-05-10
申请号：CN201910100184.1
申请日：2019-01-31
Applicant: 济南大学
Abstract: 本发明公开了一种采用级联FIR滤波的INS/LiDAR组合导航方法及系统，算法采用级联滤波结构，即在激光雷达数据处理部分，将激光雷达采集得到的移动机器人与角点之间的距离作为观测信息，利用EFIR滤波算法对激光雷达测量得到的位置进行预估。在此基础上，在松组合导航数据处理部分，将INS与激光雷达分别测量的位置信息之差作为观测量输入到FIR滤波算法，对INS计算的误差进行预估，最终得到当前时刻移动机器人最优的位置信息。本发明有益效果：通过在激光雷达部分采用级联滤波结构有效提高了激光雷达通过角点距离测量移动机器人位置的精度，同时，FIR滤波算法的使用也提高了算法的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
