-
公开(公告)号：CN118519174A
公开(公告)日：2024-08-20
申请号：CN202411002395.9
申请日：2024-07-25
Applicant: 东南大学
Abstract: 本发明是一种面向高级接收机自主完好性监测的智能选星方法。包括以下步骤：首先，获取卫星发送的信号，以地面观测点处遮蔽角对各导航卫星进行筛选，提取接收机观测到的可见卫星。然后根据卫星几何构型和完好性支持信息参数，构建卫星选择模型，设置代价函数，通过数学拟合确定卫星选择模型中的权重参数，并且将ARAIM算法中的有效监测阈值EMT和垂直定位精度作为约束条件。利用河马智能优化算法，把每一个卫星组合看作一只河马，将卫星选择模型作为适应度函数，在解空间中对卫星组合进行迭代求解，寻找最佳卫星组合。最后，计算最佳卫星组合的ARAIM可用性。该方案能够降低ARAIM算法复杂度，并降低故障发生的概率。
-
公开(公告)号：CN118518095A
公开(公告)日：2024-08-20
申请号：CN202410996964.X
申请日：2024-07-24
Applicant: 东南大学
Abstract: 本发明涉及一种基于观测量弹性调整的PDR/GNSS自主导航方法，在观测量和卡尔曼滤波的更新过程进行改进。首先，将GNSS的位置、估计步长和航向作为卡尔曼滤波的拓展观测量与PDR算法的推算结果进行有效融合，在此基础上，将IGG‑III型M估计分为三段检测区间并应用于卡尔曼滤波中：无故障时，不做处理；出现偏离时，对偏离的观测值进行降权处理；异常情况下，利用ARMA模型预测当前历元的新息并对该历元进行幅值修复；然后，对当前异常历元的观测值进行修正；最后，将预测值与修正后的观测值重新进行卡尔曼滤波数据融合处理。该流程简单，思路清晰，为在城市复杂环境下的可靠性和连续性提供了积极的参考和借鉴意义。
-
Patent Agency Ranking
公开(公告)号：CN115618299A
公开(公告)日：2023-01-17
申请号：CN202211222675.1
申请日：2022-10-08
Applicant: 东南大学
Abstract: 本发明是一种基于投影统计量检测器的多源信息融合方法，该方法对扩展卡尔曼滤波的更新过程进行修正。首先，基于假设检验统计原理，利用投影统计量检测器对各观测值的可用性进行评估，将异常量测值予以排除；然后，将扩展卡尔曼滤波的预测状态作为“伪”观测值建立冗余量测方程，并将其与正常的量测方程进行联立构建等价最小二乘回归模型；最后，利用迭代Huber型M‑估计对系统的状态进行鲁棒估计，从而增强所得状态及其协方差加权迭代估计结果的可靠性。本发明设计的基于投影统计量检测器的多源信息融合方法流程简单，思路清晰，这为多传感器导航系统在城市峡谷等恶劣条件下的可靠性定位提供了积极的参考和借鉴意义。
-
公开(公告)号：CN115047496A
公开(公告)日：2022-09-13
申请号：CN202210386806.3
申请日：2022-04-14
Applicant: 东南大学
Abstract: 本发明是一种用于GNSS/INS组合导航卫星同步多故障检测方法，该方法在传统卡尔曼滤波的基础上，引入IGG‑III等价权重阵对异常观测值进行加权处理，从而避免多故障观测值对后续故障检测机制性能的影响。同时，设计基于卡方检验联合w‑检测法的故障检测和识别机制以保证GNSS/INS组合系统的连续可靠性。本发明设计的组合导航卫星同步多故障检测方法流程简单，思路清晰。同时为多故障场景下组合导航系统容错能力的提高研究提供积极的参考和借鉴意义。
-
公开(公告)号：CN120070524A
公开(公告)日：2025-05-30
申请号：CN202510213199.4
申请日：2025-02-26
Applicant: 东南大学
Abstract: 本发明揭示了基于极坐标体素划分的4D毫米波雷达点云配准方法，包括步骤：1、基于统计特征的位姿初始值估计算法，利用快速傅里叶变换计算帧间点云直方图相关性，实现高效的粗位姿估计；2、将雷达目标点云转换到极坐标空间，并进行体素划分。记录每个目标点云体素网均值和点云坐标。3、使用33邻域模型计算每个体素网格协方差，并将该协方差复制到网格内点云；4、源点云和目标体素匹配，计算源点云在体素网格中的索引并进行邻域搜索建立匹配关系；5、对每一对匹配对计算损失函数，并使用LM迭代优化搜索最优配准位姿。该方法适用于4D毫米波雷达稀疏以及大噪声特性下的鲁棒快速配准，可作为定位算法的前端，从而进行快速位姿估计。
-
公开(公告)号：CN118463995B
公开(公告)日：2024-10-22
申请号：CN202410591229.0
申请日：2024-05-13
Applicant: 东南大学
Abstract: 本发明涉及一种基于因子图优化的智能终端航位推算定位方法，包括以下步骤：S1.获取智能手机中惯性测量单元的测量数据、全球导航卫星系统接收单元的GNSS信号数据；S2.根据步骤S1中获取的全球导航卫星系统接收单元的GNSS信号数据，得到更准确的GNSS位置信息；S3.根据步骤S2中得到的GNSS位置信息和步骤S1中获取的惯性测量单元的测量数据，利用行人航位推算方法得到位置增量；S4.构建基于测量数据和GNSS信号数据的因子图模型；S5.通过求取步骤S4中得到的代价函数的最小值，获得当下位置的最佳估计。本发明基于惯性测量单元(IMU)和全球导航卫星系统(GNSS)的传感器的互补特点，使得在每次获得数据时因子图都得到快速有效的更新，最终实时地得到智能手机的位置。
-
公开(公告)号：CN118463995A
公开(公告)日：2024-08-09
申请号：CN202410591229.0
申请日：2024-05-13
Applicant: 东南大学
Abstract: 本发明涉及一种基于因子图优化的智能终端航位推算定位方法，包括以下步骤：S1.获取智能手机中惯性测量单元的测量数据、全球导航卫星系统接收单元的GNSS信号数据；S2.根据步骤S1中获取的全球导航卫星系统接收单元的GNSS信号数据，得到更准确的GNSS位置信息；S3.根据步骤S2中得到的GNSS位置信息和步骤S1中获取的惯性测量单元的测量数据，利用行人航位推算方法得到位置增量；S4.构建基于测量数据和GNSS信号数据的因子图模型；S5.通过求取步骤S4中得到的代价函数的最小值，获得当下位置的最佳估计。本发明基于惯性测量单元(IMU)和全球导航卫星系统(GNSS)的传感器的互补特点，使得在每次获得数据时因子图都得到快速有效的更新，最终实时地得到智能手机的位置。
-
-
-
-
-
-
Search Results
17
records
(took 0.04 seconds)
