-
-
公开(公告)号：CN114152259A
公开(公告)日：2022-03-08
申请号：CN202111454631.7
申请日：2021-12-01
Applicant: 中北大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于海马、内嗅皮层的类脑视觉无人机导航方法，通过对速度细胞、头方向细胞、网格细胞、位置细胞建立相关模型，输出良好的导航信息。速度细胞获取速度信息，头方向细胞获取方位信息，位置细胞能够感知特定的位置场景，并将场景的位置信息反馈给网格细胞，网格细胞整合速度和方位信息进行空间编码，在路径整合计算过程中充当路径积分器的作用，并接受来自位置细胞的位置信息进行积分重置，调整路径信息。本发明可以输出精确的导航信息，提高无人机导航系统的智能化程度；误差不随时间积累，可以满足无人机长航时的需求；信号来自周围的环境信息，能够充分利用周围的环境信息，进行无人机自主导航定位，具有较高的精度和准确度。
-
公开(公告)号：CN113607163A
公开(公告)日：2021-11-05
申请号：CN202110916845.5
申请日：2021-08-11
Applicant: 中北大学
Abstract: 本发明公开了一种复杂天气下的大气偏振光定向方法，包括天气分类、噪声估计、去噪、拟合四部分；在天气分类阶段，采用PCANet网络对偏振图像进行特征提取，采用支持向量机进行分类；在噪声估计阶段，采用偏振图像以及偏振强度图像的图像块来进行估计；在去噪阶段，采用加权稀疏编码模型与天气权重、线性偏振强度权重结合来进行去噪；在拟合阶段，利用去噪后图像计算出偏振角度图像，并利用随机抽样一致算法进行太阳子午线的拟合。本发明可有效恢复复杂天气下被破坏的偏振角度图像，提高在复杂天气下的定向精度。
-
公开(公告)号：CN109521454B
公开(公告)日：2020-06-09
申请号：CN201811486041.0
申请日：2018-12-06
Applicant: 中北大学
Abstract: 本发明公开了一种基于自学习容积卡尔曼滤波的GPS/INS组合导航方法，将GPS/INS组合导航系统运行阶段分成训练阶段和误差补偿阶段，训练阶段为GPS信号有效阶段，利用由两个循环滤波子系统构成的自学习卡尔曼滤波器，以INS与GPS的速度之差、位置之差为观测量对INS的速度误差、位置误差进行最优估计，实现自学习功能；误差补偿阶段为GPS信号失锁阶段，此时卡尔曼滤波器已通过自学习具备了对观测量进行预测的功能，可充分信任LSTM网络的预测结果，实现GPS信号失锁情况下的无缝导航，并对卡尔曼滤波器最优估计误差值进行补偿，提高复杂环境下智能车辆导航定位精度。本发明可用于复杂城市环境下车辆导航定位等场合，可有效提高导航定位的自主性，进而提升车辆智能化程度。
-
公开(公告)号：CN113607163B
公开(公告)日：2023-09-15
申请号：CN202110916845.5
申请日：2021-08-11
Applicant: 中北大学
Abstract: 本发明公开了一种复杂天气下的大气偏振光定向方法，包括天气分类、噪声估计、去噪、拟合四部分；在天气分类阶段，采用PCANet网络对偏振图像进行特征提取，采用支持向量机进行分类；在噪声估计阶段，采用偏振图像以及偏振强度图像的图像块来进行估计；在去噪阶段，采用加权稀疏编码模型与天气权重、线性偏振强度权重结合来进行去噪；在拟合阶段，利用去噪后图像计算出偏振角度图像，并利用随机抽样一致算法进行太阳子午线的拟合。本发明可有效恢复复杂天气下被破坏的偏振角度图像，提高在复杂天气下的定向精度。
-
Patent Agency Ranking
公开(公告)号：CN115014313B
公开(公告)日：2023-08-22
申请号：CN202210603373.2
申请日：2022-05-30
Applicant: 中北大学
IPC: G01C17/38 , G06F18/241 , G06N3/0442
Abstract: 本发明公开了一种基于并行多尺度的偏振光罗盘航向误差处理方法，采用OVMD分解法将原始航向角数据分解为多个数据本征模态分量，再利用每个本征模态分量对应的自相关矩阵的最大相似特征值作为分类方法，将多个数据本征模态分量分为高频噪声分量和低频真实信号分量；对于不同类型的分量分别采用不同处理方法，采用GRU深度学习神经网络对低频真实信号分量进行航向误差建模与补偿，同时并行采用AM‑SSA去噪方法对高频噪声分量进行去噪，最终重组两部分分量得到航向误差数据。本发明解决了现有偏振光罗盘同时受其姿态角变化和噪声影响导致定向误差较大的问题，使得航向角精度进一步提高。
-
公开(公告)号：CN115014313A
公开(公告)日：2022-09-06
申请号：CN202210603373.2
申请日：2022-05-30
Applicant: 中北大学
Abstract: 本发明公开了一种基于并行多尺度的偏振光罗盘航向误差处理方法，采用OVMD分解法将原始航向角数据分解为多个数据本征模态分量，再利用每个本征模态分量对应的自相关矩阵的最大相似特征值作为分类方法，将多个数据本征模态分量分为高频噪声分量和低频真实信号分量；对于不同类型的分量分别采用不同处理方法，采用GRU深度学习神经网络对低频真实信号分量进行航向误差建模与补偿，同时并行采用AM‑SSA去噪方法对高频噪声分量进行去噪，最终重组两部分分量得到航向误差数据。本发明解决了现有偏振光罗盘同时受其姿态角变化和噪声影响导致定向误差较大的问题，使得航向角精度进一步提高。
-
公开(公告)号：CN112284366B
公开(公告)日：2022-04-12
申请号：CN202011159004.6
申请日：2020-10-26
Applicant: 中北大学
Abstract: 本发明公开了一种基于TG‑LSTM神经网络的偏振光罗盘航向角误差校正方法，首先建立TG‑LSTM神经网络模型；获取学习样本；训练TG‑LSTM神经网络模型；对偏振光罗盘的航向角误差进行补偿以获取准确的航向角。本发明适用于偏振光罗盘航向角测量，较之现有的多项式拟合技术，本发明提出的方法可通过建立倾角与数据采集周期非均匀等外部误差源与偏振光罗盘航向角误差之间复杂的非线性关系，有效消除因倾角和数据采集周期非均匀带来的误差，最终提高偏振光罗盘航向角测量精度。
-
公开(公告)号：CN111337029B
公开(公告)日：2021-08-31
申请号：CN202010329675.6
申请日：2020-04-23
Applicant: 中北大学
Abstract: 本发明公开了一种基于自学习多速率残差校正的偏振光惯性严密组合导航方法，当偏振光系统正常工作时，将惯性导航系统输出的航向角转换为载体体轴相对于太阳子午线的方位角并作为状态量，以偏振光导航系统解算的载体体轴相对于太阳子午线方位角作为观测量，利用CKF‑ERC进行两数据的融合；将时间信息和z轴角速率作为长短时记忆神经网络的输入、以偏振光导航系统解算的数据作为网络输出，对其进行训练，实现自学习功能；当偏振光系统不可用，进入误差补偿阶段，通过LSTM预测偏振光的数据，并将预测值与惯性解算的方位角进行数据融合，提高复杂环境下载体长时间导航精度。本发明可有效提高导航定向的自主性，进而提高无人机的智能化程度。
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
