一种用于导航系统的姿态及航向角的校正方法

    公开(公告)号:CN103630137A

    公开(公告)日:2014-03-12

    申请号:CN201310633933.X

    申请日:2013-12-02

    Applicant: 东南大学

    CPC classification number: G01C25/00 G01C25/005

    Abstract: 本发明公布了一种用于导航系统的姿态及航向角的校正方法,包括提出了基于改进扩展卡尔曼滤波的椭球拟合方法进行磁强计误差补偿、姿态角的误差二级建模和校正以及实现整个系统误差校正的有效方法。本发明用于由惯性测量单元(IMU)和磁强计等组成的惯性组合导航与定位系统中的姿态及航向角的误差校正。磁场补偿方法从二维椭圆拟合拓展到三维椭球体拟合,利用新的椭球模型和改进扩展卡尔曼滤波方法进行椭球拟合,该方法可以有效地实现载体动态实时地自身三维磁场干扰的补偿,提高地磁场的测量精度,从而提高载体航向角的精度;对导航系统输出的姿态角信息进行误差二级建模,然后对其补偿以实时提高姿态角的精度。

    一种基于用户诚实度的动态的Web服务信任评估方法

    公开(公告)号:CN102880637B

    公开(公告)日:2015-04-08

    申请号:CN201210279363.4

    申请日:2012-08-07

    Applicant: 东南大学

    Abstract: 本发明公布了一种基于用户诚实度的动态的Web服务信任评估方法。首先根据用户对服务的要求,自动挖掘用户偏好;根据用户偏好划分相似用户群,在偏好相似用户群中进行评价一致性聚类,区分诚实用户与恶意用户,计算偏好相似用户群的用户诚实度,根据用户诚实度的变化,动态调整主观评价在综合信任计算中的权重,从而降低恶意评价对Web服务信任评估的影响,提高信任评估的准确性,更好地指导用户进行可信服务的选择。

    一种新型惯性辅助GPS接收机实现方法

    公开(公告)号:CN103995272A

    公开(公告)日:2014-08-20

    申请号:CN201410259221.0

    申请日:2014-06-11

    Applicant: 东南大学

    CPC classification number: G01S19/47 G01C21/165 G01S19/25

    Abstract: 本发明涉及一种INS辅助GPS接收机射频前端的INS/GPS组合方法。首先通过组合滤波器将INS导航信息和GPS导航信息进行融合,修正INS导航信息误差,然后利用修正后的INS导航信息和GPS导航电文实时计算载体相对于每颗卫星的多普勒频移,并将得到的多普勒频移换算为GPS中频信号载波的波长变化。最后根据载波的波长变化实时调节GPS接收机射频前端ADC的采样时间间隔,补偿因为多普勒频移导致的中频数字信号采样点变化,隔离多普勒频移对GPS接收机跟踪环路的影响。

    一种基于XCFG的组合服务可信性演化影响分析方法

    公开(公告)号:CN102902521A

    公开(公告)日:2013-01-30

    申请号:CN201210306508.5

    申请日:2012-08-14

    Applicant: 东南大学

    Abstract: 本发明公布了一种基于XCFG的组合服务可信性演化影响分析方法。首先,将演化前的组合服务建模为XCFG,并根据组件服务间的数据依赖关系建立组件服务之间的数据依赖图;其次,将演化后的组合服务转换为XCFG及对应的组件服务数据依赖图;根据组合服务可信性计算方法识别出演化操作对哪些组件服务的可信性产生影响并确定需要重新计算可信性的流程片段;最后,计算整个组合服务演化后的可信性并评估该演化操作对组合服务可信性的影响。本发明所提出的组合服务可信性演化影响分析方法能够准确评估该演化对组合服务可信性的影响。

    一种多普勒雷达辅助GPS/INS车辆测速方法

    公开(公告)号:CN108345021A

    公开(公告)日:2018-07-31

    申请号:CN201810052512.0

    申请日:2018-01-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种多普勒雷达辅助GPS/INS车辆测速方法,通过定义不同的地理位置坐标系及坐标转换矩阵,并利用小波变换等滤波方法对雷达/IMU输出数据进行预处理,同时根据不同传感器的工作原理及主要误差机理,建立了对应的误差模型,从而分析影响测速精度及提高车辆安全驾驶性能的主要途径和方法。最后提出基于神经网络的组合系统训练及预测模型。本发明充分考虑不同量测方式的优缺点,通过建立不同误差模型,根据车辆实际行驶过程中状态变化自主选择对应的速度估计模型,从而实现测速精度的提高,同时也使系统具有更好的鲁棒性。

    一种基于混合经验模态分解的去噪方法

    公开(公告)号:CN105488341B

    公开(公告)日:2018-06-29

    申请号:CN201510844356.8

    申请日:2015-11-27

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于混合经验模态分解(Empirical Mode Decomposition,简称EMD)的去噪方法,属于数字信号处理技术领域。本发明将EEMD和MEMD算法相结合,并针对MEMD算法中所使用的掩膜信号频率进行参数优化,可更有效消除模态混叠,去噪效果更好;本发明进一步对EEMD中的添加噪声幅值、噪声相关IMF的滤波阈值、噪声IMF的滤波阈值进行有针对性的优化,从而进一步提高了整体去噪效果。相比现有技术,本发明方法可更有效消除模态混叠,去噪效果更好。

Patent Agency Ranking