基于粒子滤波的变尺度变方向重力采样矢量匹配定位方法

    公开(公告)号:CN105737831B

    公开(公告)日:2019-02-12

    申请号:CN201610066468.X

    申请日:2016-01-29

    Abstract: 本发明公开了基于粒子滤波的变尺度单方向重力采样矢量匹配定位方法,包括以下步骤:一、建立重力辅助惯导单点匹配模型,二、利用重力辅助惯导单点匹配模型得到基于粒子滤波的匹配点,三、选取前、后的匹配点与当前匹配点组成匹配点对判断重力辅助惯导单点匹配点是否可信,四、计算当前匹配点的最终结果;本发明考虑了载体的机动航行,克服了原有的重力矢量匹配算法在载体的非直线或者非匀速航行情况下失效的缺点,减小了匹配误差。

    一种基于粒子滤波的重力采样矢量匹配定位方法

    公开(公告)号:CN105180938B

    公开(公告)日:2018-02-02

    申请号:CN201510300603.8

    申请日:2015-06-03

    Abstract: 本发明提出一种基于粒子滤波的重力采样矢量匹配定位方法,矢量匹配算法考虑匹配点之间的位置相关性,解决了传统匹配算法匹配结果可信度不高的问题。本发明利用重力采样点所组成的矢量进行匹配,对单点匹配结果的二次估计,利用基于贝叶斯估计的粒子滤波实现。在单点匹配之后,计算匹配结果相邻点之间的欧氏距离,判断其是否满足无误差惯导系统两相邻采样点之间的欧氏距离所确定的范围。若满足,则该点匹配结果可信;若不满足,则根据限定条件重新进行单点匹配。

    基于粒子滤波的变尺度变方向重力采样矢量匹配定位方法

    公开(公告)号:CN105737831A

    公开(公告)日:2016-07-06

    申请号:CN201610066468.X

    申请日:2016-01-29

    CPC classification number: G01C21/20

    Abstract: 本发明公开了基于粒子滤波的变尺度单方向重力采样矢量匹配定位方法,包括以下步骤:一、建立重力辅助惯导单点匹配模型,二、利用重力辅助惯导单点匹配模型得到基于粒子滤波的匹配点,三、选取前、后的匹配点与当前匹配点组成匹配点对判断重力辅助惯导单点匹配点是否可信,四、计算当前匹配点的最终结果;本发明考虑了载体的机动航行,克服了原有的重力矢量匹配算法在载体的非直线或者非匀速航行情况下失效的缺点,减小了匹配误差。

    基于粒子滤波的变尺度单方向重力采样矢量匹配定位方法

    公开(公告)号:CN105737850B

    公开(公告)日:2019-02-12

    申请号:CN201610064025.7

    申请日:2016-01-29

    Abstract: 本发明公开了基于粒子滤波的变尺度单方向重力采样矢量匹配定位方法,包括以下步骤:一、建立重力辅助惯导单点匹配模型,二、利用重力辅助惯导单点匹配模型得到基于粒子滤波的匹配点,三、判断重力辅助惯导单点匹配点是否可信,四、计算当前匹配点的最终结果;本发明考虑了载体的机动航行,克服了原有的重力矢量匹配算法在载体的非直线或者非匀速航行情况下失效的缺点,减小了匹配误差。

    一种基于粒子滤波的重力采样矢量匹配定位方法

    公开(公告)号:CN105180938A

    公开(公告)日:2015-12-23

    申请号:CN201510300603.8

    申请日:2015-06-03

    CPC classification number: G01C21/20

    Abstract: 本发明提出一种基于粒子滤波的重力采样矢量匹配定位方法,矢量匹配算法考虑匹配点之间的位置相关性,解决了传统匹配算法匹配结果可信度不高的问题。本发明利用重力采样点所组成的矢量进行匹配,对单点匹配结果的二次估计,利用基于贝叶斯估计的粒子滤波实现。在单点匹配之后,计算匹配结果相邻点之间的欧氏距离,判断其是否满足无误差惯导系统两相邻采样点之间的欧氏距离所确定的范围。若满足,则该点匹配结果可信;若不满足,则根据限定条件重新进行单点匹配。

    一种基于贝叶斯估计的粒子滤波重力辅助惯导匹配方法

    公开(公告)号:CN105157704A

    公开(公告)日:2015-12-16

    申请号:CN201510300605.7

    申请日:2015-06-03

    CPC classification number: G01C21/20 G01C21/16

    Abstract: 本发明提出一种基于贝叶斯估计的粒子滤波重力辅助惯导匹配方法,在解决非线性问题时,粒子滤波避免了线性化带来的误差,解决了传统点匹配算法桑迪亚算法在重力异常变化大的匹配区域易发散的缺点。本发明以惯导的位置信息为状态量以重力仪测量值为观测量,利用基于贝叶斯估计的粒子滤波,以随机养样本均值代替概率密度函数的条件均值,估计惯导系统的状态变量。

Patent Agency Ranking