-
公开(公告)号：CN111694025B
公开(公告)日：2023-06-09
申请号：CN202010466269.4
申请日：2020-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明一种应用于MBOC导航信号的无模糊多径抑制方法，对MBOC导航信号采用具有改进ASPECT去模糊算法的跟踪环路，并将超前‑滞后码间距设置为0.1码片；对于改进后跟踪环路的输出，采用Delta检测指标对导航信号是否受到多径进行区分，将导航信号分类为受多径影响以及不受多径影响两类；通过计算获得每个跟踪上的导航信号的载噪比，并基于载噪比的加权模型为每个导航信号测量值设置初始权值，获得WPDOP参考量的最小值，并将对应的权值组合确定为最终值，进行导航信号测量值权值赋值；本发明能够解决MBOC导航信号在多径环境下定位精度显著变差的问题，有效的减小定位误差。
-
公开(公告)号：CN110990502B
公开(公告)日：2023-01-03
申请号：CN201911098111.X
申请日：2019-11-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种电子海图位置点数据简化方法，包括：1.将海图位置点分为三类：点图层离散位置点、线图层连续位置点和面图层连续位置点，分别对3类图层位置点数据进行处理。2.针对点图层离散位置点数据，根据距离或者字节规则将离散位置点连续化，并确定每个位置点的参考位置点，再以相对于参考位置点的相对坐标进行表示每个位置点。3.针对线、面图层数据，根据(2)处理所有线段起始位置点，对每组连续位置点，将相邻两个位置点中点作为参考位置点，并以相对于参考位置点相对坐标表示线、面图层位置点。4.保存相对坐标数据，生成电子海图文件。本发明既保持电子海图精度，又大幅度简化海图文件，减小存储空间，提高处理效率。
-
公开(公告)号：CN111694025A
公开(公告)日：2020-09-22
申请号：CN202010466269.4
申请日：2020-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明一种应用于MBOC导航信号的无模糊多径抑制方法，对MBOC导航信号采用具有改进ASPECT去模糊算法的跟踪环路，并将超前-滞后码间距设置为0.1码片；对于改进后跟踪环路的输出，采用Delta检测指标对导航信号是否受到多径进行区分，将导航信号分类为受多径影响以及不受多径影响两类；通过计算获得每个跟踪上的导航信号的载噪比，并基于载噪比的加权模型为每个导航信号测量值设置初始权值，获得WPDOP参考量的最小值，并将对应的权值组合确定为最终值，进行导航信号测量值权值赋值；本发明能够解决MBOC导航信号在多径环境下定位精度显著变差的问题，有效的减小定位误差。
-
公开(公告)号：CN111856525B
公开(公告)日：2023-01-03
申请号：CN202010607441.3
申请日：2020-06-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于LSTM神经网络的周跳探测和修复方法，通过长短时记忆网络(LSTM)对时序载波相位测量值的特征数据进行回归预测，并以多普勒信息进行辅助，实现了对GNSS载波相位测量值周跳的探测和修复。本发明包括以下步骤：(1)采集载波相位测量值和多普勒值，并对数据做预处理；(2)设计用于预测载波相位测量值的特征数据的LSTM神经网络；(3)使用LSTM神经网络处理数据集；(4)利用LSTM神经网络输出结果探测和修复周跳；(5)更新历元信息，并重复执行步骤(1)到步骤(4)，直到处理完所有历元。最后得到周跳探测结果和周跳修复结果。经验证，本发明可以有效探测并修复大于0.3周的周跳。
-
公开(公告)号：CN110990502A
公开(公告)日：2020-04-10
申请号：CN201911098111.X
申请日：2019-11-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种电子海图位置点数据简化方法，包括：1.将海图位置点分为三类：点图层离散位置点、线图层连续位置点和面图层连续位置点，分别对3类图层位置点数据进行处理。2.针对点图层离散位置点数据，根据距离或者字节规则将离散位置点连续化，并确定每个位置点的参考位置点，再以相对于参考位置点的相对坐标进行表示每个位置点。3.针对线、面图层数据，根据(2)处理所有线段起始位置点，对每组连续位置点，将相邻两个位置点中点作为参考位置点，并以相对于参考位置点相对坐标表示线、面图层位置点。4.保存相对坐标数据，生成电子海图文件。本发明既保持电子海图精度，又大幅度简化海图文件，减小存储空间，提高处理效率。
-
Patent Agency Ranking
公开(公告)号：CN110487271A
公开(公告)日：2019-11-22
申请号：CN201910915008.3
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法，以惯性和GNSS紧组合导航系统模型为基础，针对GNSS信号失锁时的紧组合导航问题，动态Elman神经网络预测模型，来对惯导的误差模型和GNSS的补偿模型进行学习；当GNSS信号缺失时，利用训练好的神经网络预测出GNSS的输出误差并补偿惯导的输出，使误差不会急剧发散，让系统继续进行组合导航。最后利用设计的低成本下的紧组合导航模块进行实地测量，将采集的信息进行预处理，组成训练神经网络的样本数据对Elman神经网络模型进行训练。本算法能在GNSS信号缺失100s的情况进行预测，使系统仍然能进行紧组合导航。
-
公开(公告)号：CN111856525A
公开(公告)日：2020-10-30
申请号：CN202010607441.3
申请日：2020-06-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于LSTM神经网络的周跳探测和修复方法，通过长短时记忆网络(LSTM)对时序载波相位测量值的特征数据进行回归预测，并以多普勒信息进行辅助，实现了对GNSS载波相位测量值周跳的探测和修复。本发明包括以下步骤：(1)采集载波相位测量值和多普勒值，并对数据做预处理；(2)设计用于预测载波相位测量值的特征数据的LSTM神经网络；(3)使用LSTM神经网络处理数据集；(4)利用LSTM神经网络输出结果探测和修复周跳；(5)更新历元信息，并重复执行步骤(1)到步骤(4)，直到处理完所有历元。最后得到周跳探测结果和周跳修复结果。经验证，本发明可以有效探测并修复大于0.3周的周跳。
-
公开(公告)号：CN111694029A
公开(公告)日：2020-09-22
申请号：CN202010466728.9
申请日：2020-05-28
Applicant: 哈尔滨工程大学
IPC: G01S19/37
Abstract: 本发明提出了一种生成B1C信号伪随机噪声码的硬件实现方法，其特征是，包括如下步骤：步骤一：设计出一种基于块存储器的勒让德硬件输出的实现方法；步骤二：设计出基于块ROM共用B1C伪随机噪声码输出的硬件电路方案；步骤三：提出一种多通道分时复用FPGA中块存储器的方案，实现序列的多通道输出方法。本发明针对多通道B1C信号伪码发生器占用硬件资源过多的问题，提出了基于FPGA和分时复用算法的多通道B1C伪随机噪声码输出硬件设计，并给出了具体设计方案和仿真结果，实现了低功耗北斗导航接机B1C信号伪随机噪声码的多通道输出，解决了生成伪码序列占用硬件资源过大和电路结构复杂的问题。
-
公开(公告)号：CN112083457B
公开(公告)日：2023-08-15
申请号：CN202010978097.9
申请日：2020-09-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种神经网络优化的IMM卫星定位导航方法，针对IMM仍无法有效解决机动状态下变加速的定位精度低的问题，本发明引入RBF径向基神经网络用以修正卡尔曼滤波算法。建立运动模型和观测模型，采用基于交互式多模型算法(IMM)的扩展卡尔曼滤波器对高机动载体进行卫星定位导航，在IMM算法中将加速度自适应调整的当前统计模型与CV模型相结合，改善交互式多模型的算法精度；并利用RBF神经网络的非线性映射能力来学习滤波误差，以训练好的网络输出作为滤波结果的校正量，这样的混合滤波器可以极大提升系统的机动目标跟踪能力，通过这种方式对交互式多模型的预测结果进行修正，使预测结果能够更加贴近接收机载体运动状态的真实值。
-
公开(公告)号：CN112083457A
公开(公告)日：2020-12-15
申请号：CN202010978097.9
申请日：2020-09-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种神经网络优化的IMM卫星定位导航方法，针对IMM仍无法有效解决机动状态下变加速的定位精度低的问题，本发明引入RBF径向基神经网络用以修正卡尔曼滤波算法。建立运动模型和观测模型，采用基于交互式多模型算法(IMM)的扩展卡尔曼滤波器对高机动载体进行卫星定位导航，在IMM算法中将加速度自适应调整的当前统计模型与CV模型相结合，改善交互式多模型的算法精度；并利用RBF神经网络的非线性映射能力来学习滤波误差，以训练好的网络输出作为滤波结果的校正量，这样的混合滤波器可以极大提升系统的机动目标跟踪能力，通过这种方式对交互式多模型的预测结果进行修正，使预测结果能够更加贴近接收机载体运动状态的真实值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.033 seconds)
