CN102192736B - 船舶综合控制系统传感器输出数据的优化处理方法 - Google Patents
船舶综合控制系统传感器输出数据的优化处理方法 Download PDFInfo
- Publication number
- CN102192736B CN102192736B CN201010117044.4A CN201010117044A CN102192736B CN 102192736 B CN102192736 B CN 102192736B CN 201010117044 A CN201010117044 A CN 201010117044A CN 102192736 B CN102192736 B CN 102192736B
- Authority
- CN
- China
- Prior art keywords
- data
- formula
- display unit
- moment
- informix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种船舶综合控制系统传感器输出数据的优化处理方法，包括以下步骤：(1)信息综合显示单元接收传感器输出的数据；(2)信息综合显示单元对所接收的数据进行有效性处理；(3)信息综合显示单元对所接收的数据进行合理性处理；(4)信息综合显示单元对所接收的数据进行一致性处理；(5)信息综合显示单元对所接收的位置数据进行统一集成处理；(6)信息综合显示单元将经过步骤(1)～(5)处理后的数据进行卡尔曼滤波处理；(7)重复步骤(1)～(6)，完成传感器输出数据的优化处理。本发明是一种数据处理方法，精度高，工作效率高，适应于吨位越来越大、航速越来越快的现代化船舶安全航行需要的方法。
Description
技术领域
本发明属于船舶显示控制技术领域，尤其是一种船舶综合控制系统传感器输出数据的优化处理方法。
背景技术
船舶综合控制系统控制船舶的进、出港及安全行驶，该系统包括信息综合显示单元和传感器，传感器中包括GPS/DGPS、罗经、测深仪、计程仪、风速风向仪和气象仪等，各传感器输出的数据包括位置、时间、速度、深度、航向、转弯速率、风速风向、温度和湿度等，各数据通过LAN总线传送至信息综合显示单元，信息综合显示单元将收到的数据进行综合处理后显示在显示模块上，或者传送至连接在LAN总线的其它终端。在这些数据中，信息综合显示单元主要采集的导航数据类型是：经纬度、速度、航向、深度和气象信息，而其它如流速、流向和航迹向等均可以通过数学解算得到。在实际工作过程中，LAN总线中传输的数据存在无效或者不合理的数值，同时各传感器输出数据的数制和量纲不同，这些问题都加重了信息综合显示单元的负担，也降低了导航的精度，同时还存在两个相同设备由于测量精度的不同而导致的数据差异较大的问题。为了确保船舶的航行安全，除了采取对传感器进行冗余配备的措施外，还要对上述问题进行优化处理，以提高信息综合显示单元所接收的导航信息的精确度和可信度。目前常用的传感器输出数据的处理方法功能较单一，无法对各种导航数据进行综合优化处理，数据处理精度低，工作效率差，不能适应于吨位越来越大、航速越来越快的现代化船舶安全航行的需要。
发明内容
本发明的目的在于克服现有技术的不足，提供一种传感器输出数据优化处理效果好、处理后的导航信息更加精确的船舶综合控制系统传感器输出数据的优化处理方法。
本发明采取的技术方案是：
一种船舶综合控制系统传感器输出数据的优化处理方法，其特征在于：包括以下步骤：
(1)信息综合显示单元接收传感器输出的数据；
(2)信息综合显示单元对所接收的数据进行有效性处理；
(3)信息综合显示单元对所接收的数据进行合理性处理；
(4)信息综合显示单元对所接收的数据进行一致性处理；
(5)信息综合显示单元对所接收的位置数据进行统一集成处理；
(6)信息综合显示单元将经过步骤(1)～(5)处理后的数据进行卡尔曼滤波处理；
(7)重复步骤(1)～(6)，完成传感器输出数据的优化处理。
而且，所述步骤(2)中的有效性处理的方法是：将每个信息帧中的各字节进行异或操作后，再将结果求和，将求和后的结果与校验位中存储的内容比较。
而且，所述步骤(3)中的合理性处理的方法是：将除气象信息外的其它数据与相应的野值门限值进行比较，超出野值门限值范围的数据丢弃，其余为合理数据，所述野值门限值的定义是：两个数据发送时刻之间的间隔内设备移动的最大距离加上设备出厂误差后再乘以一系数M。
而且，所述步骤(4)中一致性处理包括：角度单位换算为弧度，位置统一到经纬度并用弧度描述，速度单位换算为节，时间单位换算为小时，航程和偏航距单位换算为海里，使GPS系统每经过一个时区后的北京时和世界协调时一致，以上换算后的所有数据均被转换为双精度浮点数。
而且，所述步骤(5)中的统一集成处理是：位置数据由GPS设备输出，
当主GPS设备故障无输出时，使用备用GPS设备数据；
当主GPS设备输出数据超出正常范围时，将主GPS设备和备用GPS设备的两个输出数据进行融合运算，得到修正后的位置数据，融合运算的公式为：
PB＝φB×PDR+(1-φB)×(WF1×PGPS1+WF2×PGPS2)公式(1)
φB＝EXP(-(TOVBCURRENT-TOVBPREVIUS)/10SEC)公式(2)
其中：
φB和(1-φB)是权值，分别表示对前一时刻的位置信息和当前GPS位置信息的加权值；
PDR是从上一时刻位置外推得到当前时刻的推算船位；
PGPS1是自船基准点(OSRP)相关修正后的GPS1位置推算到当前时刻的船位；
PGPS2是自船基准点(OSRP)相关修正后的GPS2位置推算到当前时刻的船位；
WF1和WF2是权因子，其取值范围是：
0≤WF1≤1，0≤WF2≤1，同时满足WF1+WF2＝1，
TOVbcurrent为接收当前数据对应的时刻，TOVbprevius为接收上一次数据对应的时刻。
6、根据权利要求1所述的船舶综合控制系统传感器输出数据的优化处理方法，其特征在于：所述步骤(6)中的卡尔曼滤波处理是将传感器输出的若干数据作为卡尔曼滤波状态方程中的测量数据，通过卡尔曼滤波状态方程估计偏差，再将接收到的测量数据与偏差运算后得到精确的测量数据，该处理过程包括以下步骤：
(1)系统状态方程和系统测量方程
系统状态方程：
X(k)＝B(k)×X(k-1)+W(k)公式(3)
系统测量方程：
Y(k)＝H(k)×X(k)+V(k)公式(4)；
(2)无测量数据时的系统初值设定
系统状态初值X(0)，滤波协方差阵初值P(0)，系统噪声方差初值Q(0)，量测噪声方差初值R(0)，转移矩阵B(0)，测量矩阵H(0)，量测量初值Z(0)；
(3)预测当前时刻至下一时刻的状态
X(k+1/k)＝B(k+1)X(k/k)+MW(k)公式(5)；
(4)计算新息
Z(k+1)＝Y(k+1)-[H(k+1)X(k+1/k)+MV(k)]公式(6)；
(5)计算预测协方差
P(k+1/k)＝B(k+1)P(k/k)Bz(k+1)+Q(k)公式(7)；
(6)计算增益
K(k+1)＝P(k+1/k)HZ(k+1)[H(k+1)P(k+1/k)HZ(k+1)+R(k)]公式(8)；
(7)计算估值
X(k+1/k+1)＝X(k+1/k)+K(k+1)Z(k+1)公式(9)；
(8)计算验后协方差
P(k+1/k+1)＝[I-K(k+1)H(k+1)]P(k+1/k)公式(10)；
(9)根据公式(11)～(14)计算
系统噪声均值：
MW(k+1)＝(1-α)MW(k)+α×[X(k+1/k+1)-B(k+1)X(k/k)]公式(11)
系统噪声方差：
Q(k+1)＝(1-α)×Q(k)+α×[K(k+1)Z(k+1)ZT(k+1)KT(k+1)+公式(12)
P(k+1/k+1)-B(k+1)P(k/k)BT(k+1)]
量测噪声均值：
MV(k+1)＝(1-α)×MV(k)+α×[Y(k+1)-H(k+1)X(k+1/k)]公式(13)
量测噪声方差：
R(k+1)＝(1-α)×R(k)+α×[Z(k+1)ZT(k+1)-H(k+1)P(k+1/k)HT(k+1)]
公式(14)；
(10)将公式(7)的计算结果带入公式(2)，得到测量数据的偏差，再将该偏差和公式(10)、(11)～(14)的结果带入到公式(3)～(9)中，计算出下一时刻的测量数据的偏差，再用该时刻接收到的测量数据与该偏差相减得到当前时刻的精确的测量数据；
各方程中的k＝0，1，2，3，4，5……，其它函数定义如下：
X(k)为k时刻的n维状态矢量，B(k)为由k-1时刻到k时刻的一步n×n阶转移矩阵，W(k)为k时刻的r维系统噪声，Y(k)为k时刻的m维测量矢量；H(k)为k时刻的m×n阶测量矩阵；V(k)为k时刻的m维测量噪声，MW是系统噪声均值，E{W(k)}＝MW，{Wk}和{Vk}是互不相关的白噪声序列，且它们的方差阵分别为Q和R。
本发明的优点和积极效果是：
本发明将使用信息综合显示单元对所接收的数据进行优化处理，处理过程包括所有数据的有效性处理、除气象信息外的其它数据的合理性处理、所有数据的一致性处理、位置数据进行统一集成处理和经过前面处理的数据进行卡尔曼滤波处理。上述处理过程完成了信号异常识别、野值剔除等处理，形成完好可信的导航测量数据，再进一步采用自适应卡尔曼滤波，求解出精度更高、一致可信的船位、航向、对地速度、流速、流向和航迹向等导航参数，是一种数据处理精度高，工作效率高，适应于吨位越来越大、航速越来越快的现代化船舶安全航行需要的方法。
附图说明
图1是本发明的方框图。
图2是信息综合显示单元的方框图。
具体实施方式
下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
本发明所涉及的硬件如图2所示，信息综合显示单元通过LAN总线连接多个传感器的输出，这些传感器主要包括GPS/DGPS、计程仪、罗经、测深仪、风速风向仪等，各传感器的输出端通过LAN总线连接信息综合显示单元的LAN端口，其中信息综合显示单元使用计算机即可，各传感器的输出由信息综合显示单元接收后需要进行优化处理才可显示在显示模块上，或者传送至连接在LAN总线的其它终端设备上，该优化处理的方法如图1所示，包括以下步骤：
1.信息综合显示单元接收传感器输出的数据；
2.信息综合显示单元对所接收的数据进行有效性处理；
有效性处理的方法是：
将每个信息帧中除去起始标识位和校验位以外的字节进行异或操作后，再将结果求和，将求和后的结果与校验位中存储的内容比较，相同的时候，该信息帧有效，不同时，该信息帧丢弃。
还可以提高采集率，比如在一秒内取样点为800点，统计相应通道信息的均值和方差，再采用数学上的无偏估计，借助通道统计量，判断信息帧的正确性。
3.信息综合显示单元对所接收的除气象信息外的其它数据进行合理性处理；
合理性处理的方法是：
将除气象信息外的其它数据与相应的野值门限值进行比较，超出野值门限值范围的数据丢弃，其余为合理数据，所述野值门限值的定义是：两个数据发送时刻之间的间隔内设备移动的最大距离加上设备出厂误差后再乘以一系数M。
如GPS输出经、纬度的野值门限值为：
GPS纬度野值门限＝3*(50节*T+50/1852)/3443.9173------(弧度)
＝2.137e-5(T＝1s时)
GPS经度野值门限＝3*(50节*T+50/1852)/3443.9173*cosφ-(弧度)
＝2.75e-5(φ＝39°，T＝1s)
4.信息综合显示单元对所接收的数据进行一致性处理；
一致性处理包括：
角度单位换算为弧度，位置统一到经纬度并用弧度描述，速度单位换算为节，时间单位换算为小时，航程和偏航距单位换算为海里，使GPS系统每经过一个时区后的北京时和世界协调时一致，以上换算后的所有数据均被转换为双精度浮点数。
5.信息综合显示单元对所接收的位置数据进行统一集成处理；
统一集成处理是：
位置数据由GPS设备输出，
当主GPS设备故障无输出时，使用备用GPS设备数据；
当主GPS设备输出数据超出正常范围时，将主GPS设备和备用GPS设备的两个输出数据进行融合运算，得到修正后的位置数据，融合运算的公式为：
PB＝φB×PDR+(1-φB)×(WF1×PGPS1+WF2×PGPS2)公式(1)
φB＝EXP(-(TOVBCURRENT-TOVBPREVIUS)/10SEC)公式(2)
其中：
φB和(1-φB)是权值，分别表示对前一时刻的位置信息和当前GPS位置信息的加权值；
PDR是从上一时刻位置外推得到当前时刻的推算船位；
PGPS1是自船基准点(OSRP)相关修正后的GPS1位置推算到当前时刻的船位；
PGPS2是自船基准点(OSRP)相关修正后的GPS2位置推算到当前时刻的船位；
WF1和WF2是权因子，其取值范围是：
0≤WF1≤1，0≤WF2≤1，同时满足WF1+WF2＝1，
TOVbcurrent为接收当前数据对应的时刻，TOVbprevius为接收上一次数据对应的时刻。
6.信息综合显示单元将经过步骤(1)～(5)处理后的数据进行卡尔曼滤波处理；
卡尔曼滤波处理是将设备输出的若干数据作为卡尔曼滤波状态方程中的测量数据，通过卡尔曼滤波状态方程估计偏差，再将接收到的测量数据与偏差运算后得到精确的测量数据。
设置kalman滤波器系统状态向量包括航向角误差、东速误差、北速误差、经度误差和纬度误差，对系统状态向量各误差项设置初始误差值，如航向初始误差1′，东北速误差0.2Kn/s，经纬度误差为0.1nmile。
设置系统量测噪声方差阵和状态初始值，即设置GPS速度量测噪声和位置量测噪声方差值，如分别设置为0.2Kn/s和0.1nmile，计程仪速度量测噪声方差值，如设置为0.04Kn/s。
设置kalman滤波器常值增益阵K(k)初始值，一股设置为I阵。
设置kalman滤波器滤波周期为，一股为1s。
将电罗经、GPS和计程仪采集信息中的同类信息进行做差，得到的航向、速度和经纬度的差值即为kalman滤波器的量测输入。
将上述设置和得到的参数代入kalman滤波递推方程，对各状态量进行递推运算，当kalman滤波器状态协方差阵Pk(k)为稳定常值阵时，kalman滤波器进入稳定状态，此时利用递推计算得到的系统状态向量中的各误差估计值对相关导航信息数据进行修正，即可得到精确地导航信息。
处理过程包括以下步骤：
(1)系统状态方程和系统测量方程
系统状态方程：
X(k)＝B(k)×X(k-1)+W(k)公式(3)
系统测量方程：
Y(k)＝H(k)×X(k)+V(k)公式(4)；
(2)无测量数据时的系统初值设定
系统状态初值X(0)，滤波协方差阵初值P(0)，系统噪声方差初值Q(0)，量测噪声方差初值R(0)，转移矩阵B(0)，测量矩阵H(0)，量测量初值Z(0)；
(3)预测当前时刻至下一时刻的状态
X(k+1/k)＝B(k+1)X(k/k)+MW(k)公式(5)；
(4)计算新息
Z(k+1)＝Y(k+1)-[H(k+1)X(k+1/k)+MV(k)]公式(6)；
(5)计算预测协方差
P(k+1/k)＝B(k+1)P(k/k)Bz(k+1)+Q(k)公式(7)；
(6)计算增益
K(k+1)＝P(k+1/k)HZ(k+1)[H(k+1)P(k+1/k)HZ(k+1)+R(k)]公式(8)；
(7)计算估值
X(k+1/k+1)＝X(k+1/k)+K(k+1)Z(k+1)公式(9)；
(8)计算验后协方差
P(k+1/k+1)＝[I-K(k+1)H(k+1)]P(k+1/k)公式(10)；
(9)根据公式(11)～(14)计算
系统噪声均值：
MW(k+1)＝(1-α)MW(k)+α×[X(k+1/k+1)-B(k+1)X(k/k)]公式(11)
系统噪声方差：
Q(k+1)＝(1-α)×Q(k)+α×[K(k+1)Z(k+1)ZT(k+1)KT(k+1)+公式(12)
P(k+1/k+1)-B(k+1)P(k/k)BT(k+1)]
量测噪声均值：
MV(k+1)＝(1-α)×MV(k)+α×[Y(k+1)-H(k+1)X(k+1/k)]公式(13)
量测噪声方差：
R(k+1)＝(1-α)×R(k)+α×[Z(k+1)ZT(k+1)-H(k+1)P(k+1/k)HT(k+1)]公式(14)；
(10)将公式(7)的计算结果带入公式(2)，得到测量数据的偏差，再将该偏差和公式(10)、(11)～(14)的结果带入到公式(3)～(9)中，计算出下一时刻的测量数据的偏差，再用该时刻接收到的测量数据与该偏差相减得到当前时刻的精确的测量数据；
各方程中的k＝0，1，2，3，4，5……，其它函数定义如下：
X(k)为k时刻的n维状态矢量，B(k)为由k-1时刻到k时刻的一步n×n阶转移矩阵，W(k)为k时刻的r维系统噪声，Y(k)为k时刻的m维测量矢量；H(k)为k时刻的m×n阶测量矩阵；V(k)为k时刻的m维测量噪声，MW是系统噪声均值，E{W(k)}＝MW，{Wk}和{Vk}是互不相关的白噪声序列，且它们的方差阵分别为Q和R。
7.重复步骤1～6，完成传感器输出数据的优化处理。
Claims (1)
1.一种船舶综合控制系统传感器输出数据的优化处理方法，其特征在于：包括以下步骤：
⑴信息综合显示单元接收传感器输出的数据；
⑵信息综合显示单元对所接收的数据进行有效性处理；
⑶信息综合显示单元对所接收的数据进行合理性处理；
⑷信息综合显示单元对所接收的数据进行一致性处理；
⑸信息综合显示单元对所接收的位置数据进行统一集成处理；
⑹信息综合显示单元将经过步骤⑴～⑸处理后的数据进行卡尔曼滤波处理；
⑺重复步骤⑴～⑹，完成传感器输出数据的优化处理；
所述步骤⑵中的有效性处理的方法是：将每个信息帧中的各字节进行异或操作后，再将结果求和，将求和后的结果与校验位中存储的内容比较；
所述步骤⑶中的合理性处理的方法是：将除气象信息外的其它数据与相应的野值门限值进行比较，超出野值门限值范围的数据丢弃，其余为合理数据，所述野值门限值的定义是：两个数据发送时刻之间的间隔内设备移动的最大距离加上设备出厂误差后再乘以一系数M；
所述步骤⑷中一致性处理包括：角度单位换算为弧度，位置统一到经纬度并用弧度描述，速度单位换算为节，时间单位换算为小时，航程和偏航距单位换算为海里，使GPS系统每经过一个时区后的北京时和世界协调时一致，以上换算后的所有数据均被转换为双精度浮点数；
所述步骤⑸中的统一集成处理是：位置数据由GPS设备输出，
当主GPS设备故障无输出时，使用备用GPS设备数据；
当主GPS设备输出数据超出正常范围时，将主GPS设备和备用GPS设备的两个输出数据进行融合运算，得到修正后的位置数据，融合运算的公式为：
PB＝φB×PDR+(1－φB)×(WF1×PGPS1+WF2×PGPS2)公式⑴
φB＝EXP(-(TOVBCURRENT-TOVBPREVIUS)/10SEC)公式⑵
其中：
φB和(1－φB)是权值，分别表示对前一时刻的位置信息和当前GPS位置信息的加权值；
PDR是从上一时刻位置外推得到当前时刻的推算船位；
PGPS1是自船基准点(OSRP)相关修正后的GPS1位置推算到当前时刻的船位；
PGPS2是自船基准点(OSRP)相关修正后的GPS2位置推算到当前时刻的船位；
WF1和WF2是权因子，其取值范围是：
0≤WF1≤1，0≤WF2≤1，同时满足WF1+WF2＝1，
TOVbcurrent为接收当前数据对应的时刻，TOVbprevius为接收上一次数据对应的时刻；
所述步骤⑹中的卡尔曼滤波处理是将传感器输出的若干数据作为卡尔曼滤波状态方程中的测量数据，通过卡尔曼滤波状态方程估计偏差，再将接收到的测量数据与偏差运算后得到精确的测量数据，该处理过程包括以下步骤：
⑴系统状态方程和系统测量方程
系统状态方程：
X(k)＝B(k)×X(k-1)+W(k)公式(3)
系统测量方程：
Y(k)＝H(k)×X(k)+V(k)公式(4)；
⑵无测量数据时的系统初值设定
系统状态初值X(0)，滤波协方差阵初值P(0)，系统噪声方差初值Q(0)，量测噪声方差初值R(0)，转移矩阵B(0)，测量矩阵H(0),量测量初值Z(0)；
⑶预测当前时刻至下一时刻的状态
X(k+1/k)＝B(k+1)X(k/k)+MW(k)公式(5)；
⑷计算新息
Z(k+1)＝Y(k+1)-[H(k+1)X(k+1/k)+MV(k)]公式(6)；
⑸计算预测协方差
P(k+1/k)＝B(k+1)P(k/k)BT(k+1)+Q(k)公式(7)；
⑹计算增益
K(k+1)＝P(k+1/k)HT(k+1)[H(k+1)P(k+1/k)HT(k+1)+R(k)]公式(8)；
⑺计算估值
X(k+1/k+1)＝X(k+1/k)+K(k+1)Z(k+1)公式(9)；
⑻计算验后协方差
P(k+1/k+1)＝[I-K(k+1)H(k+1)]P(k+1/k)公式(10)；
⑼根据公式(11)～(14)计算
系统噪声均值：
MW(k+1)＝(1-α)MW(k)+α×[X(k+1/k+1)-B(k+1)X(k/k)]公式(11)
系统噪声方差：
Q(k+1)＝(1-α)×Q(k)+α×[K(k+1)Z(k+1)ZT(k+1)KT(k+1)+
(12)
P(k+1/k+1)-B(k+1)P(k/k)BT(k+1)]
量测噪声均值：
MV(k+1)＝(1-α)×MV(k)+α×[Y(k+1)-H(k+1)X(k+1/k)]公式(13)
量测噪声方差：
R(k+1)＝(1-α)×R(k)+α×[Z(k+1)ZT(k+1)-H(k+1)P(k+1/k)HT(k+1)]
公式(14)；
⑽将公式(5)、(6)、(7)、(8)的计算结果带入公式(9)，得到测量数据的偏差，再将该偏差和公式(10)、(11)～(14)的结果带入到公式(3)～(9)中，计算出下一时刻的测量数据的偏差，再用该时刻接收到的测量数据与该偏差相减得到当前时刻的精确的测量数据；
各方程中的k＝0,1,2,3,4,5……，其它函数定义如下：
X(k)为k时刻的n维状态矢量，B(k)为由k-1时刻到k时刻的一步n×n阶转移矩阵，W(k)为k时刻的r维系统噪声，Y(k)为k时刻的m维测量矢量；H(k)为k时刻的m×n阶测量矩阵；V(k)为k时刻的m维测量噪声，MW是系统噪声均值，E{W(k)}＝MW，{Wk}和{Vk}是互不相关的白噪声序列，且它们的方差阵分别为Q和R。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010117044.4A CN102192736B (zh) | 2010-03-03 | 2010-03-03 | 船舶综合控制系统传感器输出数据的优化处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010117044.4A CN102192736B (zh) | 2010-03-03 | 2010-03-03 | 船舶综合控制系统传感器输出数据的优化处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102192736A CN102192736A (zh) | 2011-09-21 |
| CN102192736B true CN102192736B (zh) | 2016-02-10 |
Family
ID=44601295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010117044.4A Active CN102192736B (zh) | 2010-03-03 | 2010-03-03 | 船舶综合控制系统传感器输出数据的优化处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102192736B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3013834B1 (fr) * | 2013-11-28 | 2015-12-25 | Airbus Operations Sas | Methode de fusion de donnees de capteurs utilisant un critere de coherence |
| CN105842724B (zh) | 2015-01-15 | 2018-07-17 | 江苏南大五维电子科技有限公司 | 一种船舶辅助泊岸方法和系统 |
| CN109064735B (zh) * | 2018-08-30 | 2020-10-30 | 北京高百特科技有限公司 | 一种基于混合电子围栏的单车归还方法 |
| CN111746756B (zh) * | 2020-06-24 | 2021-12-14 | 智慧航海(青岛)智能系统工程有限公司 | 基于多传感器的船舶控制方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1063935A (zh) * | 1991-02-04 | 1992-08-26 | 中国人民解放军海军大连舰艇学院 | 舰船综合导航实用复合型自适应卡尔曼滤波器 |
| CN101403799B (zh) * | 2008-11-13 | 2010-08-25 | 嘉善科瑞光学材料有限公司 | 高像素700万以上数码相机用低通滤波器基片及制备方法 |
-
2010
- 2010-03-03 CN CN201010117044.4A patent/CN102192736B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN102192736A (zh) | 2011-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109343095B (zh) | 一种车载导航车辆组合定位装置及其组合定位方法 | |
| CN105806339B (zh) | 一种基于gnss、ins和守时系统的组合导航方法和设备 | |
| CN110823217A (zh) | 一种基于自适应联邦强跟踪滤波的组合导航容错方法 | |
| CN105911567B (zh) | 一种gnss系统完好性评估方法和装置 | |
| CN109471143B (zh) | 自适应容错的列车组合定位方法 | |
| CN102252677A (zh) | 一种基于时间序列分析的变比例自适应联邦滤波方法 | |
| CN111123307B (zh) | 一种用于检测bds用户设备动态性能的系统和方法 | |
| CN102192736B (zh) | 船舶综合控制系统传感器输出数据的优化处理方法 | |
| CN103591965A (zh) | 一种舰载旋转式捷联惯导系统在线标定的方法 | |
| CN109085619B (zh) | 多模gnss系统的定位方法及装置、存储介质、接收机 | |
| CN109596119A (zh) | 基于自适应信息融合的船舶综合pnt系统及其监控方法 | |
| CN104252010A (zh) | 一种无线电探空仪及其气象数据测量方法 | |
| CN103353756A (zh) | 基于ais与vts信息融合的在航船舶实时监控方法 | |
| CN104035113A (zh) | 基于伪距的多模gnss接收机的可靠定位方法 | |
| CN109283566A (zh) | 一种有色噪声下gnss抗差测速方法 | |
| CN106908044A (zh) | 一种基于北斗的全海域验潮系统及验潮方法 | |
| CN104950320A (zh) | 一种监视地基增强系统对流层修正参数的方法及系统 | |
| Liu et al. | Research on GPS precise point positioning algorithm with a Sea Surface Height Constraint | |
| CN104280756A (zh) | 基于接收机钟差广义延拓逼近法的卫星定位增强方法 | |
| CN117194928B (zh) | 基于gnss的地理形变监测系统 | |
| CN102539939B (zh) | 基于大地等效电导率反演的高精度海上asf修正方法 | |
| Ikonomakis et al. | Validation and correction of auto-logged position measurements | |
| Zhang et al. | An INS-aided MASS autonomous navigation algorithm considering virtual motion constraints and the leeway and drift angle | |
| CN205374736U (zh) | 一种基于动态监测的海上溢油预测系统 | |
| CN111830535A (zh) | 一种基于软件接收机的观测噪声完好性监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |