CN103149580A - 一种基于stkf和wnn的gps/ins组合导航方法 - Google Patents
一种基于stkf和wnn的gps/ins组合导航方法 Download PDFInfo
- Publication number
- CN103149580A CN103149580A CN2013100423444A CN201310042344A CN103149580A CN 103149580 A CN103149580 A CN 103149580A CN 2013100423444 A CN2013100423444 A CN 2013100423444A CN 201310042344 A CN201310042344 A CN 201310042344A CN 103149580 A CN103149580 A CN 103149580A
- Authority
- CN
- China
- Prior art keywords
- ins
- gps
- wnn
- error
- navigation
- 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.)
- Pending
Links
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于STKF和WNN的GPS/INS组合导航方法,属于车辆导航定位技术领域。该方法步骤如下:一、在GPS信号有效时,利用小波神经网络(WNN)建立INS导航系统的导航误差模型;二、在GPS信号失锁时,依靠之前训练得到的WNN误差模型对导航系统误差进行补偿。本方法可以有效解决GPS失锁对GPS/INS组合导航系统的影响,提供长时间、高精度的导航定位结果。
Description
技术领域
本发明涉及一种基于STKF和WNN的GPS/INS组合导航方法,属于车辆导航定位技术领域。
背景技术
随着交通事业的不断发展,交通需求不断增长,智能交通系统也随之不断发展。智能交通系统是采用先进的信息、电子、系统工程等高科技手段来对道路网络进行更有效地控制和管理,以便更大限度的发挥现有道路系统的交通效率。在智能交通系统中,关键问题是要准确地知道车辆当前所在位置。进入90年代以来,随着计算机和通信技术的飞速发展,车辆导航定位系统开始进入真正的实用阶段。特别是美国全球定位系统(GPS)的建立,为全球范围内的用户提供了一种廉价、实用的定位手段,使得车辆导航定位系统的发展进入了高潮。
由于其成本低、便携式、易与其他传感器或通信设备进行融合等特点,以GPS为主的车辆定位系统目前几乎占据了全部的市场。但是GPS也有其缺点,普通GPS接收机由于受到卫星钟差、电离层误差、大气层误差、多路径误差等影响,其定位精度为30米左右,远远不能满足车道级定位的需求。惯性导航系统(INS, Inertial navigation system)是基于惯性传感器的自主式导航系统,它利用惯性传感器测量运动的角速度和加速度,经计算确定车辆位置,实现车辆的自主定位。但惯性元件的漂移误差和标定误差将使累积误差随着时间逐渐积累,最终达到无法忍受的程度。而且目前高精度的INS系统价格高昂,很难在车载导航系统中得到推广。多传感器融合技术的出现极大的推动了车载定位技术的发展,利用多传感器融合技术,将低精度的GPS和INS组合在一起,即能得到高精度的组合导航定位结果。
GPS/INS组合导航系统能够使导航系统维持长时间的稳定和高精度,但是其导航性能依然受到环境的限制。比如当载体长期运行于城市、隧道等环境时,由于建筑物遮挡,GPS信号可能会出现长时间的失锁,INS不能提供长时间、高精度导航的缺点会导致GPS/INS组合导航系统出现严重的性能下降。因此,针对GPS长期失锁状况下的INS导航误差补偿研究显得尤为重要。
针对GPS失锁状况下对INS导航误差进行补偿的这一类问题,国内外学者提出了一些解决方法,大致可以分为两类:一是增加其他传感器或其他辅助设备,如车载GPS/INS组合导航系统与视觉传感器、里程计、地图匹配、路网辅助以及车辆协同等方法的结合,这些方法在一定程度上很好的解决的GPS失锁带来的影响,但势必也增加了成本,提高了系统复杂性;二是利用人工智能辅助算法建立INS导航误差模型,在GPS失锁的时候利用建立的模型对INS导航误差进行补偿。其中人工智能辅助算法由于其实现简单且成本低廉而得到了广泛关注。
发明内容
本发明提出了一种基于STKF和WNN的GPS/INS组合导航方法,该方法克服了GPS失锁带来的组合导航系统精度下降的问题,能够提供持久的高精度导航。该方法首先在GPS信号良好的情况下利用小波神经网络(WNN)建立INS导航误差模型,以先前时刻STKF(强跟踪滤波器,英文Strong Tracking Kalman Filter)的输出作为WNN的输入,以当前时刻STKF的输出作为WNN的理想输出对WNN进行训练,当GPS信号失锁时,依靠训练好的WNN模型对INS系统误差进行补偿。
本发明为解决其技术问题采用如下技术方案:
一种基于STKF和WNN的GPS/INS组合导航方法,包括下列步骤:
(1)将GPS/INS组合导航系统的运行区域分为训练区域和误差补偿区域两部分,所述训练区域为GPS信号良好的区域,所述补偿区域为GPS信号失锁时的区域;
(2)在训练区域,GPS和INS导航系统同时正常工作,首先将INS测量得到的位置、速度信息与GPS测量得到的位置、速度信息作差,并将作差结果输入强跟踪卡尔曼滤波器(STKF)进行数据融合,以得到INS系统导航误差的估计值;
(3)在采用STKF进行数据融合,并得到INS导航误差估计值的同时,将先前时刻得到的该导航误差估计值作为WNN误差模型的输入,将当前时刻得到的导航误差估计值作为WNN误差模型的理想输出,对WNN误差模型进行建模训练;
(4)当GPS失锁时,即车辆进入误差补偿区域,在这一区域,GPS/INS组合导航系统无法得到GPS信号,利用INS完成自主导航,此时利用在训练区域得到的WNN误差模型对INS输出的导航信息进行误差补偿,以得到导航定位结果。
步骤(1)中所述GPS/INS组合导航系统,其组合方式为位置速度误差松组合方式。
步骤(2)中所述数据融合方法包含卡尔曼滤波、粒子滤波,以及基于卡尔曼和粒子滤波的改进数据融合方法。
步骤(3)中所述的WNN误差模型为一种先验误差模型,即模型的输入为STKF先前时刻输出的估计误差,模型的理想输出为STKF当前时刻输出的估计误差。
本发明的有益效果如下:
(1) 提出了新的INS导航误差先验模型,其输入为先前时刻STKF输出的INS导航误差估计值,输出为当前时刻STKF输出的INS导航误差估计值。该模型充分考虑到INS导航误差的趋势性,能够得到比传统方法精度更高的INS导航误差补偿结果。
(2) 利用强跟踪卡尔曼滤波器对INS和GPS的输出信息进行数据融合,能得到比传统卡尔曼滤波器更准确的滤波结果。
(3) 利用小波神经网络对INS导航误差进行建模,可得到精度较高的误差预测模型。
附图说明
图1为基于STKF和WNN的GPS/INS导航误差训练框图。
图2为基于STKF和WNN的GPS/INS导航误差补偿框图。
图3为WNN训练框图。
图4为WNN预测框图。
具体实施方式
下面结合附图对本发明创造做进一步详细说明。
本发明的原理是:GPS/INS是目前应用最广泛的组合导航系统。尽管GPS能够为地球上任何地点的用户提供导航信息,但GPS要求捕获四颗或更多的卫星,所以在城市、峡谷或者森林等地区,由于受建筑物、山体、树木等遮挡,导致GPS信号衰减或失锁,此时组合导航系统中只有INS能够正常使用,INS在长时间工作时的漂移会导致整个系统导航定位精度下降,甚至无法正常工作。因此必须对GPS失锁情况下的INS误差进行补偿。在传统的对INS误差进行建模及补偿的方法中,多采用人工智能方法建立输入为陀螺仪、加速度计输出信号,输出为INS位置误差和速度误差的模型,该方法能够有效的在GPS失锁时对INS误差进行预测,得到良好的误差补偿结果。但是,传统方法忽略了INS误差的趋势性,即当前时刻的INS误差是与先前时刻的INS误差有关的。因此,本发明提出了一种先验INS误差模型,即以先前时刻的INS误差作为模型输入,以当前时刻的INS误差作为模型输出来对模型进行训练,从而在GPS失锁时对INS误差进行预测并补偿。为了得到高精度的模型,本发明将STKF和WNN引入到模型中,并得到了良好的建模和误差补偿结果。
如图1为基于STKF和WNN的GPS/INS导航误差训练框图,由图可见:当GPS正常工作时,以先前时刻STKF输出的位置、速度误差为输入,以当前时刻STKF输出的位置、速度误差为输出对WNN进行训练。WNN训练如图3所示:在训练区域,GPS与INS同时工作,首先将GPS测量的位置、速度信息与INS测量的位置、速度信息作差,并将作差结果输入STKF滤波器进行数据融合,得出INS导航误差并对系统输出进行补偿;同时,将先前时刻STKF输出的INS导航误差估计值作为WNN的输入,将当前时刻STKF输出的INS导航误差估计值作为WNN的理想输出,对WNN进行训练,建立INS误差模型。
预测过程如图2所示,WNN的预测模型如图4所示。当载体进入GPS失锁区域时,GPS/INS组合导航系统进入误差补偿阶段。在这一区域,组合导航系统无法获得GPS测量结果,只能依靠INS完成这一部分的自主导航。此时INS利用在训练区域得到的WNN误差模型对测量的导航信息进行误差补偿,得到最优的导航信息。从而避免了因GPS无法工作导致的导航精度迅速下降的问题,具有良好的误差补偿效果。
Claims (4)
1.一种基于STKF和WNN的GPS/INS组合导航方法,其特征在于,包括下列步骤:
(1)将GPS/INS组合导航系统的运行区域分为训练区域和误差补偿区域两部分,所述训练区域为GPS信号良好的区域,所述补偿区域为GPS信号失锁时的区域;
(2)在训练区域,GPS和INS导航系统同时正常工作,首先将INS测量得到的位置、速度信息与GPS测量得到的位置、速度信息作差,并将作差结果输入强跟踪卡尔曼滤波器进行数据融合,得到INS系统导航误差的估计值;
(3)在采用强跟踪卡尔曼滤波器进行数据融合,并得到INS导航误差估计值的同时,将先前时刻得到的该导航误差估计值作为WNN误差模型的输入,将当前时刻得到的导航误差估计值作为WNN误差模型的理想输出,对WNN误差模型进行建模训练;
(4)当GPS失锁时,即车辆进入误差补偿区域,在这一区域,GPS/INS组合导航系统无法得到GPS信号,利用INS完成自主导航,此时利用在训练区域得到的WNN误差模型对INS输出的导航信息进行误差补偿,以得到导航定位结果。
2.根据权利要求1中所述的一种基于STKF和WNN的GPS/INS组合导航方法,其特征在于:步骤(1)中所述GPS/INS组合导航系统,其组合方式为位置速度误差松组合方式。
3.根据权利要求1中所述的一种基于STKF和WNN的GPS/INS组合导航方法,其特征在于:步骤(2)中所述数据融合方法包含卡尔曼滤波、粒子滤波,以及基于卡尔曼和粒子滤波的改进数据融合方法。
4.根据权利要求1中所述的一种基于STKF和WNN的GPS/INS组合导航方法,其特征在于:步骤(3)中所述的WNN误差模型为一种先验误差模型,即模型的输入为STKF先前时刻输出的估计误差,模型的理想输出为STKF当前时刻输出的估计误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100423444A CN103149580A (zh) | 2013-02-04 | 2013-02-04 | 一种基于stkf和wnn的gps/ins组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100423444A CN103149580A (zh) | 2013-02-04 | 2013-02-04 | 一种基于stkf和wnn的gps/ins组合导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103149580A true CN103149580A (zh) | 2013-06-12 |
Family
ID=48547762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100423444A Pending CN103149580A (zh) | 2013-02-04 | 2013-02-04 | 一种基于stkf和wnn的gps/ins组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103149580A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344980A (zh) * | 2013-07-05 | 2013-10-09 | 鲍晓东 | 车载导航方法、系统及车载移动导航终端 |
CN103529461A (zh) * | 2013-10-14 | 2014-01-22 | 北京大学 | 一种基于强跟踪滤波和埃尔米特插值法的接收机快速定位方法 |
CN103605143A (zh) * | 2013-11-26 | 2014-02-26 | 中国人民武装警察部队工程大学 | 一种神经网络组合导航方法 |
CN103929810A (zh) * | 2014-05-09 | 2014-07-16 | 浙江师范大学 | 基于小波神经的DV-Hop无线传感网络节点定位方法 |
CN103983263A (zh) * | 2014-05-30 | 2014-08-13 | 东南大学 | 一种采用迭代扩展卡尔曼滤波与神经网络的惯性/视觉组合导航方法 |
CN104597216A (zh) * | 2015-02-15 | 2015-05-06 | 东南大学 | 用于室内和室外的可移动有害物质检测定位系统及方法 |
CN104898148A (zh) * | 2015-06-02 | 2015-09-09 | 北京航空航天大学 | 一种基于数据压缩和神经网络的低成本ins/gps无缝导航方法 |
CN105929431A (zh) * | 2016-04-19 | 2016-09-07 | 辽宁工程技术大学 | 一种低动态高抖动环境下的gps/ins紧组合方法 |
CN107703358A (zh) * | 2017-07-17 | 2018-02-16 | 西安理工大学 | 一种基于改进二阶广义积分器的锁相算法 |
CN107806886A (zh) * | 2016-09-08 | 2018-03-16 | 千寻位置网络有限公司 | 一种移动终端惯性导航定位修正方法及其装置 |
CN108759846A (zh) * | 2018-05-29 | 2018-11-06 | 东南大学 | 自适应扩展卡尔曼滤波噪声模型建立方法 |
CN109059912A (zh) * | 2018-07-31 | 2018-12-21 | 太原理工大学 | 一种基于小波神经网络的gps/ins集成定位方法 |
CN109357674A (zh) * | 2018-12-07 | 2019-02-19 | 上海机电工程研究所 | 一种gnss和ins组合导航观测量引入方法 |
CN109521454A (zh) * | 2018-12-06 | 2019-03-26 | 中北大学 | 一种基于自学习容积卡尔曼滤波的gps/ins组合导航方法 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
CN110208823A (zh) * | 2018-02-28 | 2019-09-06 | 罗伯特·博世有限公司 | 确定用于基于卫星确定车辆位置的数据简档的方法 |
CN110346821A (zh) * | 2019-07-17 | 2019-10-18 | 贵州理工学院 | 一种解决gps长时间失锁问题的sins/gps组合定姿定位方法及系统 |
CN110764037A (zh) * | 2019-11-11 | 2020-02-07 | 吉林大学 | 航空高温超导全张量磁梯度仪失锁检测并自动恢复的方法及电路 |
CN111238486A (zh) * | 2020-03-12 | 2020-06-05 | 北京三快在线科技有限公司 | 用于无人设备的导航方法、装置、存储介质及无人设备 |
CN114791562A (zh) * | 2022-04-21 | 2022-07-26 | 哈尔滨理工大学 | 基于imm-stkf的开关磁阻电机功率变换器的多故障诊断方法及装置 |
CN116224407A (zh) * | 2023-05-06 | 2023-06-06 | 山东科技大学 | 一种gnss和ins组合导航定位方法及系统 |
US12019170B1 (en) | 2023-05-06 | 2024-06-25 | Shandong University Of Science And Technology | GNSS and INS integrated navigation positioning method and system thereof |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819041A (zh) * | 2010-04-16 | 2010-09-01 | 北京航空航天大学 | 自进化anfis与ukf结合的gps/mems-ins组合定位误差动态预测方法 |
CN102768361A (zh) * | 2012-07-09 | 2012-11-07 | 东南大学 | 基于遗传粒子滤波与模糊神经网络的gps/ins组合定位方法 |
-
2013
- 2013-02-04 CN CN2013100423444A patent/CN103149580A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819041A (zh) * | 2010-04-16 | 2010-09-01 | 北京航空航天大学 | 自进化anfis与ukf结合的gps/mems-ins组合定位误差动态预测方法 |
CN102768361A (zh) * | 2012-07-09 | 2012-11-07 | 东南大学 | 基于遗传粒子滤波与模糊神经网络的gps/ins组合定位方法 |
Non-Patent Citations (6)
Title |
---|
ABOELMAGD NOURELDIN 等: "a neuro-wavelet method for multi-sensor system integration for vehicular navigation", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 * |
ABOELMAGD NOURELDIN 等: "GPS/INS integration utilizing dynamic neural networks for vehicular navigation", 《INFORMATION FUSION》 * |
HONG PAN 等: "Efficient Object Recognition Using Boundary Representation and Wavelet Neural Network", 《IEEE TRANSACIONS ON NEURAL NETWORKS》 * |
LORINADA SEMENIUK 等: "Bridging GPS outages using neural network estimates of INS position and velocity errors", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 * |
周星伶: "GPS INS组合导航系统松、紧耦合性能比较", 《航空电子技术》 * |
顾明武 等: "RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用", 《红外与激光工程》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344980A (zh) * | 2013-07-05 | 2013-10-09 | 鲍晓东 | 车载导航方法、系统及车载移动导航终端 |
CN103344980B (zh) * | 2013-07-05 | 2016-01-20 | 鲍晓东 | 车载导航方法、系统及车载移动导航终端 |
CN103529461A (zh) * | 2013-10-14 | 2014-01-22 | 北京大学 | 一种基于强跟踪滤波和埃尔米特插值法的接收机快速定位方法 |
CN103605143A (zh) * | 2013-11-26 | 2014-02-26 | 中国人民武装警察部队工程大学 | 一种神经网络组合导航方法 |
CN103929810B (zh) * | 2014-05-09 | 2017-08-25 | 浙江师范大学 | 基于小波神经的DV‑Hop无线传感网络节点定位方法 |
CN103929810A (zh) * | 2014-05-09 | 2014-07-16 | 浙江师范大学 | 基于小波神经的DV-Hop无线传感网络节点定位方法 |
CN103983263A (zh) * | 2014-05-30 | 2014-08-13 | 东南大学 | 一种采用迭代扩展卡尔曼滤波与神经网络的惯性/视觉组合导航方法 |
CN104597216A (zh) * | 2015-02-15 | 2015-05-06 | 东南大学 | 用于室内和室外的可移动有害物质检测定位系统及方法 |
CN104597216B (zh) * | 2015-02-15 | 2016-03-02 | 东南大学 | 用于室内和室外的可移动有害物质检测定位系统及方法 |
CN104898148A (zh) * | 2015-06-02 | 2015-09-09 | 北京航空航天大学 | 一种基于数据压缩和神经网络的低成本ins/gps无缝导航方法 |
CN104898148B (zh) * | 2015-06-02 | 2017-08-04 | 北京航空航天大学 | 一种基于数据压缩和神经网络的低成本ins/gps无缝导航方法 |
CN105929431A (zh) * | 2016-04-19 | 2016-09-07 | 辽宁工程技术大学 | 一种低动态高抖动环境下的gps/ins紧组合方法 |
CN107806886A (zh) * | 2016-09-08 | 2018-03-16 | 千寻位置网络有限公司 | 一种移动终端惯性导航定位修正方法及其装置 |
CN107703358A (zh) * | 2017-07-17 | 2018-02-16 | 西安理工大学 | 一种基于改进二阶广义积分器的锁相算法 |
CN110208823A (zh) * | 2018-02-28 | 2019-09-06 | 罗伯特·博世有限公司 | 确定用于基于卫星确定车辆位置的数据简档的方法 |
CN108759846A (zh) * | 2018-05-29 | 2018-11-06 | 东南大学 | 自适应扩展卡尔曼滤波噪声模型建立方法 |
CN108759846B (zh) * | 2018-05-29 | 2021-10-29 | 东南大学 | 自适应扩展卡尔曼滤波噪声模型建立方法 |
CN109059912A (zh) * | 2018-07-31 | 2018-12-21 | 太原理工大学 | 一种基于小波神经网络的gps/ins集成定位方法 |
CN109521454A (zh) * | 2018-12-06 | 2019-03-26 | 中北大学 | 一种基于自学习容积卡尔曼滤波的gps/ins组合导航方法 |
CN109357674A (zh) * | 2018-12-07 | 2019-02-19 | 上海机电工程研究所 | 一种gnss和ins组合导航观测量引入方法 |
CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
CN110346821A (zh) * | 2019-07-17 | 2019-10-18 | 贵州理工学院 | 一种解决gps长时间失锁问题的sins/gps组合定姿定位方法及系统 |
CN110764037A (zh) * | 2019-11-11 | 2020-02-07 | 吉林大学 | 航空高温超导全张量磁梯度仪失锁检测并自动恢复的方法及电路 |
CN110764037B (zh) * | 2019-11-11 | 2021-04-13 | 吉林大学 | 航空高温超导全张量磁梯度仪失锁检测自动恢复方法及电路 |
CN111238486A (zh) * | 2020-03-12 | 2020-06-05 | 北京三快在线科技有限公司 | 用于无人设备的导航方法、装置、存储介质及无人设备 |
CN114791562A (zh) * | 2022-04-21 | 2022-07-26 | 哈尔滨理工大学 | 基于imm-stkf的开关磁阻电机功率变换器的多故障诊断方法及装置 |
CN116224407A (zh) * | 2023-05-06 | 2023-06-06 | 山东科技大学 | 一种gnss和ins组合导航定位方法及系统 |
US12019170B1 (en) | 2023-05-06 | 2024-06-25 | Shandong University Of Science And Technology | GNSS and INS integrated navigation positioning method and system thereof |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103149580A (zh) | 一种基于stkf和wnn的gps/ins组合导航方法 | |
CN105509738B (zh) | 基于惯导/多普勒雷达组合的车载定位定向方法 | |
CN104061899B (zh) | 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法 | |
CN106441319B (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
CN103777220B (zh) | 基于光纤陀螺、速度传感器和gps的实时精确位姿估计方法 | |
CN103453913B (zh) | 停车场中车辆的组合定位方法 | |
CN102128625B (zh) | 重力辅助惯性导航系统中重力图匹配的初始匹配方法 | |
CN107389064A (zh) | 一种基于惯性导航的无人车变道控制方法 | |
CN101201255A (zh) | 基于智能导航算法的车辆组合导航系统 | |
CN103047995B (zh) | 基于卫星定位技术的gps终端里程统计方法 | |
CN104121905A (zh) | 一种基于惯性传感器的航向角获取方法 | |
CN102768361A (zh) | 基于遗传粒子滤波与模糊神经网络的gps/ins组合定位方法 | |
CN101476894A (zh) | 车载sins/gps组合导航系统性能增强方法 | |
CN109443350A (zh) | 基于神经网络的蓝牙/光电/ins组合导航装置及方法 | |
CN107132563A (zh) | 一种里程计结合双天线差分gnss的组合导航方法 | |
CN102680997A (zh) | 磁导航辅助gps/ins组合导航定位系统及其控制方法 | |
CN110907976A (zh) | 基于北斗卫星的高速铁路组合导航系统 | |
CN102680002B (zh) | 汽车用微机械陀螺零点电压的在线标定方法 | |
CN103822634A (zh) | 一种基于改进的iccp算法的重力匹配辅助惯性导航方法 | |
CN102608643A (zh) | 一种组合式车辆位置测量方法 | |
CN106093992A (zh) | 一种基于cors的亚米级组合定位导航系统及导航方法 | |
CN103713300B (zh) | 一种准静态双星定位的方法及其应用 | |
Iqbal et al. | Experimental results on an integrated GPS and multisensor system for land vehicle positioning | |
CN204150066U (zh) | 一种基于rfid和sins的列车定位系统 | |
Zhou et al. | Onboard train localization based on railway track irregularity matching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130612 |