CN112924932A - 基于网格搜索牛顿迭代算法的车辆定位方法及系统 - Google Patents
基于网格搜索牛顿迭代算法的车辆定位方法及系统 Download PDFInfo
- Publication number
- CN112924932A CN112924932A CN202110096552.7A CN202110096552A CN112924932A CN 112924932 A CN112924932 A CN 112924932A CN 202110096552 A CN202110096552 A CN 202110096552A CN 112924932 A CN112924932 A CN 112924932A
- Authority
- CN
- China
- Prior art keywords
- positioning result
- vehicle
- moving vehicle
- algorithm
- current moment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000010845 search algorithm Methods 0.000 claims description 7
- 238000003491 array Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于网格搜索牛顿迭代算法的车辆定位方法及系统,涉及运动目标定位技术领域,包括:获取传感器阵列采集的当前时刻车辆震动信号;采用Chan‑Taylor联合算法对当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果;采用网格搜索‑Taylor算法对当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果;采用网格搜索牛顿迭代算法对当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果;根据第一定位结果、第二定位结果及第三定位结果,确定当前时刻运动车辆的最优定位结果。本发明能够提高运动车辆的定位精度和缩短运动车辆的定位时间。
Description
技术领域
本发明涉及运动目标定位技术领域,特别是涉及一种基于网格搜索牛顿迭代算法的车辆定位方法及系统。
背景技术
地面运动目标的定位在国内外已有广泛的研究。现有的定位方法主要分为信号到达时间差(TDOA,Time of Arrival)法、到达时间(TOA,Time of Arrival)法、到达方位角(AOA,Angle of Arrival)法几大类。在众多目标定位算法中,基于时延的目标测向定位技术因其抗干扰能力强,定位精度较高和设备要求简单等特点而成为目前对于复杂地质条件下目标定位问题的研究热点。其基本原理是利用多个传感器测量信号时延,并联合信号传播速度对目标方位角进行估计,最后通过传感器阵列实现交叉定位。单一的TDOA定位方法虽然算法简单,但却存在定位模糊和算法精度不够等缺陷,于是出现了越来越多的改进TDOA混合定位算法,但是没有针对车辆震动信号。
发明内容
本发明的目的是提供一种基于网格搜索牛顿迭代算法的车辆定位方法及系统,以提高运动车辆的定位精度和以缩短运动车辆的定位时间。
为实现上述目的,本发明提供了如下方案:
一种基于网格搜索牛顿迭代算法的车辆定位方法,包括:
获取运动车辆经过传感器阵列时,所述传感器阵列采集的当前时刻车辆震动信号;
采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果;
采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果;
采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果;
根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果。
可选的,还包括:
将一段时间内的运动车辆的最优定位结果进行坐标绘制,以得到运动车辆的运动轨迹。
可选的,所述传感器阵列是以3*3的米字排布方式布置的。
可选的,所述采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果,具体包括:
采用Chan算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;
以所述当前时刻运动车辆估计位置为初始值,采用Taylor算法进行迭代处理,以确定运动车辆的第一定位结果。
可选的,所述采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果,具体包括:
采用网格搜索算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;
以所述当前时刻运动车辆估计位置为初始值,采用Taylor算法进行迭代处理,以确定运动车辆的第二定位结果。
可选的,所述采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果,具体包括:
采用网格搜索算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;
以所述当前时刻运动车辆估计位置为初始值,采用牛顿迭代算法进行迭代处理,以确定运动车辆的第三定位结果。
可选的,所述根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果,具体包括:
对所述第一定位结果、所述第二定位结果以及所述第三定位结果进行求平均处理,并将求平均处理后的定位结果确定为当前时刻运动车辆的最优定位结果。
一种基于网格搜索牛顿迭代算法的车辆定位系统,包括:
车辆震动信号获取模块,用于获取运动车辆经过传感器阵列时,所述传感器阵列采集的当前时刻车辆震动信号;
第一定位结果确定模块,用于采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果;
第二定位结果确定模块,用于采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果;
第三定位结果确定模块,用于采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果;
最优定位结果确定模块,用于根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果。
可选的,还包括:
运动轨迹确定模块,用于将一段时间内的运动车辆的最优定位结果进行坐标绘制,以得到运动车辆的运动轨迹。
可选的,所述车辆震动信号获取模块中的传感器阵列是以3*3的米字排布方式布置的。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明以车辆震动信号为处理对象,采用Chan-Taylor联合算法对车辆震动信号进行处理以提高定位精度,采用网格搜索-Taylor算法和网格搜索牛顿迭代算法对车辆震动信号进行处理以缩短定位时间。显然,采用本发明提供的技术方案,能够提高运动车辆的定位精度和缩短运动车辆的定位时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于网格搜索牛顿迭代算法的车辆定位方法的流程示意图;
图2为本发明基于网格搜索牛顿迭代算法的车辆定位系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于网格搜索牛顿迭代算法的车辆定位方法及系统,以提高运动车辆的定位精度和以缩短运动车辆的定位时间。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的基本流程为:基于无人值守地面传感器系统(或者称为传感器阵列),使用传感器(优选地震仪)采集运动车辆经过地面时的车辆震动信号,并根据车辆震动信号,通过多种算法,实现运动车辆的定位,即通过检测车辆震动信号实现无人值守地面传感器系统在城市安防的应用。
实施例一
如图1所示,本实施例提供的一种基于网格搜索牛顿迭代算法的车辆定位方法,包括如下步骤。
步骤101:获取运动车辆经过传感器阵列时,所述传感器阵列采集的当前时刻车辆震动信号;所述传感器阵列是以3*3的米字排布方式布置的。
步骤102:采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果。
步骤103:采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果。
步骤104:采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果。
步骤105:根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果。
作为一种优选的具体实施方式,本实施例提供的定位方法还包括将一段时间内的运动车辆的最优定位结果进行坐标绘制,以得到运动车辆的运动轨迹。
作为一种优选的具体实施方式,本实施例所述的步骤102具体包括:
采用Chan算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;以所述当前时刻运动车辆估计位置为初始值,采用Taylor算法进行迭代处理,以确定运动车辆的第一定位结果。
其中,步骤102更加具体的处理过程参见实施例三,再次不再过多叙述。
作为一种优选的具体实施方式,本实施例所述的步骤103具体包括:
采用网格搜索算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;以所述当前时刻运动车辆估计位置为初始值,采用Taylor算法进行迭代处理,以确定运动车辆的第二定位结果。
其中,步骤103更加具体的处理过程参见实施例三,再次不再过多叙述。
作为一种优选的具体实施方式,本实施例所述的步骤104具体包括:
采用网格搜索算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;以所述当前时刻运动车辆估计位置为初始值,采用牛顿迭代算法进行迭代处理,以确定运动车辆的第三定位结果。
其中,步骤104更加具体的处理过程参见实施例三,再次不再过多叙述。
作为一种优选的具体实施方式,本实施例所述的步骤105具体包括:
对所述第一定位结果、所述第二定位结果以及所述第三定位结果进行求平均处理,并将求平均处理后的定位结果确定为当前时刻运动车辆的最优定位结果。
实施例二
如图2所示,本实施例提供的一种基于网格搜索牛顿迭代算法的车辆定位系统,包括:
车辆震动信号获取模块201,用于获取运动车辆经过传感器阵列时,所述传感器阵列采集的当前时刻车辆震动信号。
第一定位结果确定模块202,用于采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果。
第二定位结果确定模块203,用于采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果。
第三定位结果确定模块204,用于采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果。
最优定位结果确定模块205,用于根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果。
作为一种优选的具体实施方式,本实施例提供的定位系统还包括:
运动轨迹确定模块,用于将一段时间内的运动车辆的最优定位结果进行坐标绘制,以得到运动车辆的运动轨迹。
其中,所述车辆震动信号获取模块201中的传感器阵列是以3*3的米字排布方式布置的。第一定位结果确定模块202、第二定位结果确定模块203、第三定位结果确定模块204的具体处理过程参见实施例三,再次不再过多叙述。
实施例三
本实施例针对原有传感器排布方式对城市监测有很大盲区的缺陷进行改进,以及提出了适用于城市安防监测车辆的定位方法。
本实施例采用3*3的米字排布方式,将地震仪埋在地表,检测车辆震动信号,通过Chan-Taylor联合算法、网格搜索-Taylor算法和网格搜索牛顿迭代算法计算运动车辆的位置,提高了定位精度以及缩短了定位时间。
具体过程如下:
步骤1:使用3*3米字排布方式将传感器(优选地震仪)埋在地下以采集运动车辆的车辆震动信号(车辆振动监控-地震波)。
步骤2:采用Chan-Taylor联合算法对车辆震动信号进行处理,确定运动车辆的第一定位结果,从而提高定位精度。
步骤3:采用网格搜索-Taylor算法对车辆震动信号进行处理,确定运动车辆的第二定位结果,从而减少运算时间。
步骤4:采用网格搜索牛顿迭代算法对车辆震动信号进行处理,确定运动车辆的第二定位结果,从而减少运算时间。
步骤5:根据三者的定位结果,确定最终的定位结果。
Chan-Taylor联合算法
根据传感器坐标(已知)和初至波时差(传感器测量值),采用Chan算法求得待定位运动车辆的估计位置,该估计位置作为Taylor迭代算法的初始值,进行Taylor迭代处理,直至满足迭代终止条件,得到Chan-Taylor联合算法的第一定位结果。
Chan算法是一种非递归算法,其优势在于无需做迭代运算,因此运算量较小。以三传感器阵列为例,其求解的基本原理如下:
首先令传感器的位置为(xi,yi),目标点(待定位运动车辆即监测对象)与第i个传感器之间的距离可表示为
令
xi,1=xi-x1
yi,1=yi-y1
此时,有两个时延检测值,用Ri确定目标位置(x0,y0)。
得到一个关于R1的一元二次方程,求解其根,得到估计位置(x0,y0)。
Chan算法对传感器的位置坐标没有特殊要求,并且在传感器数量大于3个时,仍然能够应用所有时延信息以实现误差较小的定位估计,因此最适用于基于传感器网络的目标定位。
Chan算法求的估计位置作为Taylor迭代算法的初始值。
Taylor迭代算法又称为泰勒级数展开法或评价函数极小值搜索法,该迭代算法通过在一定范围内逐点搜索,求最小误差的方法来获取待定位运动车辆的位置估计值。传感器的位置坐标分别为(x1,y1),(x2,y2),(x3,y3),传感器1和传感器2组成的时延方程为:
采用极小值搜索的方法,计算搜索评价函数J(x,y)的最小值,求出满足精度要求的运动车辆的位置坐标(x,y)。
进行迭代循环处理;如果满足定位要求或迭次次数达到设定次数,迭代算法停止,输出定位结果。通过编程算法可得,J(x,y)有单一谷底,其对应的位置坐标就是运动车辆的位置坐标(x,y)。
网格搜索-Taylor算法
对待定位运动车辆所在的检测区域进行网格划分,确定每一维度上的网格数,建立代价函数,根据网格搜索法和代价函数计算初步定位结果,该初步定位结果作为Taylor迭代算法的初始值,进行Taylor迭代处理,直至满足迭代终止条件,得到网格搜索-Taylor算法的第二定位结果。具体如下:
(1)对检测区域进行网格体的划分,确定每一维度上划分的网格数。
(2)建立一个代价函数。
其中,ti为第i个传感器的初至时间;εn为初至时间的观测误差;t0为微震事件的发震时刻;v为地下介质速度,可以是P波速度也可以是S波的速度。
(3)根据网格搜索法对代价函数进行求解得到初步定位结果,并将初步定位结果确定为Taylor迭代算法的初始值。
(4)建立Taylor迭代算法的目标函数。
Taylor迭代算法又称为泰勒级数展开法或评价函数极小值搜索法,该迭代算法通过在一定范围内逐点搜索,求最小误差的方法来获取待定位运动车辆的位置估计值。传感器的位置坐标分别为(x1,y1)、(x2,y2)、(x3,y3),传感器1和传感器2组成的时延方程为:
采用极小值搜索的方法,计算搜索评价函数J(x,y)的最小值,求出满足精度要求的运动车辆的位置坐标(x,y)。
(5)进行迭代循环处理;如果满足定位要求或迭次次数达到设定次数,迭代算法停止,输出定位结果。通过编程算法可得,J(x,y)有单一谷底,其对应的位置坐标就是运动车辆的位置坐标(x,y)。
网格搜索-牛顿迭代算法
对待定位运动车辆所在的检测区域进行网格划分,确定每一维度上的网格数,建立代价函数,根据网格搜索法和代价函数计算初步定位结果,该初步定位结果作为牛顿迭代算法的初始值,进行牛顿迭代处理,直至满足迭代终止条件,得到网格搜索-牛顿迭代算法的第三定位结果。具体如下:
(1)对检测区域进行网格体的划分,确定每一维度上划分的网格数。
(2)建立一个代价函数。
其中,ti为第i个传感器的初至时间;εn为初至时间的观测误差;t0为微震事件的发震时刻;v为地下介质速度,可以是P波速度也可以是S波的速度。
(3)根据网格搜索法对代价函数进行求解得到初步定位结果,并将初步定位结果确定为牛顿迭代算法的初始值。
(4)建立牛顿迭代算法的目标函数。
网格搜索-牛顿迭代算法是利用地震波(车辆震动信号)走时信息进行定位反演的方法之一。
待定位运动车辆所在位置与传感器位置的空间几何关系、地震波旅行时间(即地震波走时,是指地震波从震源传到观测点所经过的时间)和地下介质的速度参数,来构成走时方程。走时方程如下所示:
其中,xi、yi、zi为第i个传感器的空间坐标;x、y、z为震源真实的空间坐标。
牛顿迭代算法的初始值为:
r(0)=(x0 (0),y0 (0),z0 (0))T
其中,(x0,y0,z0)为网格搜索算法确定的初步定位结果。
目标函数如下所示:
其中,N表示传感器数量;x、y、z为待求参数;t0表示发震时间;m为迭代次数。
(5)进行迭代循环处理;如果满足定位要求或迭次次数达到设定次数,迭代算法停止,输出定位结果。
步骤5具体包括:将三种定位结果取平均值,并以坐标的形式体现最终的定位结果,然后根据最终的定位结果,采用坐标绘制方式绘制出运动车辆的运动轨迹。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,包括:
获取运动车辆经过传感器阵列时,所述传感器阵列采集的当前时刻车辆震动信号;
采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果;
采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果;
采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果;
根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果。
2.根据权利要求1所述的一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,还包括:
将一段时间内的运动车辆的最优定位结果进行坐标绘制,以得到运动车辆的运动轨迹。
3.根据权利要求1所述的一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,所述传感器阵列是以3*3的米字排布方式布置的。
4.根据权利要求1所述的一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,所述采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果,具体包括:
采用Chan算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;
以所述当前时刻运动车辆估计位置为初始值,采用Taylor算法进行迭代处理,以确定运动车辆的第一定位结果。
5.根据权利要求1所述的一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,所述采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果,具体包括:
采用网格搜索算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;
以所述当前时刻运动车辆估计位置为初始值,采用Taylor算法进行迭代处理,以确定运动车辆的第二定位结果。
6.根据权利要求1所述的一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,所述采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果,具体包括:
采用网格搜索算法对所述当前时刻车辆震动信号进行处理以确定当前时刻运动车辆估计位置;
以所述当前时刻运动车辆估计位置为初始值,采用牛顿迭代算法进行迭代处理,以确定运动车辆的第三定位结果。
7.根据权利要求1所述的一种基于网格搜索牛顿迭代算法的车辆定位方法,其特征在于,所述根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果,具体包括:
对所述第一定位结果、所述第二定位结果以及所述第三定位结果进行求平均处理,并将求平均处理后的定位结果确定为当前时刻运动车辆的最优定位结果。
8.一种基于网格搜索牛顿迭代算法的车辆定位系统,其特征在于,包括:
车辆震动信号获取模块,用于获取运动车辆经过传感器阵列时,所述传感器阵列采集的当前时刻车辆震动信号;
第一定位结果确定模块,用于采用Chan-Taylor联合算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第一定位结果;
第二定位结果确定模块,用于采用网格搜索-Taylor算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第二定位结果;
第三定位结果确定模块,用于采用网格搜索牛顿迭代算法对所述当前时刻车辆震动信号进行处理,确定运动车辆的第三定位结果;
最优定位结果确定模块,用于根据所述第一定位结果、所述第二定位结果以及所述第三定位结果,确定当前时刻运动车辆的最优定位结果。
9.根据权利要求8所述的一种基于网格搜索牛顿迭代算法的车辆定位系统,其特征在于,还包括:
运动轨迹确定模块,用于将一段时间内的运动车辆的最优定位结果进行坐标绘制,以得到运动车辆的运动轨迹。
10.根据权利要求8所述的一种基于网格搜索牛顿迭代算法的车辆定位系统,其特征在于,所述车辆震动信号获取模块中的传感器阵列是以3*3的米字排布方式布置的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096552.7A CN112924932A (zh) | 2021-01-25 | 2021-01-25 | 基于网格搜索牛顿迭代算法的车辆定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096552.7A CN112924932A (zh) | 2021-01-25 | 2021-01-25 | 基于网格搜索牛顿迭代算法的车辆定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112924932A true CN112924932A (zh) | 2021-06-08 |
Family
ID=76166574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110096552.7A Pending CN112924932A (zh) | 2021-01-25 | 2021-01-25 | 基于网格搜索牛顿迭代算法的车辆定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112924932A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090069029A1 (en) * | 2007-09-12 | 2009-03-12 | Ismail Guvenc | Method for an improved linear least squares estimation of a mobile terminal's location under los and nlos conditions and using map information |
CN102216957A (zh) * | 2008-10-09 | 2011-10-12 | 埃西斯创新有限公司 | 图像中对象的视觉跟踪以及图像分割 |
CN102841371A (zh) * | 2012-09-20 | 2012-12-26 | 中北大学 | 一种复合式智能震动传感器及震源测试定位方法 |
CN104076392A (zh) * | 2014-05-28 | 2014-10-01 | 中国矿业大学(北京) | 基于网格搜索和牛顿迭代的微震震源定位联合反演方法 |
CN106483496A (zh) * | 2016-10-19 | 2017-03-08 | 河南城建学院 | 基于chan算法与改进牛顿迭代的联合时差定位方法 |
CN108363622A (zh) * | 2018-01-29 | 2018-08-03 | 哈尔滨工程大学 | 一种基于多核dsp运算的无源时差定位算法的实现方法 |
CN109828302A (zh) * | 2019-01-17 | 2019-05-31 | 西人马(西安)测控科技有限公司 | 一种基于多振动传感器的震源定位方法及装置 |
-
2021
- 2021-01-25 CN CN202110096552.7A patent/CN112924932A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090069029A1 (en) * | 2007-09-12 | 2009-03-12 | Ismail Guvenc | Method for an improved linear least squares estimation of a mobile terminal's location under los and nlos conditions and using map information |
CN102216957A (zh) * | 2008-10-09 | 2011-10-12 | 埃西斯创新有限公司 | 图像中对象的视觉跟踪以及图像分割 |
CN102841371A (zh) * | 2012-09-20 | 2012-12-26 | 中北大学 | 一种复合式智能震动传感器及震源测试定位方法 |
CN104076392A (zh) * | 2014-05-28 | 2014-10-01 | 中国矿业大学(北京) | 基于网格搜索和牛顿迭代的微震震源定位联合反演方法 |
CN106483496A (zh) * | 2016-10-19 | 2017-03-08 | 河南城建学院 | 基于chan算法与改进牛顿迭代的联合时差定位方法 |
CN108363622A (zh) * | 2018-01-29 | 2018-08-03 | 哈尔滨工程大学 | 一种基于多核dsp运算的无源时差定位算法的实现方法 |
CN109828302A (zh) * | 2019-01-17 | 2019-05-31 | 西人马(西安)测控科技有限公司 | 一种基于多振动传感器的震源定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105589100A (zh) | 一种微地震震源位置和速度模型同时反演方法 | |
CN102004244B (zh) | 多普勒直接测距法 | |
CN107290787B (zh) | 一种地震次声同址台站的监测信号关联方法 | |
CN107861096A (zh) | 基于声音信号到达时间差的最小二乘测向方法 | |
WO2022046949A1 (en) | City-scale acoustic impulse detection and localization | |
CN112305591B (zh) | 隧道超前地质预报方法、计算机可读存储介质 | |
US10890647B2 (en) | Forward acoustic scattering based double-transmitter and double-receiver networking target detection system and method thereof | |
CN110132281A (zh) | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 | |
Richman et al. | Personnel tracking using seismic sensors | |
CN110865338B (zh) | 一种基于水下机动平台的未知周期声信标高精度定位方法 | |
CN112099082B (zh) | 一种共面元共方位角道集的地震回折波走时反演方法 | |
CN108375789B (zh) | 联合采集地震数据的同步匹配方法 | |
CN111352153B (zh) | 一种基于瞬时相位互相关加权的微地震干涉定位方法 | |
CN116660980A (zh) | 一种基于改进程函方程的微地震定位方法 | |
CN112924932A (zh) | 基于网格搜索牛顿迭代算法的车辆定位方法及系统 | |
CN115993641A (zh) | 一种提取被动源面波频散曲线的方法 | |
CN111398906B (zh) | 一种基于tdoa的地铁隧道外部入侵位置的定位方法 | |
CN113126029B (zh) | 适用于深海可靠声路径环境的多传感器脉冲声源定位方法 | |
CN109917365A (zh) | 具有抑制检测目标分裂功能的雷达目标检测方法及装置 | |
CN110243939B (zh) | 一种基于机械波定位的水坝缺陷检测系统及其工作方法 | |
CN110967751B (zh) | 基于地面浅井监测的微地震事件的定位方法及存储介质 | |
KR101483022B1 (ko) | 다중표적 순간소음원의 방위탐지방법 | |
Wang et al. | Research of ultrashort baseline positioning method based on depth information | |
CN108333575B (zh) | 基于高斯先验与区间约束的移动声源时延滤波方法 | |
Gustafsson et al. | Direction of arrival estimation in sensor arrays using local series expansion of the received signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240227 |
|
AD01 | Patent right deemed abandoned |