CN116953758A - 一种基于5g和北斗的卫生应急作业平台系统及方法 - Google Patents

一种基于5g和北斗的卫生应急作业平台系统及方法 Download PDF

Info

Publication number
CN116953758A
CN116953758A CN202311205987.6A CN202311205987A CN116953758A CN 116953758 A CN116953758 A CN 116953758A CN 202311205987 A CN202311205987 A CN 202311205987A CN 116953758 A CN116953758 A CN 116953758A
Authority
CN
China
Prior art keywords
data
sliding mode
sanitary
emergency equipment
beidou
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.)
Granted
Application number
CN202311205987.6A
Other languages
English (en)
Other versions
CN116953758B (zh
Inventor
卢琰
周凌云
徐勇
寇治魁
黎丽娜
李军
杜宝林
李胜峰
李剑森
梁文佳
张荫�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CENTRE FOR DISEASE CONTROL AND PREVENTION OF GUANGDONG PROVINCE
Guangdong Science & Technology Infrastructure Center
Original Assignee
CENTRE FOR DISEASE CONTROL AND PREVENTION OF GUANGDONG PROVINCE
Guangdong Science & Technology Infrastructure Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CENTRE FOR DISEASE CONTROL AND PREVENTION OF GUANGDONG PROVINCE, Guangdong Science & Technology Infrastructure Center filed Critical CENTRE FOR DISEASE CONTROL AND PREVENTION OF GUANGDONG PROVINCE
Priority to CN202311205987.6A priority Critical patent/CN116953758B/zh
Publication of CN116953758A publication Critical patent/CN116953758A/zh
Application granted granted Critical
Publication of CN116953758B publication Critical patent/CN116953758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/81—Indexing, e.g. XML tags; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/83—Querying
    • G06F16/832—Query formulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于5G和北斗的卫生应急作业平台系统及方法，所述系统包括：指挥终端、卫生应急设备和显示终端；所述指挥终端被配置为：通过5G网络获取所述卫生应急设备的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；对所述多源异构数据进行整合处理，得到目标数据；采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置；基于所述定位位置生成定位数据，将所述定位数据发送至所述显示终端，以使所述显示终端显示所述定位位置。本发明能够实现卫生应急设备在复杂环境下的高精度定位，还能够实现信息快速采集和低时延传输。

Description

一种基于5G和北斗的卫生应急作业平台系统及方法
技术领域
本发明涉及移动设备定位领域，尤其涉及一种基于5G和北斗的卫生应急作业平台系统及方法。
背景技术
由于在发生卫生灾害事件之后，为了实现科学应急处理，需要多种卫生应急数据的辅助支撑，如：现场环境数据、终端设备运行状态数据以及历史数据，这些卫生应急数据共同构成了应急救援场景下的多源异构数据；而现有的数据存储与检索系统通常将多源异构数据按不同形式或模态进行分类并单独处理，从而导致多源异构数据之间缺乏关联与接入不统一等问题。
此外，卫生应急领域普遍面临着应急灾情精准快速获取、流调车精准定位等需求，而现有的定位系统多采用全球卫星导航系统，这种方法在开阔区域定位精度较高，但在地下、洞穴、丛林等场景，受到遮挡及信号噪声等影响，定位精度严重下降甚至形成定位死区；并且由于GNSS（Global Navigation Satellite System，全球导航卫星系统）信号是 L1 波段、抗干扰能力差、穿透能力弱，卫生应急设备在接收GNSS信号的过程中容易受到影响，从而导致数据更新缓慢、导致导航定位精度差、时效性差等问题。
发明内容
为了解决上述技术问题，本发明实施例提出了一种基于5G和北斗的卫生应急作业平台系统及方法，能够有效整合不同的卫生应急设备所采集到的多源异构数据，并且实现卫生应急设备的高精度定位。
为了实现上述目的，本发明实施例提供了一种基于5G和北斗的卫生应急作业平台系统，包括：指挥终端、卫生应急设备和显示终端；
所述指挥终端被配置为：
通过5G网络获取所述卫生应急设备的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；
对所述多源异构数据进行整合处理，得到目标数据；
采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置；
基于所述定位位置生成定位数据，将所述定位数据发送至所述显示终端，以使所述显示终端显示所述定位位置。
进一步的，所述卫生应急设备包括若干前端设备，所述多源异构数据包括每一所述前端设备的源数据，所述目标数据包括每一所述前端设备的整合数据；则，所述对所述多源异构数据进行整合处理，得到目标数据，具体包括：采用XML Schema构建元数据库；其中，所述元数据库包括元数据库管理器；通过所述元数据库管理器，根据每一所述前端设备的源数据在所述元数据库中进行注册，以在所述元数据库中生成每一所述前端设备的整合数据。
进一步的，在所述得到目标数据之后，所述指挥终端还被配置为：根据预设的需求信息，对所述元数据库进行查询处理，得到若干查询结果；其中，所述查询处理包括查询验证、查询分析、查询分解或查询转换；对所述查询结果进行整合，根据预设的数据格式要求，对整合后的查询结果进行封装。
进一步的，所述需求信息包括接收到的视频需求信息，所述查询结果包括视频数据；则，在所述得到目标数据之后，所述指挥终端还被配置为：根据所述视频需求信息，对所述元数据库进行查询处理，得到与所述卫生应急设备对应的视频数据；其中，与所述卫生应急设备对应的视频数据是由所述卫生应急设备拍摄的视频所确定的；将与所述卫生应急设备对应的视频数据发送至显示终端，以使所述显示终端播放所述卫生应急设备拍摄的视频。
进一步的，所述采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置，具体包括：获取所述目标数据中包含的导航卫星数据和传感器数据；其中，所述导航卫星数据是由所述卫生应急设备接收到的北斗卫星数据所确定的，所述传感器数据是由设于所述卫生应急设备上的传感器采集到的数据所确定的；基于所述导航卫星数据和传感器数据进行加权最小二乘计算，以构建初始化状态向量；采用扩展卡尔曼滤波算法，根据所述初始化状态向量确定第一状态预测协方差；根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置。
进一步的，所述滑模观测器的构建方法包括：
基于所述目标数据中包含的测量信息，构建测量值如式（1）；
；（1）
根据所述测量值，构建第一系统如式（2）：
；（2）
构建所述第一系统的误差如式（3）：
；（3）
根据所述第一系统的误差，构建积分滑模面如式（4）：
;（4）
根据所述积分滑模面，构建李雅普诺夫函数如式（5）：
;（5）
对所述李雅普诺夫函数进行求导如式（6）：
;（6）
基于滑模观测器理论、所述第一系统、所述第一系统的误差、所述积分滑模面和求导后的李雅普诺夫函数，构造滑模观测器如式（7）：
；（7）
基于所述第一系统和所述滑模观测器，计算得到所述第一系统的输入量的最终估计值如式（8）；
;(8)
其中，所述测量信息包括所述卫生应急设备的经度、纬度/>、高度/>、经度方向速度/>、纬度方向速度/>和高度方向速度/>，/>为所述测量值，x为所述第一系统的状态参数，/>为x的导数，F为第一系统矩阵，G为噪声驱动矩阵，d为所述第一系统的输入量，y为所述第一系统的输出变量，/>为x的估计值，L为滑模观测器增益，/>为符号函数，为所述第一系统的输入量的最终估计值，k为控制变量，z为滑模趋近率，e为第一系统的误差，s为积分滑模面，V为李雅普诺夫函数，T表示进行转置运算，/>为V的导数，/>为/>的导数。
进一步的，所述根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置，具体包括：
构建线性化系统的观测方程如式（9）：
；（9）
对所述观测方程进行近似计算，得到近似观测方程如式（10）：
；（10）
基于所述滑模观测器和所述近似观测方程，对所述第一状态预测协方差进行更新，得到第二状态预测协方差如式（11）：
其中，为非线性系统的状态函数，h为非线性系统的量测函数，/>为第k-1次的第一高斯白噪声，/>为第k次的第二高斯白噪声，/>为第k次的状态向量，/>为第k次的量测向量，/>为预设的第一估值点，/>为预设的第二估值点，/>为的雅克比矩阵，/>为/>的雅克比矩阵，/>为数学期望的计算式，为/>的最佳估计值，/>为所述第二状态预测协方差，/>为估计方差，为符合方差，/>为第k-1次的状态向量，T表示进行转置运算。
进一步的，所述传感器数据包括惯性测量单元数据和气压计传感单元数据；所述惯性测量单元数据是由设于所述卫生应急设备上的惯性测量单元采集到的数据所确定的，用于表征所述卫生应急设备的速度和加速度；所述气压计传感单元数据是由设于所述卫生应急设备上的气压计传感器采集到的数据所确定的，用于表征所述卫生应急设备的高度。
进一步的，所述指挥终端还被配置为：当与所述卫生应急设备之间的5G网络连接状态不满足预设的通信条件时，通过卫星通信链路接收所述卫生应急设备发送的多源异构数据；其中，所述卫生应急设备是由所述若干前端设备自组网后所组成的。
本发明实施例还提供了一种基于5G和北斗的卫生应急作业方法，包括：
通过5G网络获取卫生应急设备的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；
对所述多源异构数据进行整合处理，得到目标数据；
采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置；
基于所述定位位置生成定位数据，将所述定位数据发送至显示终端，以使所述显示终端显示所述定位位置。
综上，本发明具有以下有益效果：
采用本发明实施例，通过使用XML技术能够整合各级前端设备的多源异构数据，以实现各级前端设备的异构数据间的数据交换，且在GNSS信号不好难以获得精准的导航卫星数据时，通过对多种传感器的数据融合尤其是利用了惯性测量单元数据来进行辅助定位，能够实现卫生应急设备在复杂环境下的高精度定位，还能够实现信息快速采集和低时延传输。
附图说明
图1是本发明提供的一种基于5G和北斗的卫生应急作业平台系统的一个实施例的结构示意图；
图2是本发明提供的一种基于5G和北斗的卫生应急作业平台方法的一个实施例的流程示意图；
图3是本发明提供的一种基于5G和北斗的卫生应急作业平台方法的一个具体实施例的流程示意图；
图4是本发明提供的基于滑模观测器的扩展卡尔曼滤波算法进行定位预测的具体实施例。
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作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。
参见图1，是本发明提供的基于5G和北斗的卫生应急作业平台系统的一个实施例的结构示意图，该系统包括：指挥终端102、卫生应急设备101和显示终端103；
所述指挥终端102被配置为：
通过5G网络获取所述卫生应急设备101的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；
对所述多源异构数据进行整合处理，得到目标数据；
采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定与所述卫生应急设备101对应的定位位置；
基于所述定位位置生成定位数据，将所述定位数据发送至所述显示终端103，以使所述显示终端103显示所述定位位置。
需要说明的是，所述卫生应急设备101包括若干前端设备。
示例性的，所述前端设备包括：无人机、单兵、布控球、执法仪、IPAD 等等。这些不同来源的数据都有可视化呈现的需求，而由于各前端设备的数据差异较大，进而导致各前端设备的数据交换难度高、数据无法整合融通等问题。
优选地，所述卫生应急设备101包括若干前端设备，所述多源异构数据包括每一所述前端设备的源数据，所述目标数据包括每一所述前端设备的整合数据；则，所述对所述多源异构数据进行整合处理，得到目标数据，具体包括：采用XML Schema构建元数据库；其中，所述元数据库包括元数据库管理器；通过所述元数据库管理器，根据每一所述前端设备的源数据在所述元数据库中进行注册，以在所述元数据库中生成每一所述前端设备的整合数据。
作为上述方案的改进，在所述得到目标数据之后，所述指挥终端102还被配置为：根据预设的需求信息，对所述元数据库进行查询处理，得到若干查询结果；其中，所述查询处理包括查询验证、查询分析、查询分解或查询转换；对所述查询结果进行整合，根据预设的数据格式要求，对整合后的查询结果进行封装。
需要说明的是，通过XML技术实现各级前端设备的多源异构数据之间的数据交换。首先，使用XML Schema生成元数据库以建立全局字典；其中，元数据库中储存了全局信息，系统通过元数据库管理器对元数据库进行访问和管理操作，所有多源异构数据都通过元数据库管理器在元数据库中进行注册。还在元数据库中布置有查询管理模块，查询管理模块由查询请求处理器、查询结果整合器和查询结果封装器组成。其中，查询请求处理器用于实现查询验证、查询分析、查询分解和查询转换功能；查询结果整合器用于对元数据库所返回的分散查询结果进行整合。最终查询结果封装器根据数据发布层所提交的数据格式要求，对结果数据进行封装，将结果返回给数据发布层。所述数据发布层用于与外部进行数据交换，还用于接收用户终端发送的需求信息，将需求信息转换成为查询请求，提交到数据加工层，待数据加工层返回封装好的结果数据后，通过多渠道发送至用户终端上。
作为上述方案的进一步改进，所述需求信息包括接收到的视频需求信息，所述查询结果包括视频数据；则，在所述得到目标数据之后，所述指挥终端102还被配置为：根据所述视频需求信息，对所述元数据库进行查询处理，得到与所述卫生应急设备101对应的视频数据；其中，与所述卫生应急设备101对应的视频数据是由所述卫生应急设备101拍摄的视频所确定的；将与所述卫生应急设备101对应的视频数据发送至显示终端103，以使所述显示终端103播放所述卫生应急设备101拍摄的视频。
优选地，所述采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定与所述卫生应急设备101对应的定位位置，具体包括：获取所述目标数据中包含的导航卫星数据和传感器数据；其中，所述导航卫星数据是由所述卫生应急设备101接收到的北斗卫星数据所确定的，所述传感器数据是由设于所述卫生应急设备101上的传感器采集到的数据所确定的；基于所述导航卫星数据和传感器数据进行加权最小二乘计算，以构建初始化状态向量；采用扩展卡尔曼滤波算法，根据所述初始化状态向量确定第一状态预测协方差；根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置。
需要说明的是，导航卫星数据是由所述卫生应急设备101接收到的导航卫星发出的GNSS（Global Navigation Satellite System，全球导航卫星系统）数据所确定的；所述卫生应急设备101上设有GNSS记录器软件，用于跟踪并接收来自可用卫星的原始伪距测量。
可以理解的是，基于所述导航卫星数据和传感器数据进行加权最小二乘计算以构建初始化状态向量，从而能够有效融合导航卫星数据和传感器数据以估算得到更精准的卫生应急设备101的定位位置。
作为上述方案的改进，所述滑模观测器的构建方法包括：
基于所述目标数据中包含的测量信息，构建测量值如式（1）；
；（1）
根据所述测量值，构建第一系统如式（2）：
；（2）
构建所述第一系统的误差如式（3）：
；（3）
根据所述第一系统的误差，构建积分滑模面如式（4）：
;（4）
根据所述积分滑模面，构建李雅普诺夫函数如式（5）：
;（5）
对所述李雅普诺夫函数进行求导如式（6）：
;（6）
基于滑模观测器理论、所述第一系统、所述第一系统的误差、所述积分滑模面和求导后的李雅普诺夫函数，构造滑模观测器如式（7）：
；（7）
基于所述第一系统和所述滑模观测器，计算得到所述第一系统的输入量的最终估计值如式（8）；
;(8)
其中，所述测量信息包括所述卫生应急设备的经度、纬度/>、高度/>、经度方向速度/>、纬度方向速度/>和高度方向速度/>，/>为所述测量值，x为所述第一系统的状态参数，/>为x的导数，F为第一系统矩阵，G为噪声驱动矩阵，d为所述第一系统的输入量，y为所述第一系统的输出变量，/>为x的估计值，L为滑模观测器增益，/>为符号函数，/>为所述第一系统的输入量的最终估计值，k为控制变量，z为滑模趋近率，e为第一系统的误差，s为积分滑模面，V为李雅普诺夫函数，T表示进行转置运算，/>为V的导数，/>为/>的导数。
作为上述方案的进一步改进，所述根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置，具体包括：
构建线性化系统的观测方程如式（9）：
；（9）
对所述观测方程进行近似计算，得到近似观测方程如式（10）：
；（10）
基于所述滑模观测器和所述近似观测方程，对所述第一状态预测协方差进行更新，得到第二状态预测协方差如式（11）：
其中，为非线性系统的状态函数，h为非线性系统的量测函数，/>为第k-1次的第一高斯白噪声，/>为第k次的第二高斯白噪声，/>为第k次的状态向量，/>为第k次的量测向量，/>为预设的第一估值点，/>为预设的第二估值点，/>为的雅克比矩阵，/>为/>的雅克比矩阵，/>为数学期望的计算式，为/>的最佳估计值，/>为所述第二状态预测协方差，/>为估计方差，为符合方差，/>为第k-1次的状态向量，T表示进行转置运算。
需要说明的是，所述对所述观测方程进行近似计算，得到近似观测方程如式（10）的推导过程如下：对所述状态函数在预设的第一估值点处进行泰勒级数展开，在展开后的状态函数中保留一次项并舍弃阶数大于等于二阶的项；对所述量测函数在预设的第二估值点/>处进行泰勒级数展开，在展开后的量测函数中保留一次项并舍弃阶数大于等于二阶的项，得到式（10）。
需要说明的是，所述对所述第一状态预测协方差进行更新，具体包括：
在时间更新阶段，对所述第一状态预测协方差进一步预测为：
且在组合导航中，由于采取的是闭环校正方式，在执行闭环校正卡尔曼滤波时，系统的状态预估计始终为0，所以又有：；
再假设滑模观测器在滑模面(目标值附近)“调整”，采用滑模观测器更新第一状态预测协方差为式（11）。
可以理解的是，利用多种传感器数据融合的方式，实现在复杂环境下的可靠、高精度定位，优化了对卫生应急设备101进行定位的流程。并且考虑到EKF（Extended KalmanFilter，扩展卡尔曼滤波）算法在进行线性化时，会引入阶段误差从而导致滤波精度下降，同时当初始状态误差较大或系统模型非线性程度较高时，滤波精度会受到严重影响甚至产生发散、鲁棒性差等问题，针对上述问题，通过结合滑模观测器来增强EKF算法的鲁棒性。另一方面，还可用于扩展传感器数据融合算法，例如来自车载摄像头系统的视频里程计、电子围栏等等传感器所采集到的数据。
示例性的，参见图4，是本申请提供的基于滑模观测器的扩展卡尔曼滤波算法进行定位预测的具体实施例。
所述基于所述定位位置生成定位数据，将所述定位数据发送至所述显示终端103，以使所述显示终端103显示所述定位位置。说明如下：
可以理解的是，本申请在导航卫星数据（例如GPS信号）失锁前具有更好的滤波效果，当失锁时，本申请能够较好地维持系统精度，抑制系统误差发散，提高了系统的鲁棒性，得到更小的发散误差。
优选地，所述传感器数据包括惯性测量单元数据和气压计传感单元数据；所述惯性测量单元数据是由设于所述卫生应急设备101上的惯性测量单元采集到的数据所确定的，用于表征所述卫生应急设备101的速度和加速度；所述气压计传感单元数据是由设于所述卫生应急设备101上的气压计传感器采集到的数据所确定的，用于表征所述卫生应急设备101的高度。
优选地，所述指挥终端102还被配置为：当与所述卫生应急设备101之间的5G网络连接状态不满足预设的通信条件时，通过卫星通信链路接收所述卫生应急设备101发送的多源异构数据；其中，所述卫生应急设备101是由所述若干前端设备自组网后所组成的。
示例性的，所述通信条件包括所述指挥终端102与所述卫生应急设备101之间的5G网络信号覆盖不佳。
示例性的，采用5G/自组网混合无线通信网络模块进行数据传输。采用5G作为公网，以进行单兵的前端设备、无人机实时视频回传等数据传输，并通过建立北斗短报文云基站，以集成网络通信与北斗短报文通信，打通了网络和北斗短报文之间的通信链路，解决了有网和无网条件下的通信难题。能够结合北斗高精度定位及北斗短报文通信等技术，构建北斗应急救援调度流程。当有5G公网时，无人机/单兵前端设备通过5G和卫星通信链路将数据传输至指挥终端102；当无 5G 公网时，前端设备进行自组网实现区域内信息流转（包括采集的无人机、布控球、执法仪等前端视实时动态数据），自组网后前端设备内部进行数据交互以集成相关数据，最终并通过建立了北斗短报文云基站，集成网络通信与北斗短报文通信，打通了网络和北斗短报文之间的通信链路，并实现在非公网信号覆盖区利用自组网进行信息双向传输，最终传输至指挥终端102。
参见图2，本发明实施例还提供了一种基于5G和北斗的卫生应急作业方法，包括步骤S1至S4，具体如下：
S1,通过5G网络获取卫生应急设备的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；
S2,对所述多源异构数据进行整合处理，得到目标数据；
S3,采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置；
S4,基于所述定位位置生成定位数据，将所述定位数据发送至显示终端，以使所述显示终端显示所述定位位置。
需要说明的是，所述卫生应急设备101包括若干前端设备。
示例性的，所述前端设备包括：无人机、单兵、布控球、执法仪、IPAD 等等。这些不同来源的数据都有可视化呈现的需求，而由于各前端设备的数据差异较大，进而导致各前端设备的数据交换难度高、数据无法整合融通等问题。
优选地，所述卫生应急设备101包括若干前端设备，所述多源异构数据包括每一所述前端设备的源数据，所述目标数据包括每一所述前端设备的整合数据；则，所述对所述多源异构数据进行整合处理，得到目标数据，具体包括：采用XML Schema构建元数据库；其中，所述元数据库包括元数据库管理器；通过所述元数据库管理器，根据每一所述前端设备的源数据在所述元数据库中进行注册，以在所述元数据库中生成每一所述前端设备的整合数据。
作为上述方案的改进，在所述得到目标数据之后，还包括：根据预设的需求信息，对所述元数据库进行查询处理，得到若干查询结果；其中，所述查询处理包括查询验证、查询分析、查询分解或查询转换；对所述查询结果进行整合，根据预设的数据格式要求，对整合后的查询结果进行封装。
需要说明的是，通过XML技术实现各级前端设备的多源异构数据之间的数据交换。首先，使用XML Schema生成元数据库以建立全局字典；其中，元数据库中储存了全局信息，系统通过元数据库管理器对元数据库进行访问和管理操作，所有多源异构数据都通过元数据库管理器在元数据库中进行注册。还在元数据库中布置有查询管理模块，查询管理模块由查询请求处理器、查询结果整合器和查询结果封装器组成。其中，查询请求处理器用于实现查询验证、查询分析、查询分解和查询转换功能；查询结果整合器用于对元数据库所返回的分散查询结果进行整合。最终查询结果封装器根据数据发布层所提交的数据格式要求，对结果数据进行封装，将结果返回给数据发布层。所述数据发布层用于与外部进行数据交换，还用于接收用户终端发送的需求信息，将需求信息转换成为查询请求，提交到数据加工层，待数据加工层返回封装好的结果数据后，通过多渠道发送至用户终端上。
作为上述方案的进一步改进，所述需求信息包括接收到的视频需求信息，所述查询结果包括视频数据；则，在所述得到目标数据之后，还包括：根据所述视频需求信息，对所述元数据库进行查询处理，得到与所述卫生应急设备101对应的视频数据；其中，与所述卫生应急设备101对应的视频数据是由所述卫生应急设备101拍摄的视频所确定的；将与所述卫生应急设备101对应的视频数据发送至显示终端103，以使所述显示终端103播放所述卫生应急设备101拍摄的视频。
优选地，所述采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定与所述卫生应急设备101对应的定位位置，具体包括：获取所述目标数据中包含的导航卫星数据和传感器数据；其中，所述导航卫星数据是由所述卫生应急设备101接收到的北斗卫星数据所确定的，所述传感器数据是由设于所述卫生应急设备101上的传感器采集到的数据所确定的；基于所述导航卫星数据和传感器数据进行加权最小二乘计算，以构建初始化状态向量；采用扩展卡尔曼滤波算法，根据所述初始化状态向量确定第一状态预测协方差；根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置。
需要说明的是，导航卫星数据是由所述卫生应急设备101接收到的导航卫星发出的GNSS（Global Navigation Satellite System，全球导航卫星系统）数据所确定的；所述卫生应急设备101上设有GNSS记录器软件，用于跟踪并接收来自可用卫星的原始伪距测量。
可以理解的是，基于所述导航卫星数据和传感器数据进行加权最小二乘计算以构建初始化状态向量，从而能够有效融合导航卫星数据和传感器数据以估算得到更精准的卫生应急设备101的定位位置。
作为上述方案的改进，所述滑模观测器的构建方法包括：
基于所述目标数据中包含的测量信息，构建测量值如式（1）；
；（1）
根据所述测量值，构建第一系统如式（2）：
；（2）
构建所述第一系统的误差如式（3）：
；（3）
根据所述第一系统的误差，构建积分滑模面如式（4）：
;（4）
根据所述积分滑模面，构建李雅普诺夫函数如式（5）：
;（5）/>
对所述李雅普诺夫函数进行求导如式（6）：
;（6）
基于滑模观测器理论、所述第一系统、所述第一系统的误差、所述积分滑模面和求导后的李雅普诺夫函数，构造滑模观测器如式（7）：
；（7）
基于所述第一系统和所述滑模观测器，计算得到所述第一系统的输入量的最终估计值如式（8）；
;(8)
其中，所述测量信息包括所述卫生应急设备的经度、纬度/>、高度/>、经度方向速度/>、纬度方向速度/>和高度方向速度/>，/>为所述测量值，x为所述第一系统的状态参数，/>为x的导数，F为第一系统矩阵，G为噪声驱动矩阵，d为所述第一系统的输入量，y为所述第一系统的输出变量，/>为x的估计值，L为滑模观测器增益，/>为符号函数，为所述第一系统的输入量的最终估计值，k为控制变量，z为滑模趋近率，e为第一系统的误差，s为积分滑模面，V为李雅普诺夫函数，T表示进行转置运算，/>为V的导数，/>为/>的导数。
作为上述方案的进一步改进，所述根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置，具体包括：
构建线性化系统的观测方程如式（9）：
；（9）
对所述观测方程进行近似计算，得到近似观测方程如式（10）：
；（10）
基于所述滑模观测器和所述近似观测方程，对所述第一状态预测协方差进行更新，得到第二状态预测协方差如式（11）：
其中，为非线性系统的状态函数，h为非线性系统的量测函数，/>为第k-1次的第一高斯白噪声，/>为第k次的第二高斯白噪声，/>为第k次的状态向量，/>为第k次的量测向量，/>为预设的第一估值点，/>为预设的第二估值点，/>为的雅克比矩阵，/>为/>的雅克比矩阵，/>为数学期望的计算式，为/>的最佳估计值，/>为所述第二状态预测协方差，/>为估计方差，为符合方差，/>为第k-1次的状态向量，T表示进行转置运算。
需要说明的是，所述对所述观测方程进行近似计算，得到近似观测方程如式（10）的推导过程如下：对所述状态函数在预设的第一估值点处进行泰勒级数展开，在展开后的状态函数中保留一次项并舍弃阶数大于等于二阶的项；对所述量测函数在预设的第二估值点/>处进行泰勒级数展开，在展开后的量测函数中保留一次项并舍弃阶数大于等于二阶的项，得到式（10）。
需要说明的是，所述对所述第一状态预测协方差进行更新，具体包括：
在时间更新阶段，对所述第一状态预测协方差进一步预测为：
且在组合导航中，由于采取的是闭环校正方式，在执行闭环校正卡尔曼滤波时，系统的状态预估计始终为0，所以又有：；
再假设滑模观测器在滑模面(目标值附近)“调整”，采用滑模观测器更新第一状态预测协方差为式（11）。
可以理解的是，利用多种传感器数据融合的方式，实现在复杂环境下的可靠、高精度定位，优化了对卫生应急设备101进行定位的流程。并且考虑到EKF（Extended KalmanFilter，扩展卡尔曼滤波）算法在进行线性化时，会引入阶段误差从而导致滤波精度下降，同时当初始状态误差较大或系统模型非线性程度较高时，滤波精度会受到严重影响甚至产生发散、鲁棒性差等问题，针对上述问题，通过结合滑模观测器来增强EKF算法的鲁棒性。另一方面，还可用于扩展传感器数据融合算法，例如来自车载摄像头系统的视频里程计、电子围栏等等传感器所采集到的数据。
示例性的，参见图4，是本申请提供的基于滑模观测器的扩展卡尔曼滤波算法进行定位预测的具体实施例。
所述基于所述定位位置生成定位数据，将所述定位数据发送至所述显示终端103，以使所述显示终端103显示所述定位位置。说明如下：
可以理解的是，本申请在导航卫星数据（例如GPS信号）失锁前具有更好的滤波效果，当失锁时，本申请能够较好地维持系统精度，抑制系统误差发散，提高了系统的鲁棒性，得到更小的发散误差。
优选地，所述传感器数据包括惯性测量单元数据和气压计传感单元数据；所述惯性测量单元数据是由设于所述卫生应急设备101上的惯性测量单元采集到的数据所确定的，用于表征所述卫生应急设备101的速度和加速度；所述气压计传感单元数据是由设于所述卫生应急设备101上的气压计传感器采集到的数据所确定的，用于表征所述卫生应急设备101的高度。
优选地，所述方法还包括：当与所述卫生应急设备101之间的5G网络连接状态不满足预设的通信条件时，通过卫星通信链路接收所述卫生应急设备101发送的多源异构数据；其中，所述卫生应急设备101是由所述若干前端设备自组网后所组成的。
示例性的，采用5G/自组网混合无线通信网络模块进行数据传输。采用5G作为公网，以进行单兵的前端设备、无人机实时视频回传等数据传输，并通过建立北斗短报文云基站，以集成网络通信与北斗短报文通信，打通了网络和北斗短报文之间的通信链路，解决了有网和无网条件下的通信难题。能够结合北斗高精度定位及北斗短报文通信等技术，构建北斗应急救援调度流程。当有5G公网时，无人机/单兵前端设备通过5G和卫星通信链路将数据传输至指挥终端102；当无 5G 公网时，前端设备进行自组网实现区域内信息流转（包括采集的无人机、布控球、执法仪等前端视实时动态数据），自组网后前端设备内部进行数据交互以集成相关数据，最终并通过建立了北斗短报文云基站，集成网络通信与北斗短报文通信，打通了网络和北斗短报文之间的通信链路，并实现在非公网信号覆盖区利用自组网进行信息双向传输，最终传输至指挥终端102。
实施例一，参见图3，是本申请提供的一种基于5G和北斗的卫生应急作业平台方法的一个具体实施例的流程示意图。
实施例二，包括如下步骤1至步骤7：
步骤 1：采集 GNSS 数据：采用终端设备上的 GNSS 记录器软件，跟踪并接收来自可用卫星的原始伪距测量；
步骤 2：数据传输：采用 5G/自组网混合无线通信网络模块进行数据传输，通过5G 进行单兵、无人机实时视频回传，设计建立了北斗短报文云基站，集成网络通信与北斗短报文通信，打通了网络和北斗短报文之间的通信链路，解决了有网和无网条件下的通信难题。本专利创新北斗应用服务模式，结合北斗高精度定位及北斗短报文通信等技术，构建北斗应急救援调度流程。当有 5G 公网时，应急作业终端首先通过北斗通讯模块接收北斗卫星信号，完成应急作业终端信息定位，并通过正常的5G公网信号与后方指挥平台进行信息传输;当无 5G 公网时，应急作业终端通过5G自组网进行控制并通过5G自组网实现区域内信息流转（包括采集的无人机、布控球、执法仪等前端视实时动态数据）。作业终端通过5G自组网+北斗通讯模块，接收北斗卫星信号，完成应急作业终端信息定位，通过自组网与后方应急信息接收端实现信息互联互通。并通过建立了北斗短报文云基站，集成网络通信与北斗短报文通信，打通了网络和北斗短报文之间的通信链路，并实现在非公网信号覆盖区利用自组网进行信息双向传输。
步骤 3：将获取 GNSS 数据输入扩展卡尔曼滤波器(EKF)以获得基线位置解：首先，使用原始 GNSS 信号来寻找位置解，实现了一个扩展的卡尔曼滤波器，它使用静态运动模型进行预测步骤，使用 GNSS 数据进行更新步骤。
步骤 4：初始化状态向量：通过计算加权最小二乘近似并将结果用于初始状态向量来初始化状态向量。
步骤 5：在卡尔曼滤波器算法的预测协方差阶段，采用滑模观测器进行融合预测估计，其中，假设滑模观测器在滑模面(目标值附近)“调整”，进而通过滑模观测器求出状态预测协方差。
步骤 6：在使用GNSS原始测量的EKF之后，获取终端机载的IMU传感器和气压计传感器的数据；
步骤 7：通过集成来自机载终端的惯性测量单元(IMU)数据进一步改进了本专利的方法；将机载IMU传感器和气压计传感器数据融合，扩展了所提出的 EKF 定位算法，以增强基于 CNSS 的精确定位解决方案。
综上，本发明具有以下有益效果：
采用本发明实施例，通过使用XML技术能够整合各级前端设备的多源异构数据，以实现各级前端设备的异构数据间的数据交换，且在GNSS信号不好难以获得精准的导航卫星数据时，通过对多种传感器的数据融合尤其是利用了惯性测量单元数据来进行辅助定位，能够实现卫生应急设备在复杂环境下的高精度定位，还能够实现信息快速采集和低时延传输。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于5G和北斗的卫生应急作业平台系统，其特征在于，包括：指挥终端、卫生应急设备和显示终端；
所述指挥终端被配置为：
通过5G网络获取所述卫生应急设备的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；
对所述多源异构数据进行整合处理，得到目标数据；
采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置；
基于所述定位位置生成定位数据，将所述定位数据发送至所述显示终端，以使所述显示终端显示所述定位位置。
2.如权利要求1所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述卫生应急设备包括若干前端设备，所述多源异构数据包括每一所述前端设备的源数据，所述目标数据包括每一所述前端设备的整合数据；
则，所述对所述多源异构数据进行整合处理，得到目标数据，具体包括：
采用XML Schema构建元数据库；其中，所述元数据库包括元数据库管理器；
通过所述元数据库管理器，根据每一所述前端设备的源数据在所述元数据库中进行注册，以在所述元数据库中生成每一所述前端设备的整合数据。
3.如权利要求2所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，在所述得到目标数据之后，所述指挥终端还被配置为：
根据预设的需求信息，对所述元数据库进行查询处理，得到若干查询结果；其中，所述查询处理包括查询验证、查询分析、查询分解或查询转换；
对所述查询结果进行整合，根据预设的数据格式要求，对整合后的查询结果进行封装。
4.如权利要求3所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述需求信息包括接收到的视频需求信息，所述查询结果包括视频数据；
则，在所述得到目标数据之后，所述指挥终端还被配置为：
根据所述视频需求信息，对所述元数据库进行查询处理，得到与所述卫生应急设备对应的视频数据；其中，与所述卫生应急设备对应的视频数据是由所述卫生应急设备拍摄的视频所确定的；
将与所述卫生应急设备对应的视频数据发送至显示终端，以使所述显示终端播放所述卫生应急设备拍摄的视频。
5.如权利要求1所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置，具体包括：
获取所述目标数据中包含的导航卫星数据和传感器数据；其中，所述导航卫星数据是由所述卫生应急设备接收到的北斗卫星数据所确定的，所述传感器数据是由设于所述卫生应急设备上的传感器采集到的数据所确定的；
基于所述导航卫星数据和传感器数据进行加权最小二乘计算，以构建初始化状态向量；
采用扩展卡尔曼滤波算法，根据所述初始化状态向量确定第一状态预测协方差；
根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置。
6.如权利要求5所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述滑模观测器的构建方法包括：
基于所述目标数据中包含的测量信息，构建测量值如式（1）；
；（1）
根据所述测量值，构建第一系统如式（2）：
；（2）
构建所述第一系统的误差如式（3）：
；（3）
根据所述第一系统的误差，构建积分滑模面如式（4）：
;（4）
根据所述积分滑模面，构建李雅普诺夫函数如式（5）：
;（5）
对所述李雅普诺夫函数进行求导如式（6）：
;（6）
基于滑模观测器理论、所述第一系统、所述第一系统的误差、所述积分滑模面和求导后的李雅普诺夫函数，构造滑模观测器如式（7）：
；（7）
基于所述第一系统和所述滑模观测器，计算得到所述第一系统的输入量的最终估计值如式（8）；
;(8)
其中，所述测量信息包括所述卫生应急设备的经度、纬度/>、高度/>、经度方向速度、纬度方向速度/>和高度方向速度/>，/>为所述测量值，x为所述第一系统的状态参数，/>为x的导数，F为第一系统矩阵，G为噪声驱动矩阵，d为所述第一系统的输入量，y为所述第一系统的输出变量，/>为x的估计值，L为滑模观测器增益，/>为符号函数，/>为所述第一系统的输入量的最终估计值，k为控制变量，z为滑模趋近率，e为第一系统的误差，s为积分滑模面，V为李雅普诺夫函数，T表示进行转置运算，/>为V的导数，/>为/>的导数。
7.如权利要求6所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述根据预先构建的滑模观测器，对所述第一状态预测协方差进行更新，得到第二状态预测协方差以确定所述定位位置，具体包括：
构建线性化系统的观测方程如式（9）：
；（9）
对所述观测方程进行近似计算，得到近似观测方程如式（10）：
；（10）
基于所述滑模观测器和所述近似观测方程，对所述第一状态预测协方差进行更新，得到第二状态预测协方差如式（11）：
其中，为非线性系统的状态函数，h为非线性系统的量测函数，/>为第k-1次的第一高斯白噪声，/>为第k次的第二高斯白噪声，/>为第k次的状态向量，/>为第k次的量测向量，/>为预设的第一估值点，/>为预设的第二估值点，/>为/>的雅克比矩阵，/>为/>的雅克比矩阵，/>为数学期望的计算式，/>为/>的最佳估计值，/>为所述第二状态预测协方差，/>为估计方差，/>为符合方差，为第k-1次的状态向量，T表示进行转置运算。
8.如权利要求5所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述传感器数据包括惯性测量单元数据和气压计传感单元数据；所述惯性测量单元数据是由设于所述卫生应急设备上的惯性测量单元采集到的数据所确定的，用于表征所述卫生应急设备的速度和加速度；所述气压计传感单元数据是由设于所述卫生应急设备上的气压计传感器采集到的数据所确定的，用于表征所述卫生应急设备的高度。
9.如权利要求2所述的基于5G和北斗的卫生应急作业平台系统，其特征在于，所述指挥终端还被配置为：
当与所述卫生应急设备之间的5G网络连接状态不满足预设的通信条件时，通过卫星通信链路接收所述卫生应急设备发送的多源异构数据；其中，所述卫生应急设备是由所述若干前端设备自组网后所组成的。
10.一种基于5G和北斗的卫生应急作业方法，其特征在于，包括：
通过5G网络获取卫生应急设备的多源异构数据；其中，所述多源异构数据包括北斗卫星数据；
对所述多源异构数据进行整合处理，得到目标数据；
采用基于滑模观测器的扩展卡尔曼滤波算法，根据所述目标数据确定所述卫生应急设备的定位位置；
基于所述定位位置生成定位数据，将所述定位数据发送至显示终端，以使所述显示终端显示所述定位位置。
CN202311205987.6A 2023-09-19 2023-09-19 一种基于5g和北斗的卫生应急作业平台系统及方法 Active CN116953758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311205987.6A CN116953758B (zh) 2023-09-19 2023-09-19 一种基于5g和北斗的卫生应急作业平台系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311205987.6A CN116953758B (zh) 2023-09-19 2023-09-19 一种基于5g和北斗的卫生应急作业平台系统及方法

Publications (2)

Publication Number Publication Date
CN116953758A true CN116953758A (zh) 2023-10-27
CN116953758B CN116953758B (zh) 2023-12-26

Family

ID=88458656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311205987.6A Active CN116953758B (zh) 2023-09-19 2023-09-19 一种基于5g和北斗的卫生应急作业平台系统及方法

Country Status (1)

Country Link
CN (1) CN116953758B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060085489A1 (en) * 2004-10-15 2006-04-20 Microsoft Corporation Memory cache management in XML/relational data mapping
CN107121141A (zh) * 2017-06-08 2017-09-01 南京理工大学 一种适用于定位导航授时微系统的数据融合方法
CN109781098A (zh) * 2019-03-08 2019-05-21 兰州交通大学 一种列车定位的方法和系统
CN109901199A (zh) * 2019-03-16 2019-06-18 毕延彬 一种基于北斗导航技术的应急通信救援系统
CN112579626A (zh) * 2020-09-28 2021-03-30 京信数据科技有限公司 多源异构sql查询引擎的构建方法及装置
CN113051249A (zh) * 2021-03-22 2021-06-29 江苏杰瑞信息科技有限公司 一种基于多源异构大数据融合的云服务平台设计方法
CN116308944A (zh) * 2022-12-30 2023-06-23 应急管理部大数据中心 一种面向应急救援的数字战场实战指控平台及架构

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060085489A1 (en) * 2004-10-15 2006-04-20 Microsoft Corporation Memory cache management in XML/relational data mapping
CN107121141A (zh) * 2017-06-08 2017-09-01 南京理工大学 一种适用于定位导航授时微系统的数据融合方法
CN109781098A (zh) * 2019-03-08 2019-05-21 兰州交通大学 一种列车定位的方法和系统
CN109901199A (zh) * 2019-03-16 2019-06-18 毕延彬 一种基于北斗导航技术的应急通信救援系统
CN112579626A (zh) * 2020-09-28 2021-03-30 京信数据科技有限公司 多源异构sql查询引擎的构建方法及装置
CN113051249A (zh) * 2021-03-22 2021-06-29 江苏杰瑞信息科技有限公司 一种基于多源异构大数据融合的云服务平台设计方法
CN116308944A (zh) * 2022-12-30 2023-06-23 应急管理部大数据中心 一种面向应急救援的数字战场实战指控平台及架构

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘良斌等: "珠三角城市群综合科技服务平台构建研究", 《广东科技》, pages 59 - 62 *

Also Published As

Publication number Publication date
CN116953758B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
US11422253B2 (en) Method and system for positioning using tightly coupled radar, motion sensors and map information
US11506512B2 (en) Method and system using tightly coupled radar positioning to improve map performance
Al‐Turjman A novel approach for drones positioning in mission critical applications
CA3004246A1 (en) Local location mapping method and system
AU2018252237B2 (en) Co-localisation
WO2022174756A1 (zh) 一种车辆定位的方法、相关装置、设备以及存储介质
US20070282565A1 (en) Object locating in restricted environments using personal navigation
Bonnifait et al. Cooperative localization with reliable confidence domains between vehicles sharing GNSS pseudoranges errors with no base station
Kim et al. Deep learning-based GNSS network-based real-time kinematic improvement for autonomous ground vehicle navigation
WO2022036284A1 (en) Method and system for positioning using optical sensor and motion sensors
CN113063425B (zh) 车辆定位方法、装置、电子设备及存储介质
WO2018106311A2 (en) Signals of opportunity aided inertial navigation
Jiang et al. Smartphone PDR/GNSS integration via factor graph optimization for pedestrian navigation
CN112924997B (zh) 目标终端定位方法、装置和存储介质及电子设备
CN110851545A (zh) 地图绘制方法、装置及设备
CN107270894A (zh) 基于维数约简的gnss/sins深组合导航系统
CN114061611A (zh) 目标对象定位方法、装置、存储介质和计算机程序产品
Kourabbaslou et al. A novel design framework for tightly coupled IMU/GNSS sensor fusion using inverse-kinematics, symbolic engines, and genetic algorithms
CN116953758B (zh) 一种基于5g和北斗的卫生应急作业平台系统及方法
CN111854745A (zh) 一种基于物联网室内定位的时钟预测方法
US11879969B2 (en) Radar altimeter inertial vertical loop
CN114705223A (zh) 多移动智能体在目标跟踪中的惯导误差补偿方法及系统
Prieto et al. Unified fingerprinting/ranging localization for e-healthcare systems
Wang A driverless vehicle vision path planning algorithm for sensor fusion
CN116486029B (zh) 一种三维全息地理数据建立方法和装置

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
GR01 Patent grant
GR01 Patent grant