简介：传统地形辅助导航适配区选择主要根据某一个地形特征参数的大小决定,因此不可避免地存在对地形适配性评判的不全面性。为了克服传统方法的缺点,提出了一种基于熵值法赋权灰色关联决策的地形辅助导航适配区选择方法,该方法综合考虑了地形标准差、粗糙度、地形高度熵及相关系数对适配区选择的影响。首先,利用计算得到的各特征参数值构建灰色决策矩阵;其次,对决策矩阵进行极差变换以及归一化处理得到灰色关联判断矩阵;最后,采用熵值赋权法客观计算各决策属性的权重,得到地形适配性综合评价指标。仿真结果表明,在评价值高的区域进行地形辅助导航,其匹配误差将更小。

简介：针对自主驾驶车辆长时间导航精度要求难以满足的问题,建立了GPS与微惯性导航系统的组合导航滤波模型,在位置观测的同时引入姿态信息,提高了导航精度。在此基础上提出了基于权值矩阵的模糊自适应卡尔曼滤波算法,该算法通过模糊控制器自适应地改变每个观测量的权值,得到权值矩阵引入卡尔曼滤波器实现自适应滤波。仿真和实验结果表明,所提出的权值矩阵模糊卡尔曼滤波性能优于衰减因子自适应卡尔曼滤波,特别是在GPS信号失真及噪声先验统计特性不可知的情况下,其定位精度能够保证在1m之内。

简介：为了实现GPS信号缺失下的移动机器人自主导航,解决传统粒子滤波中的粒子退化以及粒子贫乏引起的移动机器人定位和导航精度下降问题,提出了基于小生境理论的启发式蝙蝠优化粒子滤波的同时定位与地图构建算法。首先,在启发式蝙蝠优化算法的速度和位置更新过程中,引入惯性权重,加快了算法寻优精度,提高了收敛速度;然后,利用小生境理论进一步优化启发式蝙蝠算法,利用排挤机制和惩罚函数,有效地保证了种群的多样性,提高了算法的全局寻优能力;最后,将基于小生境理论的启发式蝙蝠优化算法用于传统粒子滤波采样中,使得粒子能够智能、快速地向高似然区域运动,同时提高了传统粒子滤波算法的全局寻优能力和寻优精度。实验结果表明：该算法显著提高了移动机器人导航和定位的精度和实时性。