作者:鲁光泉,潘日佩 单位:武汉理工大学;交通计算机应用信息网 出版:《交通信息与安全》2018年第05期 页数:9页  (PDF与DOC格式可能不同) PDF编号:PDFJTJS2018050090 DOC编号:DOCJTJS2018050099 下载格式:PDF + Word/doc 文字可复制、可编辑
《使用组合导航定位方法改善农机定位信息》PDF+DOC2011年第11期 《基于WLSE-KF的传感器融合定位算法研究》PDF+DOC2014年第06期 邢倩,郝鹏,刘维亭,李俊英,周扬,李俊 《基于EKF的MDS-MAP定位算法》PDF+DOC2019年第02期 范海红,沈水金 《基于GRI的多车协同定位研究》PDF+DOC2018年第04期 孙宁,闫梦如,倪捷,葛如海,秦洪懋,唐翊铭,高行健 《无线传感器网络定位综述》PDF+DOC2017年第34期 陈亚楠,张牧 《GPS/DR组合导航系统自适应扩展卡尔曼滤波模型的建立》PDF+DOC1998年第03期 房建成,申功勋,万德钧,周百令 《基于压缩感知的无线传感器网络多目标定位算法》PDF+DOC2012年第03期 何风行,余志军,刘海涛 《基于MDS-MAP和非线性滤波的WSN定位算法》PDF+DOC2012年第05期 陈岁生,卢建刚,楼晓春 《基于GPS和机器视觉的组合导航定位方法》PDF+DOC2011年第03期 陈艳,张漫,马文强,刘兆祥,籍颖 《基于相对方位的多机器人合作定位算法》PDF+DOC2007年第04期 王玲,刘云辉,万建伟,邵金鑫
  • 针对车载全球定位系统(global positioning system)存在的定位精度较差、定位可靠性较低等问题,提出了一种车车通信环境下考虑定位信息不确定性的多车协同定位算法。该算法在所研究车辆均装有车载GPS和前置距离传感器的基础上,以定位信息不确定性为依据进行协同定位。对自适应卡尔曼滤波进行改进以确定车辆定位信息的不确定度,搭建车间相对位置模型求解2车相对位置关系,最后设计联邦卡尔曼滤波算法利用多车数据进行融合以实现定位效果的优化。通过数值仿真表明这一算法与自车组合导航相比有效提升了GPS定位精度和可靠性,两者分别平均提升了35.2%和42.6%,且在车联网渗透率较高以及GPS信号较差时,定位效果提升更为明显。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。