授时是卫星导航系统的基本服务之一,在先进电子设备研制和智能时空信息服务中具有重要作用.针对当前全球卫星导航系统(Global Navigation Satellite System,GNSS)授时方法存在的受地面共视观测站和通信网络限制的问题,本文提出一种基于北斗三号B2b信号的精密单点授时方法(B2b signal based Precise Point Timing,B2b-PPT).该方法利用北斗三号地球静止轨道(Geostationary Earth Orbit,GEO)卫星播发的B2b信号,结合双频伪距和载波相位观测值,根据精密单点定位算法实时估算接收机钟差.经过世界协调时(Universal Time Coordinated,UTC)偏差改正和硬件延迟校准后,B2b-PPT接收机对本地时钟进行驯服,从而实现高精度时频同步.基于iGMAS(international GNSS Monitoring and Assessment System)观测站的实验结果表明:使用B2b-PPT方法的单站授时精度为0.58 ns,10 h的频率稳定度为6.9E-15;站间模式的授时精度为0.33 ns,10 h的频率稳定度为1.1E-14.与传统的精密单点授时方法相比,B2b-PPT方法授时精度更高,并且具有成本低、不依赖地面通信网络和分析中心的优势.
针对传统的行人航位推算(Pedestrian Dead Reckoning,PDR)算法无法适应目标在不同运动状态下的可靠定位问题,设计并提出了一种基于深度学习进行人类活动识别(Human Activity Recognition,HAR)辅助PDR的定位方法。在离线阶段使用Wavelet-...
详细信息
针对传统的行人航位推算(Pedestrian Dead Reckoning,PDR)算法无法适应目标在不同运动状态下的可靠定位问题,设计并提出了一种基于深度学习进行人类活动识别(Human Activity Recognition,HAR)辅助PDR的定位方法。在离线阶段使用Wavelet-CNN深度学习网络对智能手机内置MEMS传感器数据进行预处理和训练,得到HAR模型。在线实时定位阶段,基于HAR模型识别目标不同运动状态并自适应地调整行人步数检测及步长估计算法。在智能手机上实现了基于HAR辅助的PDR算法,并在试验环境下开展了大量的测试验证。实验结果表明,提出的基于深度学习进行HAR辅助PDR的定位方法能够准确识别多种复杂的人类运动状态,识别精度高达99.50%。同时,较先进PDR步数识别算法准确率提高了10.94%,最大定位误差降低约16.2%,验证了所提算法的有效性。
暂无评论