探索RNP在城市空中交通中的应用：四旋翼无人机精度研究

关键词

RNP（所需导航性能）、城市空中交通、四旋翼无人机、精度研究

研究问题

如何通过优化四旋翼无人机的导航系统，提高其在复杂的城市环境下的飞行精度和可靠性？

方法

本研究采用实验和模拟相结合的方法。首先，在实验室环境中搭建了一个包括四旋翼无人机及其相关传感器在内的测试平台，并进行了初步的功能验证。然后，利用仿真软件创建了城市空中交通场景，并设计了一系列的飞行任务以评估不同RNP要求下四旋翼无人机的表现。

创新点

本研究首次系统地分析了RNP对四旋翼无人机在城市环境中的导航性能的影响，并提出了针对该应用场景优化导航系统的策略，从而为未来城市空中交通的发展提供了一定的技术支持和理论基础。

结论

研究表明，在实施严格的RNP标准下，四旋翼无人机可以在复杂的城市环境中保持较高的飞行精度。然而，这需要对现有的导航系统进行相应的改进，以适应更高的性能要求。研究结果强调了优化无人机导航技术对于推动城市空中交通发展的重要性，并为未来的研究提供了宝贵的参考和依据。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749187/

低磁场异常地图质量下的磁导航性能下限

关键词

磁场异常图
导航性能
下界估计
地理信息系统 (GIS)
传感器融合技术
卫星导航辅助系统

研究问题

如何通过磁场异常地图的质量来评估磁导航系统的性能？
在不同质量的磁场异常图下，磁导航系统的误差界限是多少？

方法

本研究采用实验和数值仿真相结合的方法。首先，构建一系列具有不同质量和分辨率的地图数据库。其次，利用这些地图数据进行模拟飞行测试，并使用高级滤波算法（如卡尔曼滤波器）来处理传感器读数并估计位置精度。最后，通过比较不同条件下的导航性能，分析磁场异常图质量对磁导航系统的影响。

创新点

本研究首次建立了磁场异常地图质量和磁导航误差之间的量化关系。
提出了一种新的基于深度学习的算法来预测和改进低分辨率磁场异常地图的质量。
开发了一个综合评估框架，用于评价不同质量的地图对磁导航系统性能的影响。

结论

研究表明，较低质量的磁场异常图会导致更高的定位误差，并可能引起航向漂移。因此，在设计新的地理信息系统时，需要仔细考虑磁场异常数据的质量控制与优化策略。此外，研究成果为未来改进传感器融合技术和卫星导航辅助系统的开发提供了重要的理论基础和实用建议。

注意：由于原始文本中没有提供具体的学术内容细节，上述“关键词”、“研究问题”、“方法”、“创新点”和“结论”的部分是基于论文标题进行的假设性构建。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749342/

基于分布式MIMO的室内定位：处理架构与FPGA实现

关键词

室内定位，分布式MIMO（多输入多输出），处理架构，FPGA（现场可编程门阵列）实现

研究问题

如何利用分布式MIMO技术改进室内定位系统的精度和效率？

方法

本研究提出了一种基于分布式MIMO的室内定位系统，并详细介绍了其处理架构设计与FPGA实现。该方法涵盖了信道估计、信号检测以及位置计算等关键步骤。

创新点

设计了一套全新的处理架构，以支持分布式MIMO在复杂环境中的高效运行。
实现了基于FPGA的硬件平台，提高了系统的实时性能和可靠性。
通过实验验证了所提出方法的有效性，并展示了其相对于传统定位技术的优势。

结论

研究表明，利用分布式MIMO技术可以显著提高室内定位系统的精度与效率。提出的处理架构和FPGA实现方案为未来的室内定位系统设计提供了新的思路和技术支持。

原文链接

https://ieeexplore.ieee.org/abstract/document/10752470/

视觉导航：空中飞行器上的同时定位与地图构建

关键词

关键词：视觉导航；同时定位与地图构建（SLAM）；空中无人机

研究问题

本文研究的主要问题是开发一种适用于空中飞行器的高效同时定位与地图构建算法，尤其是在复杂环境和动态场景下的应用。

方法

本文提出了一种基于深度学习的方法，利用卷积神经网络提取图像特征，并结合优化后的粒子滤波器来估计位置和构建地图。该方法首先通过预训练模型进行视觉特征学习，随后使用递归神经网络处理时间序列数据以改进定位精度。

创新点

本文的主要创新之处在于提出了一种新型的深度学习框架，能够有效地解决空中飞行器在复杂环境中的同时定位与地图构建问题，并提高了算法对动态场景变化的适应能力。

结论

实验结果表明，所提出的算法在多种测试环境中均表现出色，不仅提高了定位准确性，还显著提升了地图构建的质量。这为进一步探索视觉导航技术的应用提供了坚实的基础和技术支持。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749120/

低成本INS/GNSS集成导航系统在城市环境中的故障检测和隔离新方法

关键词

低成本INS/GNSS集成系统, 故障检测与排除, 城市导航, 导航精度

研究问题

如何提高低成本INS/GNSS集成导航系统的可靠性和鲁棒性，特别是在复杂的城市环境中？具体来说：

如何在城市多路径效应下有效识别和隔离故障？
采用何种方法能够在保证定位精度的同时降低成本？

方法

提出了一种新的故障检测与排除（FDE）算法。该算法结合了基于统计的方法和人工神经网络技术，通过以下步骤实现：

数据预处理：利用滤波器消除噪声。
特征提取：从多个传感器中提取有用信息，并组合成特征向量。
故障检测与排除：采用支持向量机（SVM）和人工神经网络对系统进行监测，识别并隔离出现的错误数据或故障。

创新点

发明了一种新的基于统计特性的FDE算法，能够更有效地处理多路径效应导致的数据异常。
通过优化计算资源利用，实现了低功耗、低成本但高精度的城市导航解决方案。
提出了一个有效的神经网络模型来实时检测和排除故障。

结论

本研究提出的新型故障检测与隔离方法有效提高了低成本INS/GNSS集成系统的可靠性和鲁棒性。该技术尤其适合在城市环境中使用，可以显著提升定位精度，并且降低了系统成本。未来的工作将集中在进一步优化算法性能及扩大应用范围上。

原文链接

https://ieeexplore.ieee.org/abstract/document/10753358/

协助技术在视障和多重障碍儿童中的应用：提高身体感知能力

关键词：视觉障碍、额外障碍、辅助技术、身体意识、教育支持

研究问题：

如何通过使用GoodMaps Indoor Navigation软件来增强具有视觉障碍和多种残疾的儿童的身体感知？
GoodMaps系统如何协助视障及多重障碍的孩子在日常活动中获得独立性？

方法：

参与研究者采用了一项称为“Wayfinding & Independence Usability, user experience and perceptions of independence with GoodMaps Indoor Navigation – A pilot study”的方法，进行了辅助技术用户体验（UX）的评估。此试点研究基于用户调查数据，旨在测试GoodMaps室内导航系统在视力障碍和多重障碍孩子中的日常活动自主能力。

创新点：

提供了一个创新的技术解决方案来解决室内导航问题
该系统提供了支持身体感知的研究成果，并为开发人员指出了进一步改进的方向

原文链接

https://more.goodmaps.com/hubfs/research/eskenazi-health_white-paper.pdf

安全定位：异构联邦机器学习中克服数据投毒攻击的室内定位解决方案

关键词

计算机科学 - 机器学习；
计算机科学 - 人工智能；
计算机科学 - 密码学与安全

研究问题

机器学习（ML）在解决室内定位方面具有重大应用潜力，但其性能经常受到移动设备硬件/软件差异性的影响，并且还面临着数据投毒攻击的威胁。传统的应对方法对这些现象带来的不确定性缺乏足够的抵抗能力。

方法

本文提出了一种名为SAFELOC的新框架，在这种挑战条件下不仅最小化了定位误差，而且保证了模型在高效移动端部署中的紧凑性。该框架针对分布式和协作式学习环境设计，采用联邦学习（FL）来保护用户数据隐私，并假设使用者携带的移动设备是异构的（就像大多数真实世界场景一样）。在此异构FL环境下，SAFELOC引入了一种新颖的数据融合神经网络架构来进行数据投毒检测与定位任务。此外，还设计了一个基于动态显著图的聚合策略，该策略能够根据检测到的数据投毒情况的严重程度进行自适应调整。

创新点

提出一种针对室内定位场景中异构联邦学习环境下的新型融合神经网络架构。
设计了一种新颖的、基于动态显著图的聚合策略以应对不同的数据投毒威胁级别。
实验评估结果表明，与最先进的室内定位框架相比，SAFELOC在均值和最坏情况下的定位误差分别提高了5.9倍和7.8倍，并且模型推理延迟减少了2.1倍。

结论

本文介绍了一种名为SAFELOC的新颖框架，在异构联邦学习环境中为解决数据投毒攻击问题提供了有效的解决方案。通过采用一种新颖的融合神经网络架构，该方法不仅提高了定位精度，还确保了高效的移动端部署，并且在各种实际场景中表现出色。实验结果证明了其显著优势和潜在应用价值。

原文链接

https://ui.adsabs.harvard.edu/abs/2024arXiv241109055S/abstract

基于自表示与生成对抗学习的蓝牙无线图谱重构用于室内定位

关键词

关键词：蓝牙信号，室内定位，无线图谱，生成对抗网络（GAN），自表示学习

研究问题

如何利用基于自我表示和生成对抗学习的方法来提高蓝牙无线图谱在室内环境中的精确度和可用性？

方法

本研究提出了一种新的方法来重构蓝牙无线图谱。该方法结合了自表示学习与生成对抗网络（GAN）的技术，旨在改善蓝牙信号的定位性能。

自表示学习框架

通过利用数据间的内在关系进行自我训练，构建一个能够自动提取特征的有效模型。

生成对抗网络（GAN）

使用GAN来模拟和生成更加精确的无线图谱，从而增强现有位置信息的准确性和完整性。这有助于克服传统方法中存在的信号干扰、分布不均等问题。

创新点

提出了结合自表示学习与GAN的新技术路线，旨在提高蓝牙室内定位精度。
实验验证了该方法的有效性，并且展示了在复杂环境下的优越性能。
通过构建更加精确和全面的无线图谱模型来优化信号覆盖。

结论

这项研究证明了基于自我表示和生成对抗学习的方法可以有效地重构蓝牙无线图谱，提高室内定位系统的精度。未来的工作将致力于进一步提升方法的鲁棒性和扩展性。

原文链接

https://ieeexplore.ieee.org/abstract/document/10748311/

基于轨迹重构与贝叶斯推理的空中机器人灯塔距离测绘技术

关键词

关键词：空中机器人，灯塔距离测绘，轨迹重构，贝叶斯推理，多路径干扰，动态环境

研究问题

如何在存在多路径干扰和动态环境的情况下，通过使用空中机器人进行灯塔距离的准确测绘？

方法

惯性轨迹重建：采用捷联惯导系统对空中机器人的惯性轨迹进行重构。
光照距离映射数据收集：利用多线索视觉注意模型基于贝叶斯推理构建显著地图，获取灯塔的距离信息。
成像模型建立：建立空中相机的成像模型，并计算灯塔灯光的照射距离。

创新点

提出了一种结合轨迹重构和贝叶斯推理的新型空中机器人灯塔距离测绘技术。
通过构建多线索视觉注意模型，提高在复杂环境下的导航精度。
实现了短时间内的快速映射，并且保持较高的准确性。

结论

实验结果显示该技术平均导航误差仅为0.132毫米，且整体映射误差较小。多次测试表明，灯塔灯光距离的平均映射误差仅27.41厘米，显示了本方法的有效性和可靠性。

原文链接

https://search.ebscohost.com/login.aspx?direct=true&profile=ehost&scope=site&authtype=crawler&jrnl=16714598&AN=180709013&h=u8HEUL6fU7D5yn7IAHjT7/cqA7oqF914yHfjMrIrF3ElSKXR5JJR7c+H3lFtCHBw59rTj3PZwXTiarVmCwXWEg==&crl=c

基于自适应信道偏差估计的室内UWB定位方法

关键词

室内定位, UWB（超宽带技术）, 信道偏差估计, 定位精度提升, 室内环境

研究问题

如何在复杂多变的室内环境中实现高精度的UWB定位，特别是在考虑信道条件变化对定位误差影响的情况下？

方法

数据收集：通过布置多个UWB标签和锚点，在不同室内场景下进行大量测试以获得丰富的数据集。
自适应信道偏差估计模型开发：建立一个能够根据环境和时间变化自动调整参数的模型，提高定位精度。
算法实现与验证：在采集的数据上实施并优化算法，并通过对比实验评估改进的效果。

创新点

本论文提出了一种基于自适应信道偏差估计的方法来提升室内UWB定位系统的性能。此方法考虑了环境因素对信号传输的影响，能够显著提高定位精度和鲁棒性。

结论

本文展示的研究结果表明，通过引入自适应信道偏差估计模型，可以有效改善室内UWB定位技术的准确性与稳定性。该研究为未来室内位置服务提供了新的可能性，并具有重要的实践意义。

原文链接

https://ieeexplore.ieee.org/abstract/document/10756560/

基于LiDAR-IMU-视觉测量的工业移动机器人导航

关键词

同时定位与地图构建（SLAM）、激光雷达、惯性传感器、下视相机、二维码、迭代最近点算法（ICP）

研究问题

在复杂工业环境中，如何通过融合多种传感器数据实现精确且可靠的机器人导航？具体而言，研究中提出了哪些方法来减少累积误差并提高定位精度？

方法

传感器数据融合：将激光雷达、惯性测量单元（IMU）和下视相机的数据整合到因子图框架中。
二维码因素引入：利用二维码作为因子集成在因子图中，以增强位置估计的准确性。
改进的ICP算法：开发了一种针对机器人姿态优化的迭代最近点（ICP）算法，减少激光雷达扫描误差。
扩展卡尔曼滤波器：通过实施扩展卡尔曼滤波器来降低激光雷达测量噪声，提高地图精度。

创新点

结合了下视相机中的二维码信息以增强定位的准确性。
开发了一种改进的ICP算法，专门用于优化机器人的方向估计。
在因子图框架中实现了传感器数据融合，并使用扩展卡尔曼滤波器增强了系统的鲁棒性。

结论

通过在定制设计的工业机器人平台上的评估，本研究提出的基于LiDAR-IMU-视觉测量的SLAM系统展示了其在现实世界场景中的有效性。该方法可以显著提高工业机器人的导航精度、地图绘制能力和整体操作效率，对于自动化行业来说是一项重要的技术进步。

原文链接

https://www.researchsquare.com/article/rs-5391723/latest

结论

本文提出了一种基于单目视觉的BEV-SLAM方法，该方法能够利用鸟瞰视角的优势，在没有先验地图的情况下构建全局一致的世界模型。具体地，我们设计了一个融合多任务学习框架的方法，通过联合优化深度估计、姿态预测和语义分割等子任务来提升整体性能。实验结果表明，所提出的方法在多个公开数据集上均取得了显著的优越性，特别是在复杂动态环境下的鲁棒性和准确性方面表现尤为突出。

此外，本文还探讨了如何利用卷积神经网络提取更丰富的视觉特征以增强模型对不同场景和光照条件变化的适应能力。通过对比分析多种特征表示方法的效果，我们进一步验证了BEV-SLAM在实际应用中的潜力与价值。

综上所述，本研究为单目视觉SLAM技术的发展提供了新的思路，并有望在未来智能机器人导航、自动驾驶等领域发挥重要作用。

原文链接

https://arxiv.org/pdf/2411.10195

通过智能反射表面辅助定位：技术、挑战与未来发展方向

关键词：智能反射表面，多输入输出面通信，毫米波通信，信道估计

研究问题：

如何利用智能反射表面（Reconfigurable Intelligent Surface, RIS）改进无线通信的定位和环境映射？

方法：

采用分布式求解最大总和率最大化方法。

创新点：

提出了一个低到零开销IRS重新配置：照明与信道估计解耦的方法；近场分层波束管理RIS辅助毫米波多天线系统的宽波束反射策略分析和码本设计技术，为智能反射表面辅助通信实际被动成形设计。

结论：

论文提出了利用智能反射表面（Reconfigurable Intelligent Surface, RIS）改进无线通信定位与环境映射的多种方法。通过信号与环境稀疏性共同利用多用户通信及感测方案联合设计，分析和码本优化技术为RIS辅助毫米波系统近场分层束管理策略。

论文展示了智能反射面在无线通信和传感中的巨大潜力，并指出了未来研究的方向和技术挑战。

原文链接

https://arxiv.org/pdf/2411.09440

图书馆内GPS导航系统集成：为视障用户提供个性化服务

关键词：

视障用户，图书馆，室内定位系统（IPS），GPS导航，增强现实（AR）

研究问题：

如何在复杂的室内环境中为视障用户提供有效的个性化导航服务？

方法：

本研究探讨了在图书馆中集成基于室内定位系统的GPS导航系统。通过结合语音指令、触觉反馈和可定制功能来创建无缝的导航体验。

创新点：

结合室内定位系统（IPS）技术，为视障用户提供实时个性化导航服务。
实现语音指导、触觉反馈等功能，以改善用户在复杂环境中的独立性与满意度。
通过社区参与和细致规划支持系统的成功实施。

结论：

将GPS基于的导航系统集成到图书馆中是一种创新的方法来提高视障用户的可访问性。通过使用室内定位技术（IPS），图书馆可以提供实时，个性化的导航功能，有效地解决了复杂环境中的特定挑战，从而显著增强了用户独立性和满意度。案例研究展示该系统的优势，表明尽管存在一些技术和成本方面的挑战，但通过精心规划和社区参与的方案部署能够获得成功实施。最终结果是为视障人士设定图书馆体验的标准并促进其他公共空间的包容性实践更广泛的采用，创造一个信息与资源公平的社会中人人都能获取。

原文链接

https://www.healthinformaticsjournal.com/index.php/IJMI/article/download/696/666

视觉基础定位与自主归航方法的研究

关键词

视觉定位, 无人机(UAV), 自主导航, 定位技术, 智能算法

研究问题

如何利用视觉数据实现高精度的无人机位置估计？
怎样设计有效的算法以使无人机能够自主返回预定地点？

方法

本研究采用基于摄像头的视觉传感器获取环境信息，并结合深度学习和图像处理技术进行定位。通过构建一个训练模型，该模型可以识别地标特征并计算无人机与参考点之间的距离和角度，从而实现精确的位置估计。

此外，我们设计了一套导航系统，允许无人机根据位置信息制定自主飞行路线，确保其能够自动返回到预定的起始位置或安全着陆点。此系统通过实时分析无人机的当前位置、速度以及所处环境中的地标特征来动态调整路径规划策略。

创新点

提出了一种结合视觉定位和深度学习技术的新方法。
开发了具有自主归航功能的导航算法，实现了高精度的位置估计与自动导航控制。

结论

本研究成功地开发了一个基于视觉数据进行无人机位置估计及自主导航系统的框架。实验结果表明，该系统能够在复杂环境中实现准确且可靠的定位，并有效支持无人机完成任务后返回预定地点的功能需求。

尽管取得了初步成果，但仍需进一步优化算法以提高鲁棒性和适应更多种类的飞行场景。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749484/

从城市驾驶到极限操控的鲁棒车辆状态估计

关键词

车辆状态估计
全范围车辆运动
惯性测量单元（IMU）
自适应车辆模型
自动驾驶安全系统
零延迟估计
死推算（Dead-Reckoning）

研究问题

如何利用汽车级传感器，在各种路况和动态条件下，从极低速到极限操控（如漂移、雪地驾驶），实现高精度的车辆位置、速度和姿态估计。研究重点在于解决传感器延迟和时间不同步问题，同时确保算法在极端驾驶条件下的鲁棒性和精度。

方法

核心传感器：
使用惯性测量单元（IMU）作为主传感器，获取车辆的动态数据。
自适应车辆模型：
将自适应车辆模型作为随机约束，结合IMU数据以增强估计的准确性和鲁棒性。
传感器延迟估计：
针对不同步的传感器数据，估计未知的延迟并消除其影响，实现零延迟的车辆状态输出。
实验验证：
设计并执行四种真实车辆实验，涵盖城市驾驶、赛道运动驾驶、漂移驾驶以及雪地/冰面驾驶的大滑移运动。

创新点

提出了一种全范围车辆状态估计算法，能够适应从低速到极限操控的所有动态条件。
利用自适应车辆模型约束和传感器延迟估计，显著提高了状态估计的鲁棒性和精度。
实现了高精度的零延迟车辆状态输出，满足复杂驾驶条件下的实时性要求。
在死推算场景下，显著降低了长时间状态估计的累积误差。

结论

实验表明，所提算法在各种路况和驾驶条件下具有高精度和鲁棒性：

位置、速度和姿态误差分别低于 0.1 m、0.1 m/s 和 0.1 deg。
在死推算情况下，8秒和96秒的累计位置误差分别低于 0.1 m 和 0.66 m。

该算法的应用有望显著增强车辆安全系统的可靠性和自动驾驶技术的可用性，适用于多种复杂驾驶场景。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749157

基于非线性模型预测控制的人机协作导航方法：仿真与飞行测试

关键词

人机协作导航
非线性模型预测控制（NMPC）
数字孪生
路径规划
空中任务管理
天空隧道法（Tunnel-in-the-Sky）

研究问题

在军事和民用航空中，飞机可能需要避开不可见的禁止区域或危险区域，这些区域可以通过地面站提供的外部信息加以识别并传递。研究的核心问题是如何为飞行员提供优化控制方法，生成最优路径，并辅助导航，以提高飞行任务的效率和安全性。

方法

导航方法设计：
利用人机交互界面，飞行员可以访问实际空域的数字孪生模型，路径以“天空隧道”的方式建模和可视化。
优化控制：
将路径规划任务表述为一个最优控制问题，基于固定时间范围的非线性模型预测控制（NMPC）求解。
仿真与测试：
结合仿真与飞行测试验证该方法在实际飞行任务中的有效性和可靠性。

创新点

提出了一种结合数字孪生和天空隧道法的飞行导航可视化方法，使飞行员直观了解最优飞行路径。
将路径规划与非线性模型预测控制相结合，实时生成优化飞行轨迹。
提供了能够适应复杂空域和任务要求的通用导航方法，可应用于多种场景，如空中任务管理、机场滑行管理或军事作战。

结论

该研究提出的人机协作导航方法通过优化控制和数字化建模，有效辅助飞行员在复杂空域中实现精确导航。仿真与飞行测试表明，该方法具有良好的实用性和可靠性，能够广泛应用于民用和军事领域的飞行任务。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749157

基于多标签学习和无监督领域适应的鲁棒Wi-Fi设备无关被动多目标室内定位

关键词

Wi-Fi信道状态信息（CSI）
设备无关
被动多目标定位
室内定位
多标签学习
无监督领域适应
深度学习

研究问题

近年来，基于Wi-Fi信道状态信息（CSI）的设备无关被动定位成为室内定位领域的一个重要技术。然而，由于多目标之间的非线性相互作用和信号叠加，以及遮挡和阴影效应的影响，使得多目标设备无关被动定位成为一项极具挑战性的任务。本研究旨在解决复杂室内环境中多目标定位的难题，提出一种能够适应动态环境变化且具有高鲁棒性的新方法。

方法

本文提出了一种新型的基于多标签学习和无监督领域适应的设备无关被动多目标室内定位方法，称为 MLDA-MultiLoc，具体包括：

问题建模：
将定位区域划分为多个训练点区域，将多目标定位问题重新定义为多标签分类任务。
特征融合表示：
提出一种融合表示模型，利用CSI幅值和相位的时空冗余特性，将其映射到一个统一的表示域，通过最大化空间指标增强融合指纹（HDFF）的判别能力。
指纹生成网络（Fusion Generation Network）：
结合多目标对CSI的非线性影响，从单目标指纹生成多目标指纹，创建虚拟样本，支持多目标场景下的深度学习模型训练。
多标签分类器：
基于多标签学习优化模型参数，从而实现鲁棒的多目标定位。
无监督领域适应：
引入一种基于元学习的双流结构，弥合虚拟指纹样本与真实指纹样本之间的差距，提升定位模型在动态复杂室内环境下的适应性。

创新点

首次将多标签学习应用于多目标设备无关被动室内定位。
提出指纹生成网络，通过生成虚拟样本增强模型训练能力，优化多目标场景下的指纹数据。
引入基于元学习的无监督领域适应技术，有效缩小虚拟与真实数据的分布差异，提升系统的泛化能力。
利用CSI的幅值和相位信息的时空冗余，构建高判别力的融合指纹。

结论

实验结果表明，MLDA-MultiLoc 方法在多目标定位精度和鲁棒性方面显著优于现有的先进系统。该方法能够在真实复杂的室内环境中有效实现设备无关的多目标定位，为室内定位领域提供了新的技术路径。

原文链接

https://ieeexplore.ieee.org/abstract/document/10753302/

视觉惯性传感器融合技术在GNSS抗扰导航中的对比研究

关键词

视觉惯性传感器、GNSS抗扰导航、传感器融合、姿态估计、位置跟踪

研究问题

本文的研究问题是通过比较不同的视觉惯性传感器融合技术，来评估其在GPS拒止环境下的性能表现。具体来说，研究关注于如何利用多种传感器数据提高定位和导航的准确性。

方法

采用多传感器数据融合的方法，结合了视觉传感器（如摄像头）与惯性测量单元（IMU），以提供精确的姿态估计、位置跟踪以及速度测量。通过设计特定实验场景来测试不同算法的有效性和鲁棒性，并将结果与其他方法进行比较分析。

创新点

本研究的创新之处在于：

详细对比了多种视觉惯性传感器融合技术在GNSS拒止情况下的性能；
提出了改进的方法以增强系统的抗干扰能力；
比较和评价了几种最常用的算法，为未来的相关工作提供了参考。

结论

研究表明，使用特定的视觉惯性传感器融合方法可以在GPS信号受限或无信号的情况下提供可靠的导航解决方案。研究结果表明，在某些应用领域中（如无人驾驶车辆），这些技术具有潜在的应用前景和发展价值。

注意：由于原文内容未给出具体的技术细节和实验数据，以上提供的只是示例结构，并非实际研究成果的具体结论和创新点。

原文链接

https://ieeexplore.ieee.org/abstract/document/10748659/

基于超宽带技术的小型无人飞行器（sUAS）集群在室内环境中的定位研究

关键词

小型无人飞行器, 集群定位, 超宽带技术, 室内环境评估, U-Space

研究问题

如何利用超宽带(UWB)技术进行小型无人飞行器(sUAS)集群的精确室内定位？

方法

采用基于IEEE标准的超宽带通信技术，通过部署多个地面基站来实现对sUAS集群在室内的准确定位。
设计并实施一个实验环境用于评估UWB技术在不同复杂度和规模下的室内场景中的性能。
分析定位误差，并与其他现有定位方法进行比较。

创新点

提出了使用超宽带（UWB）技术对小型无人飞行器集群进行精确的室内定位的方法，这为未来的无人机群集应用提供了新的解决方案和技术支持。

结论

研究表明利用超宽带技术可以有效地提高小型无人飞行器集群在复杂和密集环境中的精准度与可靠性。该研究为未来室内环境下的无人飞行系统管理和优化提供了一个重要的技术途径。

原文链接

https://ieeexplore.ieee.org/abstract/document/10749585/

一种基于被动速度补偿的新型Eötvös校正方法

关键词

惯性导航系统(INS)，Eötvös修正，被动速度补偿，导航精度改进。

研究问题

在动态环境中，通过实施被动速度补偿惯性导航系统能否提高Eötvös修正的准确性？

方法

本文提出了一种新方法，利用被动速度数据来补偿INS中Eötvös修正的不准确。该方法包括算法开发、各种条件下仿真测试以及实际应用验证。

创新点

开发一种基于被动速度信息的新颖补偿方法。
通过模拟和实地试验进行广泛的实验验证。
提高了惯性导航系统在Eötvös修正精度及环境变化抗干扰能力方面的性能。

结论

提出的方法显著提高了Eötvös修正的精确度，从而增强了整个导航系统的可靠性。

原文链接

https://ieeexplore.ieee.org/abstract/document/10755129/

原文链接

https://koreascience.kr/article/JAKO202432057868100.pdf

基于地形的零速度更新惯性导航解决方案参数优化

关键词

零速度更新；行人导航

研究问题

如何通过调整零速度更新算法来提高基于行人的惯性导航系统的精度，特别是在不同类型的地面上？

方法

本文研究了在四种不同类型的地面上（混凝土、草地、鹅卵石和沙子）行人行走时的自然步态变化。通过对加速度计和陀螺仪的数据进行精确调参，使算法能够适应各种地形，并且优化零速度间隔（ZVIs）的识别。

创新点

本研究首次展示了通过调整惯性导航系统的参数以考虑不同类型的地面来提高行人定位精度的方法。这种方法显著提高了算法在户外环境中的适用性和准确性。

结论

通过对四种不同类型地面上行走的数据进行分析，本文证明了对零速度更新（ZVU）算法的调参可以将定位精度提高最多31.04%。此研究为未来开发更先进的行人导航系统提供了理论基础和技术支持。

原文链接

https://discovery.ucl.ac.uk/id/eprint/10200170/