电子刊 | 《中阿科技论坛(中英文)》2023年第4期

发布时间:2023-4-10 | 杂志分类:其他
免费制作
更多内容

电子刊 | 《中阿科技论坛(中英文)》2023年第4期

095成果转移转化式中:kp0、ki0、kd0、λ0、u0为控制器参数初始值;Δkp、Δki、Δkd、Δλ、Δu为模糊推理之后参数增量。采用模糊分数阶PID控制移动机器人运动轨迹的模糊规则如表1所示。当机器人运动轨迹误差较大且超过设定的范围时,根据当前误差和误差变化率进行模糊推理,调整模糊控制系统参数,使输出误差保持在设置的范围内。3 误差及分析采用模糊分数阶PID控制系统,分析轮式移动机器人运动轨迹跟踪误差,利用MATLAB软件对设置目标进表1 模糊控制规则e ecNB NM NS ZO PS PM PBNB PB/NB/PS PB/NB/PS PM/NB/ZO PM/NM/ZO PS/NM/ZO PS/ZO/PB ZO/ZO/PBNM PB/NB/PS PB/NB/NS PM/NM/NS PS/NM/NS PS/NS/ZO ZO/ZO/NS ZO/ZO/PMNS PM/NB/ZO PM/NM/NS PM/NM/NS PM/NS/NS ZO/ZO/ZO NS/PS/PS NM/PS/PSZO PM/NM/ZO PS/NB/NS PM/NS/NS ZO/ZO/NM NM/PS/ZO N... [收起]
[展开]
电子刊 | 《中阿科技论坛(中英文)》2023年第4期
粉丝: {{bookData.followerCount}}
《中阿科技论坛(中英文)》由宁夏回族自治区科学技术厅主管、宁夏回族自治区对外科技交流中心(中国一阿拉伯国家技术转移中心)主办,秉承“探讨技术转移与科技合作重大问题、助推中阿全面务实交流合作”办刊宗旨,旨在为中阿双边国家及“一带一路”沿线国家的专家学者搭建传播学术信息、发表学术成果、联接研究主体的重要平台。本刊面向国内外公开出版发行,择优刊发以下研究成果:中阿技术转移关键技术、技术转移与交流模式创新、科技与教育融合、科技与金融结合、技术经理人培训、科技创新政策制定、东西部科技创新合作等。
文本内容
第101页

095

成果转移转化

式中:kp0、ki0、kd0、λ0、u0为控制器参数初始值;

Δkp、Δki

、Δkd、Δλ、Δu为模糊推理之后参数增量。

采用模糊分数阶PID控制移动机器人运动轨迹的模

糊规则如表1所示。当机器人运动轨迹误差较大且超过

设定的范围时,根据当前误差和误差变化率进行模糊

推理,调整模糊控制系统参数,使输出误差保持在设

置的范围内。

3 误差及分析

采用模糊分数阶PID控制系统,分析轮式移动机器

人运动轨迹跟踪误差,利用MATLAB软件对设置目标进

表1 模糊控制规则

e ec

NB NM NS ZO PS PM PB

NB PB/NB/PS PB/NB/PS PM/NB/ZO PM/NM/ZO PS/NM/ZO PS/ZO/PB ZO/ZO/PB

NM PB/NB/PS PB/NB/NS PM/NM/NS PS/NM/NS PS/NS/ZO ZO/ZO/NS ZO/ZO/PM

NS PM/NB/ZO PM/NM/NS PM/NM/NS PM/NS/NS ZO/ZO/ZO NS/PS/PS NM/PS/PS

ZO PM/NM/ZO PS/NB/NS PM/NS/NS ZO/ZO/NM NM/PS/ZO NM/PM/PS NM/PM/PM

PS PS/NM/ZO PS/NS/ZO ZO/ZO/ZO NM/PS/ZO NM/PS/ZO NM/PM/PS NM/PS/PS

PM PS/ZO/PB ZO/ZO/NS NS/PS/PS NM/PM/PS NM/PM/PS NB/PM/PS NB/PB/PS

PB ZO/ZO/PB ZO/ZO/PM NM/PS/PS NM/PM/PM NM/PS/PS NB/PB/PS NB/PB/PB

行仿真验证。通过仿真曲线,对比不同控制系统输出

误差大小,以体现模糊分数阶PID控制系统的优越性。

假设设置机器人运动轨迹为圆形,其运动轨迹方程式

为xd2

+yd2

=1。分数阶PID控制参数设置如下:kp=20,

ki=1,kd=30,λ=-1.2,u=1.2。

假设机器人在无干扰波形环境中跟踪目标,采用

PID控制,轮式移动机器人反馈误差变化如图3所示。

采用分数阶PID控制,轮式移动机器人反馈误差变化如

图4所示。假设机器人在有干扰波形环境中跟踪目标,

干扰波形设置为y=sin2πt,采用PID控制,轮式移动机

器人反馈误差变化如图5所示。采用分数阶PID控制,

轮式移动机器人反馈误差变化如图6所示。

结合图3、图4中的反馈误差可知,在无干扰环

境中跟踪目标,采用PID控制系统,轮式移动机器

人达到稳定状态时,其跟踪误差范围为[-1.0×10-

3

, 1.0×10-3]m,自适应调整时间为0.35 s。采用模糊

分数阶PID控制系统,轮式移动机器人达到稳定状态

时,其跟踪误差范围为[-0.8×10-3, 0.8×10-3]rad,

自适应调整时间为0.25 s。结合图5、图6中的反馈误

差可知,在有干扰环境中跟踪目标,采用PID控制系

统,轮式移动机器人达到稳定状态时,其跟踪误差

范围为[-3.0×10-3, 3.0×10-3]m,自适应调整时间为

0.66 s。采用模糊分数阶PID控制系统,轮式移动机

器人达到稳定状态时,其跟踪误差范围为[-0.8×10-

3

, 0.8×10-3]m,自适应调整时间为0.25 s。

因此,在无干扰环境中跟踪目标,无论采用PID控

制系统,还是采用模糊分数阶PID控制系统,轮式机器

人都能按照设置目标进行移动。虽然两者输出误差范

围不同,但是差别不大。在有干扰环境中跟踪目标,

采用PID控制系统,轮式移动机器人偏离设置目标反馈

误差较大,在线调整时间也较长,这样会造成机器人

偏离预定轨道。采用分数阶PID控制系统,轮式移动机

器人偏离设置目标反馈误差较小,在线调整时间也较

短,能够更好地追踪设置目标。然而,在实际运动环

境中,往往存在杂波对轮式机器人控制系统的干扰。

综合比较,采用模糊分数阶PID控制系统,其输出效果

更佳,控制精度较高,能够更好地满足轮式移动机器

人跟踪目标。

图3 PID控制(无干扰)

图4 分数阶PID控制(无干扰)

第102页

096

中阿科技论坛 2023年第4期

4 结语

轮式移动机器人在目标跟踪过程中,采用常规PID

控制器无法很好地适应外界波形的干扰,由于反应太

慢、调节控制参数能力弱,造成输出误差较大。设计

了模糊分数阶PID控制器,通过误差反馈验证模糊分数

阶PID控制器输出结果,主要包括如下结论。

(1) 在无干扰环境中跟踪目标,无论采用常规

PID控制器,还是采用模糊分数阶PID控制器,虽然都

会产生误差,但轮式移动机器人跟踪误差相对较小,

效果较好。

(2)在有干扰环境中跟踪目标,采用PID控制器,

系统响应速度慢,轮式移动机器人偏离目标较大,造

成输出误差较大。而采用模糊分数阶PID控制器,由于

其抗干扰能力强,使轮式移动机器人保持在较小的误

差范围内。

(3)利用MATLAB软件跟踪目标进行仿真,从理

论上验证不同控制器的先进性,提高了轮式移动机器

人的设计效率,为机器人控制系统的设计提供了理论

依据,也为后期从事机器人控制系统的研究提供了一

定的参考价值。

参考文献:

[1]曹维群.轮式差速移动机器人轨迹跟踪抗扰控制

研究[D].燕山:燕山大学,2022.

[2]栗晋杰.灾害现场环境下被动自适应机器人运动

学分析[D].天津:河北工业大学,2014.

[3]赵会超,师五喜.基于变增益模糊PID控制的移动

机器人轨迹跟踪[J].自动化与仪表,2020,35(2):32-36.

[4]蔡 蒂,丁 晓 飞,曲 德 宇,等.移 动 机 器 人 运 动

过 程 的 模 糊 自 整 定PID控 制 及 实 现[J].机 电 工 程 技

术,2020,49(11):48 -52.

[5]MERA M, Héctor Ríos,Edgar A.Martínez.

A sliding -mode based controller for trajectory tracking of

perturbed Unicycle Mobile Robots[J].Control Engineering

Practice,2020,102(7):2-9.

[6]尤波,张乐超,李智,等.轮式移动机器人的模糊滑

模轨迹跟踪控制[J].计算机仿真,2019,36(2):307-313.

[7]杨硕,张伯泉,曾安,等.基于FNN的轮式机器人路

径跟踪研究[J].测控技术,2015,34(5):65-68.

[ 8 ] A M I R K H A N I A , S H I R Z A D E H

M,SHOJAEEFARD M H,et al.Controlling wheeled mobile

robot considering the effects of uncertainty with neuro-fuzzy

cognitive map[J].ISA Transactions,2020,100(1):454-468.

[9]王蕴蒙,龙祖强,罗泽龙.基于粒子群算法的移动

机器人模糊逻辑控制[J].衡阳师范学院学报(自然科学

版),2022, 43(6):27-31.

[10]HAN M,WU H,SONG Y T,et al.Intelligent

method for tuning H2 PID controller of water hydraulic

manipulator of CFETR blanket maintenances[J].Industr -ial

Robot: An International Journal,2016,43(2):164-168.

[11]陈俊.非完整轮式移动机器人的轨迹跟踪控制

研究[D].杭州:浙江工业大学,2017.

[12]Kommula B N,Kota V R.An effective sustainable

control of brushless DC motor using firefly algorithm–

artificial neural network based FOPID controller[J].Sustainable

Energy Technologies and Assessments,2022,52(5):2-10.

[13]陆文灏.基于矿用无刷直流电机的模糊分数阶

PID控制研究[J].煤炭技术,2018,37(1):252-254.

图5 PID控制(有干扰)

图6 分数阶PID控制(有干扰)

第103页

097

成果转移转化

Research on Trajectory Tracking for Wheeled Mobile Robots Based

on Fuzzy Fractional-order PID Control

Xiang Ying

(Wuhan Guanggu Vocational College, Wuhan 430000)

Abstract: Trajectory tracking of wheeled mobile robots is one of the key issues in current research. To make robot move

according to the preset trajectory, the thesis aims to draw a plane sketch of the robot and establish its dynamics model, and then

improve the traditional PID controller by adjusting its parameters online according to fuzzy theory to obtain the optimal parameters

so that it can resist the interference of external uncertainties. In the end, the simulation of the tracking error of the robot is carried

out in different environments to test the advantages of the new controller. The results suggest that there is little difference between

the two control effects when the robot’s target is set in a waveform without interference. However, the error of the traditional PID

controller increases significantly when the robot’s target is set in the presence of disturbing waveform, while the error of the new

controller remains unchanged. Accordingly, a conclusion can be drawn that the new controller possesses superior anti-disturbance

capability, and thus can better serve the wheeled mobile robot.

Key words: Wheeled mobile robot; Trajectory tracking; Fuzzy fractional-order PID control

(校对:郭雁华 刘卿)

第104页

098

中阿科技论坛 2023年第4期

目前,常见的载体定位测速方法中,造价不菲的

火控雷达存在目标信息容易暴露的问题。而惯性导航

虽具有抗干扰性强、隐蔽性好、导航信息连续等优点,

但在定位解算时,其误差将随时间积累,此外对于惯

性器件的初始校准要求也非常高,这些都将导致器件

成本增加[1]。GNSS(Global Navigation Satellite System,全

球卫星导航系统)被应用于定位服务时,可全天候、

全时段连续实现对载体三维位置、速度、接收机钟差

等状态信息进行检测[2]。GNSS接收设备能承受不同载

体在发射时所产生的高达15000 g以上的加速过载。因

此GNSS导航定位已成为定位技术低成本应用的主要手

段[3-6]。GNSS导航定位不受气象和能见度的影响,并且

具有灵活性,对载体发射点选择没有特别要求,增加

了载机的安全性,卫星导航系统的这些特点使其在高

精度导航定位技术中占据了突出的优势[7-8]。实际应用

中的弹箭类载体为保证其飞行稳定性,常在其径向运

动时保持自身的旋转。而载体的旋转会给GNSS信号稳

定跟踪带来严重影响,以至于影响接收机的定位、测

速结果。因此针对载体滚转状态下的GNSS定位测速技

术受到研究人员的关注[9-10]。

1 载体低速旋转下GNSS信号接收及定位算法分析

利用卫星信号进行载体定位测速的方法主要包括:

单天线定位技术和多天线定位技术两类。其中,单天

线定位技术通常将卫星信号接收天线安装于载体侧

面,天线相位中心随载体一起绕其中轴线在其横截面

上进行圆周运动。当接收机天线旋转时,其接收到信

号的变化会使接收机无法准确捕获和稳定跟踪,以致

无法利用卫星信号完成载体的定位。同时,在载体旋

转过程中,多普勒频率、载波相位及接收信号强度将

随旋转而发生相应变化[11]。

利用多个天线接收GNSS信号进行定位解算时,需

要在载体的侧面对称安装多个天线,以保证任意时刻

至少有一个天线接收到卫星信号。此方法中,多天线

接收的信号需要进行合路处理,相较于单天线方案来

说,此过程更容易出现天线间信号相互干扰。多天线

定位技术相对于单天线而言实现较为复杂、运算量较

大[12-13]。文章所研究的载体低转速条件下定位算法,以

双天线接收GNSS信号为研究对象,考虑载体旋转引起

低速旋转 GNSS 卫星导航双天线加权 kalman 定位

测速方法

戴 泽 1

吴 鹏 2 曹马健 1 欧劲光 1

杨 陈 2

(1.湖南卫导信息科技有限公司,湖南 长沙410005;2.长沙学院,湖南 长沙 410022)

摘要:GNSS常用于载体的定位测速。设想在旋转载体两侧对向各安装一个GNSS接收机天线,使得在任一历

元下均能稳定接收GNSS信号。但当载体滚转时,GNSS观测量测量误差将使得传统kalman滤波器定位测速结果出

现跳变。本文以低速旋转的用户模型为例,提出一种加权Kalman滤波算法。应用该方法的过程中,利用观测量残

余与测量均方差的比值,调整超限观测量的方差,减小其滤波增益,达到弱化超限观测值的权重的目的,实现所

有可见卫星均参与滤波,使得定位结果不会发生跳变。通过半实物仿真对本文所提出算法进行性能验证。从仿真

实验结果可知,与传统的Kalman算法相比,本文算法的定位结果可用率(三维定位误差小于30 m)从89%提升至

99%,三维测速误差(1σ)从0.19 m/s提升至0.11 m/s。

关键词:GNSS;加权kalman滤波算法;双天线;测量均方差

中图分类号:U666.134 文献标识码:A

收稿日期:2023-03-05

作者简介:戴泽(1986— ),男,助理研究员,硕士,研究方向为卫星导航仿真测试、导航对抗应用;曹马

健(1993— ),男,助理工程师,研究方向为卫星导航仿真测试、导航对抗应用;欧劲光(1990— ),助理工程师,

研究方向为卫星导航仿真测试、导航对抗应用;杨陈(2004— ),研究方向为卫星导航应用技术。通讯作者:吴

鹏(1983— ),副教授,博士,研究方向为卫星导航应用技术。

第105页

099

成果转移转化

的可见卫星组合的变化带来的定位结果的跳变,对传

统Kalman滤波算法进行改进,增加参与滤波的卫星数

量,以提升定位精度。

文章算法中以探空火箭为研究对象,其最低转速

为0.25转/秒。在GNSS定位过程中,考虑到天线的接收

信号范围及其方向图特性,为了保证每一历元下可观

测的卫星数量均满足定位解算要求,故在旋转载体两

侧对向各安装一个GNSS接收机天线。信号测量过程中,

采用双天线合路设计,双天线合路会导致接收机接收到

的信号能量降低约3 dB,其定位精度也会随之变差,因

此需对传统定位方法进行改进,以提升接收信噪比。

现有导航定位算法主要包括最小二乘算法和

Kalman滤波算法。最小二乘算法未将不同时刻的定位

值联系起来相互制约,因而定位结果通常粗糙杂乱。

Kalman滤波算法考虑了相邻时刻的位置相关性,但算

法参数中的过程噪声方差和测量噪声方差是否准确,

将直接影响到滤波算法的性能。参数设计的合理程度,

将决定Kalman增益和状态估计等参量能否达到最优值。

若参数设置不合理,还可能引起滤波器发散。若输入

的过程噪声方差值小于真实值,则滤波增益值会随之

偏小,这将使观测量中所含的信息无法及时完整地反

映出载状态估计值,最后滤波器将呈发散状态。对各

历元的过程噪声和测量噪声方差值进行准确估算是

Kalman滤波算法中重要的一步。

2 GNSS卫星导航双天线改进Kalman定位测速方

法设计

针对静态低速旋转场景下因可见卫星组合发生变

化,引起定位误差大的问题,提供了一种适用于弹载等

低转速载体定位的Kalman滤波算法。Kalman滤波从与被

提取的状态信息有关的观测量中通过算法方法得出所需

的状态信息。在研究过程中载体位置为待估计量,以伪

距为观测量,建立Kalman滤波的状态方程、观测方程、

定位估计的统计特性、伪距测量误差的统计特性等,

在时域范围内进行实时估计。对于载体的空间坐标的表

述,需用三维位置来表示。估计过程中还需考虑接收机

钟差、频差给位置估计带来的影响。因此滤波过程选取

了载体的三个坐标分量上的位置、速度、加速度和接收

机的钟差、频差所组成的一个11维状态向量X来描述:

(1)

式中x、y、z分别为接收机三维位置;v x,v y,v z分

别为接收机三维速度;αx,αy,αz分别为接收机三维

加速度; 为接收机钟差; 为接收机频差。

2.1 Kalman滤波预测过程

Kalman滤波器是在考虑估计误差的情况下,对

离散时间系统状态的最优估计方法,其估计过程考

虑了前后多个历元相关性。设 代表第k-1个历元时

Kalman滤波对系统状态 的最优估计值,则第k历元

Kalman滤波对 的先验估计值 为:

(2)

式中:A为状态转移矩阵; 为过程噪声向量。

状态转移矩阵A为:

(3)

式中:TS为状态方程的差分步长。

设过程噪声 协方差矩阵为 ,

式中:Qp、Qv、Qa、Qt

、Qf

分别代表位置、速度、

加速度、钟差、频差的过程噪声协方差。于是有预测

过程的先验估计值的均方误差阵为

(5)

式中: 为上一历元的状态估计均方误差阵。

2.2 Kalman滤波测量更新过程

Kalman滤波器的各个状态变量具有可观测性,其

值能直接或间接地反应在系统观测量中。因此可用观

测量 来更新系统状态量 。设系统测量方程为:

(6)

式中:观测量与系统状态量之间的关系矩阵为。若

某时刻某卫星位置为( ),用户位置为( ),

则星地距离R为:

(7)

则关系矩阵为:

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

(4)

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

第106页

100

中阿科技论坛 2023年第4期

(8)

因此, 可以计算观测量残余,即观测值与预测

值之间的差异,以及测量方差 。

(9)

(10)

式中: 为当前历元的观测值;R为测量噪声。

(11)

为得到更小的滤波器误差,且滤波器较快收敛,

对传统Kalman滤波器进行改进。在滤波迭代过程中,

设定两项约束条件。条件1是观测量残余和测量均方差

比值M,其计算方法如式(12)所示。第2项约束条件

是滤波深度是否超过20。

(12)

每历元下计算M值,若超出门限值5,且滤波深度

超过20,则按式(13)重新计算测量方差。

(13)

确定测量方差值后,可进一步计算滤波器增益

Kk,并对状态变量 和均方误差阵 进行测量更新,更

新过程计算分别如式(15)和式(16)所示。

(14)

(15)

(16)

式中:I为单位矩阵。

每历元滤波完成后,则滤波深度增加1。

3 算法仿真实验

为验证该算法的性能,利用GNSS信号模拟源生成

卫星星历及接收机动态数据,通过发射天线向外辐射

信号。另将双天线接收机安装于圆柱形旋转平台上,

旋转平台及接收机套件被放置于微波暗箱中,对文章

算法进行半实物仿真测试。在载体转速为0.25转/s条件

下对算法定位及测速性能进行了实验验证。实验中观

测历元超过500 s,观测量的采样率为1 Hz。

在半实物仿真下,双天线GNSS定位算法的测试结

果如图1所示。在载体东北天坐标系下,通过接收机处

理双天线所接收的来自卫星导航信号模拟源的信号,

进行定位解算。图中将传统Kalman滤波方法与文中提

出的改进方法进行比较。由图可知,受载体旋转的影

响,伪距等观测量出现较大测量误差,传统Kalman方

法无法抵抗此类误差。图1(a)中给出的水平定位结

果出现较大误差,图1(b)中给出的东北天坐标系下

载体三维位置解算结果出现明显发散。而文中所设计

改进方法中,在测量更新时当观测量残余超过一定程

度时,实时修正观测量残余值,在一定程度上改善了

滤波器的发散现象。文中所给出算法中,三维位置误

差均小于30 m。

在半实物仿真下,所提算法的测速误差如图2所

示。图2(a)中给出的水平测速结果方差较大,其最

大值达到225 m/s,而文中算法水平测速误差均值为5 m/

s 。图2(b)中给出的传统Kalman算法在东北天坐标系

下载体三维速度测量结果也出现明显发散现象,而文

中所给出算法三维测速误差均小于0.3 m。

4 结论

GNSS常用于载体的定位测速,在单接收机天线接

收GNSS信号时,容易出现无法捕获跟踪信号的问题。

文章采用了GNSS双天线接收机结构,使得在任一历元

下均能稳定接收信号。但当载体滚转时,其观测量的

测量误差将明显高于非滚转载体,在此条件下,若继

续运用传统Kalman滤波器进行定位测速解算,则观测

量的测量误差将可能使得滤波器发散。因此,以低速

旋转的用户模型为例,提出一种加权Kalman滤波算法。

与传统的Kalman算法相比,定位结果可用率(三维定

位误差小于30 m)从89%提升到99%,三维测速误差

(1σ)从0.19 m/s提升到0.11 m/s。

与传统的Kalman滤波算法相比,文章算法能直接

剔除某一超限的观测量,避免测量误差较大的观测量

导致定位结果发生跳变。本算法通过利用观测量残余

与测量均方差的比值,调整超限观测量的方差,减小

其滤波增益,达到弱化超限观测值的权重的目的,实

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

[ ]

, ,

, ,

, ,

( )

, ,

, ,

( ) ( ) ( )

[ ]

( )

( )

X x v a y v a z v a t f

x y z

v v v

a a a

t

f

x

x

x

x

x Ax w

A

T

T

T

T

T

T

T

w

Q

Q E w w

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

P

P AP A Q

y

x

y Cx v

x y z

x y z

R x x y y z z

C R

x x

R

y y

R

z z

y

y y Cx

CP C R

R E v v

M y

CP C M

K P C

x x K y

P I K C P

1

0

0

1

0 1

1

0

0

1

0 1

1

0

0

1

0 1

1

0 1

0 0 0 0 0 0 1 0

x x y y z z u u

x y z

x y z

u

u

k

k

k

k

k k k

S

T

S

S

T

S

S

T

S

S

k

k k

T

p

v

a

p

v

a

p

v

a

t

f

k

k k

T

k

k

k k k

s s s

s s s

s s s

k

k k k

k

T

k k

T

k

k

T

k k

T

k k k k

k k k

1

1

1

2

2

2

1

2 2 2

2

1

2

2

2

2

S

S

S

2

2

2

v

v

v

v

v

d d

d

d

D

D

D

D

=

= +

=

= =

= +

= +

= - + - + -

= - - - - - -

= -

= +

=

=

= +

=

= +

= -

-

-

-

-

-

-

-

-

-

-

-

- -

-

-

t

t

t t

t

t t

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

SS

<

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

WW

F

D e m o

图1 双天线GNSS定位算法性能分析

图2 双天线GNSS测速算法性能分析

第107页

101

成果转移转化

现所有可见卫星均参与滤波,使得定位结果不会发生

跳变,并提高了定位测速结果的正确率。

参考文献:

[1]KAPLAN E D.GPS原理与应用(第二版) [M].寇艳

红译.北京:电子工业出版社,2007.

[2]赵静,曹冲.中国GNSS应用产业现状和市场发展

前景[J].全球定位系统,2003(3):2-9.

[3]JOHNSTON G,RIDDELL A,HAUSLER G.The

international GNSS service[J].GPS World,2018(9):29.

[4]BAGROV A V,LEONOV V A,MITKIN A

S,et al.Single-satellite global positioning system[J].Acta

Astronautica,2015,117:332-337.

[5]中国卫星导航系统管理办公室.北斗卫星导航系

统应用案例 [EB/OL].(2018-12-27). http://www.beidou.

gov.cn/xt/gfxz/201812/P020181227583462913294.pdf.

[ 6 ] A L K A N R M , K A R A M A N H , S A H I N

M.GPS,GALILEO and GLONASS satellite navigation

systems & GPS modernization[C],[S.L,]:International

Conference on IEEE,2005:390-394.

[7]任小伟.军用卫星导航接收机现状及发展趋势[J].

现代导航,2014,5(1):58-61.

[8]柯 知 非,高 敏,王 毅,等.旋 转 弹 二 维 弹 道 修 正

组件修正能力影响因素仿真分析[J].弹箭与制导学

报,2019(3):21-26.

[9]张晓亮.GPS/SINS组合导航系统应用研究[D].南

京:南京理工大学,2013.

[10]王慧君.精确制导武器中应用的GPS接收机新进

展[J].电光系统,2007(8):47-52.

[11]LIU Y,LI H,DU X.Roll attitude measurement

technique based on GPS signal power[C]// 2019 IEEE

International Conference on Unmanned Systems (ICUS).

[S.L,]: IEEE, 2019.

[12]WIERZBICKI D,KRASUSKI K.Estimation

of rotation angles based on GPS data from a UX5

Platform[J].Running Algorithm of Simulator of Wireless

Distributed Measurement-control System with Rule Based

Processing,2015,61(11):516-520.

[13]JANG J,KEE C .Verification of a real-time

attitude determination algorithm through development of

48-channel GPS attitude receiver hardware[J].Journal of

Navigation,2009,62(3):397-410.

Study on the Weighted Kalman Positioning and Speed Measurement

of Dual Antenna of Low-speed Rotating GNSS Satellite Navigation

Dai Ze1

, Wu Peng2

, Cao Majian1

, Ou Jinguang1

, Yang Chen2

(1.Hunan Weidao Information Technology Co., Ltd, Changsha 410005; 2.Changsha University, Changsha 410022)

Abstract: GNSS is widely used for the positioning and speed measurement of carriers. Install a GNSS receiver antenna

on each side of the rotating carrier in opposite directions, the GNSS signal can be received stably under any calendar element.

However, when the carrier rolls, the traditional kalman measurement results will hop due to GNSS error. In this paper, a weighted

Kalman filtering algorithm is proposed for a user model with low-speed rotation as an example. In applying this algorithm, the ratio

between the residual of the observed quantity and the mean square of the measurement is used to adjust the variance of the overrun

observation and reduce its filtering gain to weaken the weight of the overrun observation, so that all visible satellites can participate

in the filtering and thus the positioning results will not hop. Semi-physical simulation further verifies that compared with traditional

Kalman algorithm, the usability of the positioning results (3D positioning error less than 30 m) of the new algorithm is improved from

89% to 99%, and the 3D velocimetric error (1σ) is improved from 0.19 m/s to 0.11 m/s.

Key words: GNSS; Weighted Kalman filtering algorithm; Dual antenna; Measurement mean squared error

(校对:郭雁华 刘卿)

第108页

102

中阿科技论坛 2023年第4期

随着全球卫星导航系统(GNSS,Global Navigation

Satellite System)技术的飞速发展,其定位服务作为一

项最基本的功能,得到研究者的广泛关注[1]。现有

的全球卫星导航系统主要有美国的GPS、俄罗斯的

GLONASS、 欧 洲 的Galileo,以 及 我 国 的 北 斗 系 统

(BDS)。用户不仅在视野开阔的户外应用GNSS

的定位服务,也有在建筑物遮挡严重的城市街道、

室内等弱信号环境下使用该服务的需求。A-GPS

(Assisted GPS,辅助全球定位系统)作为弱信号接

收条件下快速定位的有效手段,较好地解决了全域

定位服务的问题[2]。

接收机所采用的定位算法的复杂度、定位解算速

度等因素将直接影响其接收机启动效率,即影响首次

定位时间(TTFF)。国内外学者已经对快速定位技术

进行了一定的研究,从不同环节和角度,使接收机可

完成快速定位,常见的方法有Z计数法、导航电文优化

法、时间重构法、惯性器件辅助技术、网络辅助定位

技术、快速选星和捕获算法优化等[3]。

A-GPS辅助定位技术通常被应用在卫星导航接收

机工作时无法及时获取星历信息、无法进行电文解算

的场景下。其通过其他方式向接收机加注已知的最新

卫星星历和其他定位解算所必需的信息,以减少接收

机捕获卫星信号耗费的时间和软硬件资源,可以有效

缩短首次定位时间。然而进行A-GPS技术实验的接收

机通常设计较为复杂。如果利用通信网络给接收机加

注初始信息时,其工作效率受网络状况约束,不适合

接收机在高动态且网络不稳定的情况下使用。宋成

(2009)提出一种A-GPS辅助定位方法,设置接收机

初始位置和初始传播延时,通过不断迭代,使定位结

果收敛于某一位置[4]。此方法在初始位置误差不大于

150 km,初始传播延时误差不大于187 ms时,能获得较

好的定位效率和精度。但在北斗系统应用时,由于北

斗系统的混合星座影响,参与解算的GEO卫星个数直

接影响其定位精度。重构信号发射时间技术在卫星星

历有效的条件下,利用本地精准时钟对伪距和卫星位

置等信息进行估计,再通过所获取的信息重组卫星信

号发射时间,这样做可以无须执行子帧同步和电文提

取的步骤,因此大幅缩减了定位时间。但该算法要求

本地时钟误差、接收机位置误差所带来的等效距离小

于等于150 km。另外,如热启动时本地时钟的误差超

过10 ms,还将造成非常大的定位误差,导致该方法失

效[5]。选星策略优化技术的工作方式是在捕获阶段,根

一种改进的 A-GPS 快速定位方法设计

潘小海 1

吴 鹏 2

李中林 1

李 靖 1

甘佳辉 2

(1.湖南卫导信息科技有限公司,湖南 长沙 410005;2.长沙学院,湖南 长沙 410022 )

摘要:在弱信号条件下,GPS定位技术可能因导航电文无法准确获取而导致定位功能不可用或误差较大,通

过A-GPS辅助定位技术解算过程可有效减少捕获定位信号耗费的时间和硬件资源。本文针对传统接收机在未能获

取完整的接收机钟差条件下,无法进行A-GPS解算的问题,设计了一种包含5个状态变量的AGPS定位算法,算法

仅要求接收机时间误差到达秒级,便可在帧同步与位同步之前实现准确定位,可显著提高接收机的TTFF性能。通

过对本文算法进行半实物仿真实验表明,该设计算法在接收机无法获得信号完整时间的情况下能正常工作且具有

更短的首次定位时间。

关键字:A-GPS定位算法;首次定位时间;接收机时间误差

中图分类号:U666.134 文献标识码:A

收稿日期:2023-03-29

作者简介:潘小海(1982— ),男,中级工程师,硕士,研究方向为导航仿真测试、导航对抗应用和设计;

李中林(1988— ),男,研究方向为卫星导航仿真测试、导航对抗检测及应用;李靖(1993— ),男,初级程序

员,研究方向为卫星导航仿真测试开发;甘佳辉(2003— ),男,研究方向为卫星导航应用技术。通讯作者:吴

鹏(1983— ),男,副教授,博士,研究方向为卫星导航应用技术。

第109页

103

成果转移转化

据卫星信号所携带的信息不同,对参与定位解算的卫

星分配适当的优先级,因此也可以有效减少首次定位

时间。杨丽新(2017)设计了一种快速选星算法,针

对北斗系统,以卫星的不同类型、信噪比大小、卫星

仰角质量进行分级处理,调整卫星捕获顺序,在减少

首次定位时间上取得了一定的效果[6]。

Guo Jiuyuan等(2017) 提 出 利 用 多 普 勒 辅 助 测

距的快速定位方法,该方法对初始速度误差较为敏

感,在首次定位时,要求速度误差小于54 km/h[7]。Yao

Xiangzhen等(2011)给出了一种基于传输时间维度的

快速搜索方法,该方法需要接收机时钟的辅助,并

且对接收机时钟有较高的精度要求[8]。《北斗卫星导

航系统空间信号接口控制文件——公开服务信号B1I

(3.0版)》中所提出的判断帧ID的方法,在有效减少

硬件资源消耗的同时,也在一定程度上缩短了首次定

位时间[9]。

1 非完整时间条件下A-GPS定位算法分析

通常导航接收机定位解算过程中所需要的信息包

括信号发射时间、卫星位置和速度、伪距测量值、多

普勒频率测量值。当接收机无外部授时,且信号层面

仅能获取毫秒内时间,无法获得完整信号时间时,使

用传统的包含4个状态变量的定位算法不能准确地实现

定位解算。

大部分接收机在关机时都会存储本机的位置信

息,在重新上电后,能够利用最后的位置及其他数据

来确定所需参数初值,帮助捕获各种GNSS卫星的码相

位和载波相位。这些辅助数据不仅能增加接收机的灵

敏度,还能减少定位所需的时间。

而A-GPS定位算法中,接收机所接收的外界加注

的信息通常涵盖了在信号捕获与定位计算过程中所需

的接收机位置、时间、可见卫星序列、星历、多普勒

频移以及各种误差校正等数据信息。利用这些辅助信

息,接收机可以在更小的范围内对待捕获信号进行搜

索,同时可以省略从所接收信号中实时对星历参数进

行解调的环节。因此A-GPS方法可以加快信号捕获,

以获得较短的首次定位时间。同时,当信号搜索范围

缩小以后,接收机则有更充裕的时间来对较弱的卫星

信号进行长时间的积分。当外界提供了丰富的卫星导

航电文数据时,这些信息还可以被用来实现对长于20

ms的信号进行相干积分,实现快速数据剥离,从而提

高接收机的信号捕获与跟踪灵敏度。假设接收机从辅

助信息中估算出某个卫星信号的多普勒频移,从中能

将频带搜索数目减少至没有辅助时的十分之一,那么

不考虑其他因素,接收机信号捕获就可以多花10倍的

时间驻留在每一个搜索单元上,相应的信号捕获灵敏

度就可以大约增加10 dB。

2 非完整时间条件下A-GPS快速定位算法设计

针对接收机无外部授时,且信号层面仅能获取毫

秒内时间,无法获得完整信号时间的场景下,使用传

统方式不能完成定位解算的问题,本文提出一种适用

于接收机时间误差达到秒级场景下的A-GPS定位算法。

该算法利用外部辅助信息(概略位置、星历、概略时间)

和毫秒内时间,即可解算出完整的信号时间,以完成

定位解算。

本文所提出A-GPS算法首先需要对初始条件进行

判断。其需判断的参数包括:卫星信号载噪比高于36

dB;单频接收时卫星数量不少于5颗,双频接收时不少

于6颗,三频接收时不少于7颗;连续稳定接收历元不

少于10个。满足以上条件后,对算法所需伪距、信号

时间进行计算。

在信号接收条件满足后,首先计算所有可见卫星

的伪距修正值 。

其中, 表示卫星 的测量伪距,I表示电离层延

迟修正值,T表示对流层延迟修正值,S表示地球自转

修正值, 表示卫星钟差。

假设概略时间为t 0,在星历最后更新时间小于30

min的情况下,以60 s为间隔,计算 时刻的星

地距离 (其中n=1, 2, … , 30),并求得星

地距离和修正伪距的差值,对某时刻的所有卫星的此

差值求和。

其中,m表示卫星数量。找到30个历元中d(n)最小值

对应的n,得到离当前时间最接近的时刻 。

计算 时刻所有卫星的星地距离、修正的伪距,

并求得两者差值:

然后找到 最小值对应的卫星,假设为卫星

1,以其为基准,修正其他卫星:

此后再进行A-GPS定位解算。A-GPS定位解算方

程如下:

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

以上

以下

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( ) #

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

#

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( ) #

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( ) #

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( ) #

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

第110页

104

中阿科技论坛 2023年第4期

其中,状态变量 是接收机钟差,其单位已转换

成长度单位——米。状态变量 是以秒为单位的接收

机绝对时间偏差, 为第m颗卫星的几何距离

对 的偏导值,它代表由时间偏差 所引入的几何距

离计算误差。

最后根据前后历元的定位误差对迭代结果进行可

靠性判断。若A-GPS定位迭代成功且准确,则进行载

体速度解算;若迭代失败或定位准确度达不到要求,

则重启A-GPS算法。

3 算法仿真及分析

为验证本算法的性能,在实验室条件下对本算法

进行了半实物仿真。仿真过程中使用GNSS信号模拟源

生成卫星星历、接收机状态信息等数据,并通过发射

天线进行星历实时播发。另外采用内嵌本文算法的接

收机设备,接收来自模拟源的信号。将用户场景设置

为静态,仿真时长超过8 min。半实物仿真过程中,概

略位置、概略时间和卫星星历的初值由外部进行预设。

如图1是本文A-GPS方法与传统定位方法的半实物仿真

定位结果。

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

( )

( )

( ) ( )

( )

( ) ( ) ( )

( )

( ) ( ( ) ( ) ( )) ( ( ))

( )

( )

(

( )

*

*

*

*

)

I T S t

t n

D t n

d n D t n

d n

t t n

d t t D t

d t

t D t t D t t

x

r

x

r

x

r

y

r

y

r

y

r

z

r

z

r

z

r

T

r

T

r

T

r

x

y

z

t

T

b

t

T

r

60

60

60

60

1

1

1

| |

( ) ( ) ( )

( )

( ) ( )

( ) ( ) ( )

( )

( ) ( ) ( ) ( ) ( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

( )

c

i i s

i

i

c

i

i

m

now

i

now

i

now

i

now

i

now

i

now

i

now now now ms

i

now ms

mmm

u

u

u

m

u

u

u

u

m

0

0

0

1

0

1 1

1

2

1

2

1

2

1

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g

2

2

2

2

2

2

g g

2

2

2

2

t t d

t

t

t t t

d

d

d

d

d

d

d

D

D

D

D

D

= - - - +

+

+

= + -

= +

= -

= + - +

=

=

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

S

R

T

S

S

S

S

S

S

S

S

S

S

S

S

S

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

W

V

X

W

W

W

W

W

W

W

W

W

W

W

W

W

/

D e m o

图1 双天线GNSS定位算法性能分析

图1中,实线表示使用本文方法的定位情况,虚线

表示直接进行传统定位的情况;横坐标表示周内秒,

纵坐标表示定位高程。由图1可知,使用本文方法首次

定位时间明显优于传统定位方法。

4 结论

本文设计了一种改进A-GPS算法。该算法在未获

得完整的接收机钟差条件下,可有效进行A-GPS定位

解算。该算法解决了在接收机无法获得信号完整时间

的情况下,使用传统方式不能完成定位解算的问题,

还加快了接收机完成首次定位的速度。本文算法可运

用在卫星导航接收终端类设备中。

参考文献:

[1]KAPLAN E D.GPS原理与应用[M].2版.寇艳红,

译.北京:电子工业出版社,2007.

[2]王晗.A-BDS/A-GPS多模位置服务平台设计与

实现[D].北京:北京邮电大学,2019.

[3]SIROLA N,SYRJARINNE J.GPS Position can be

computed without the navigation data[J].Chinese Journal of

Blood Transfusion,2002,23(10):836-839.

[4]宋成.辅助型GPS定位系统关键技术研究[D].长

沙:国防科学技术大学,2009.

[5]刘竞超.复杂环境下GNSS接收机快速定位研究

与分析[D].北京:北京邮电大学,2013.

第111页

105

成果转移转化

[6]杨丽新.GNSS快速选星算法及测距码应用研究

[D].北京:中国科学院大学(中国科学院国家空间科学中

心),2017.

[7]GUO J Y,ZHANG X L.Algorithm of GNSS

positioning based on Doppler shift in incomplete condition

of insufficient available satellites[C]//AOPC 2017: Space

Optics and Earth Imaging and Space Navigation. International

Society for Optics and Photonics,2017.

[8]YAO X Z,QIN X X,CUI S L,et al.A fast tracking

algorithm in GPS software receiver[C]//2011 IEEE

International Geoscience and Remote Sensing Symposium.

IEEE,2011:3448-3451.

[9]中国卫星导航系统管理办公室.北斗卫星导航系

统空间信号接口控制文件:公开服务信号B1I(3.0版)[EB/

OL].(2019-02-27)[2023-03-09].http://www.beidou.gov.

cn/xt/gfxz/201902/P020190227592987952674.pdf.

Study on the Design of an Improved A-GPS Fast Positioning Method

Pan Xiaohai1

, Wu Peng2

, Li Zhonglin1

, Li Jing1

, Gan Jiahui2

(1. Hunan Weidao Information Technology Co., Ltd, Changsha 410005; 2. Changsha University, Changsha 410022 )

Abstract: Under weak signal conditions, the inability to accurately acquire navigation messages may lead to unusable or

grave errors of GPS positioning functions, while A-GPS-assisted positioning can effectively reduce the time and hardware resources

consumed in capturing signals. Hence, to address the issue of conventional receivers’ inability to perform A-GPS solution when

the complete clock difference is unavailable, this thesis tries to design an AGPS positioning algorithm with 5 state variables. The

algorithm can achieve accurate positioning before frame synchronization and bit synchronization when the receiver time error

reaches the second level, which can greatly enhance the TTFF performance. In the end, the semi-physical simulation of this

algorithm verifies that the designed algorithm works properly and has a shorter first positioning time even when the signal integrity

time is not available.

Key words: A-GPS positioning algorithm; First positioning time; Receiver time error

(校对:郭雁华 杨艳佩)

第112页

106

中阿科技论坛 2023年第4期

物联网技术是指依托传感技术、二维码标签技术、

射频识别技术(RFID)、音视频等形成对生产过程信

息的识别感知,通过Zigbee、LoRa、Wi-Fi、互联网等

网络传输技术,实现感知信息的实时传输和认证,并

结合数据高效的存储与分析,最终将信息化与业务需

求相结合,形成生产信息与人力决策的协同统一,实

现信息化与工业化的融合,协同制定高效的行业解决

方案,提升企业的精细化和标准化管理水平。

烟叶复烤是将烟叶的烟梗和叶片进行分离,然后

进行再次干燥的过程,主要包含原烟收储、烟叶工业

分级、选后备料暂存、复烤加工、成品保管等过程。

在复烤加工企业中,成品质量水平是衡量企业加工能

力的关键[1],而在原始的质量管理体系中,主要依靠

人力对各仓储和生产各环节进行质量信息的检测和记

录,很可能造成质量管理过程中数据有效性不可控、

数据传递不及时、数据分析难度大、人力成本增加等

问题,无法有效地形成标准化管理体系。

提高复烤加工过程精益管理水平一直是企业探索

的重点,物联网技术的应用也为更高效的质量管理提

供了新的思路[2-3],但物联网技术在打叶复烤行业中的

应用鲜有报道。杨江平[4]以重庆打叶复烤企业生产经

营管理实际情况为例,从构建数据共享分析平台、提

升均质化加工水平、建立高效设备管理系统和降低能

耗方面探析大数据在复烤行业的应用。鞠文[5]对高速无

线网建设和烟叶生产全流程管理中RFID技术在打叶复

烤行业应用的可行性进行了综合分析。刘国庆等[6]通

过RFID物联网技术将烟叶烟包的信息流和物流关联起

来,建立了打叶复烤企业的烟叶质量追踪追溯体系。

上述研究从理论层面分析了物联网技术在打叶复烤中

的应用,但仅仅依靠RFID技术无法使质量追踪系统得

以真正落地使用。因此,构建打叶复烤加工过程质量

统计分析平台具有重要意义。

本文所设计的基于互联网技术的打叶复烤生产质

量统计分析平台,是通过各类传感器和分散式过程管

理系统接口技术的应用,实现烟叶仓储过程中湿度、

温度和复烤加工过程中各项系统参数、生产状态、成

品质量等数据的实时监测,并通过LoRa网关、RFID技

术和质量批次管理实现数据之间的实时上传与整合。

在应用过程中,结合统计学和大数据分析技术,利用

权重分析、方差分析、回归分析、相关性分析等统计

分析方法,建立复烤质量大数据分析模型,并将其运

用于实际的过程质量管理中,提升企业质量精益管理

基于物联网技术的烟叶复烤生产质量统计分析平台

设计与实现

崔娅娟 1

贺荣骄 2

范猛士 2 徐成坤 2

汪英英 2 叶学华 2

王瑞琦 1

山 珊 1

(1.红云红河烟草(集团)有限责任公司曲靖卷烟厂,云南 曲靖 655000;

2.曲靖天福烟叶复烤有限责任公司复烤车间,云南 曲靖 655000)

摘要:随着互联网技术的不断发展,人类将逐渐进入万物互联的时代。国家烟草专卖局曾印发《烟草行业“互

联网+”行动计划》,旨在积极推进烟草产业和互联网的深度融合。作为烟草产业中的关键一环,复烤加工成品

的质量均质化水平对卷烟的批次配方控制起到决定性作用,也从根本上影响着卷烟的感官品质。提升烟叶复烤加

工环节的信息收集能力和数据分析水平,将有效地提升烟叶复烤生产质量管理水平,进而提升整个产量链的原料

供应水平。本文研究方案基于物联网技术,通过质量数据自动采集与高效存储技术的应用,结合大数据分析方法,

建立复烤生产质量统计分析模型,高效分析烟叶复烤加工生产中各项原料差异指标和加工工艺对成品质量存在的

影响,旨在更精准地实现烟叶复烤生产均质化控制,助推烟叶复烤企业的精细化管理进程。

关键词:物联网;数据接口;质量统计;分析模型;烟叶复烤生产

中图分类号:F279.23 文献标识码:A

收稿日期:2023-03-22

作者简介:崔娅娟(1987— ),女,研究方向为制丝工艺管理、原料使用统计。通讯作者:范猛士(1973— ),

男,研究方向为烟草工业及物流。

第113页

107

成果转移转化

水平。

1 基于物联网的质量体系架构分析

在整个质量体系架构中,基于物联网技术的烟叶

复烤生产质量统计分析平台主要包含三大部分:数据

采集平台、网络传输平台和统计分析平台[7]。

数据采集平台主要由各种自动监测设备和数据采

集仪器组成,分别完成各环节的原料属性和过程质量

信息收集记录。数据采集平台以不同环节烟叶物料的

批次为关联依据,形成物料信息流动和追溯的完整质

量业务链,实现原料生命周期质量信息在复烤加工从

原烟入库到成品出库全过程数字化采集。

网络传输平台利用有线网络和无线网络实现数据

传输,固定采集点使用有线网络向后台服务器传输数

据,移动采集点通过无线网络进行传输。

统计分析平台是系统的运营支撑和信息应用终

端,通过各种应用软件将收集到的数据组成复烤加工

物料质量信息库,可进行查询、统计和分析,同时利

用大数据、神经网络算法等手段将上述质量信息进行

模型化处理,建立不同原料属性、过程质量和成品品

质之间的关系模型,同时生成各类可视化图形、报表

和数据,输出质量评估结论,用于复烤加工过程中的

质量评估、跟踪追溯和决策辅助,从而提高质量精细

化管理水平。其质量体系架构如图1所示。

2 基于物联网的质量数据采集方案设计

2.1 质量数据采集内容和采集方式

通过实际评估确认,参与质量综合分析的检测项

和工艺参数如表1所示。

针对上述不同的质量和工艺控制参数,采用不同

数据采集接口,涉及的采集方式包括:

(1)扫码读取:通过扫枪将随车辆同步烟叶调拨

单记录的烟叶属性和质量检测信息在系统进行读取登

记,形成可利用的数据源。

(2)传感器:通过具有功耗低、传输距离远等优

势的LoRa远程通信协议,利用信号采集器将传感器检

测得到的信息进行定时接收,并通过现场Modbus总线

将采集器获取的信息实时上传至数据处理服务器,由

数据采集服务进行解析与存储。

(3)RFID:通过RFID识别器对烟框上的RFID标

签进行扫描,从而获取本框烟内烟叶的质量信息,同

时关联相应的加工批次,并将信息通过以太网络上传

至服务器进行处理与存储。

(4)OPC接口:通过复烤生产线原有的分散式过

程控制系统(DCS)开放的OPC接口,获取下位PLC中

原已经接入的过程控制工艺参数,并通过服务器上部

署的采集服务完成数据的实时解析与存储。

(5)FTP服务:主要用于质量数据采集服务通过

FTP协议,从布拉本德水分仪中以xml文件的格式读取

检测数据,并在应用服务器中对该文件进行解析,实

现相关质量信息的采集和存储。

(6)体感:指人工巡检并通过身体感官探知物料

的质量情况,并将感知情况进行登记上报。

通过上述物联网采集技术的应用,实现了各工艺

环节质量信息和工艺控制参数的采集,整体数据采集

技术架构如图2所示。

2.2 质量数据采集过程

在实际的数据采集服务实现中,首先由收储仓管

员根据调拨单号,通过物料管理客户端对来料产地、

品种、等级等报道信息和堆位信息进行登记。然后,

通过安装在原烟堆位上的传感器将原烟存储过程中的

温、湿度进行实时监测,并将监测信息以一定的频次

上传至信号采集器,由采集器将获取的温、湿度信息

上传至服务器。

当原烟进入分选业务阶段前,调度管理系统将按

配方需求下达分选批次计划,并同步下达分选技术指

图1 质量体系架构图

图2 数据采集技术架构图

第114页

108

中阿科技论坛 2023年第4期

标和要求,原烟仓储管理员根据接收的分选批次进行

原烟出库操作,分选管理员在接收到出库原烟后根据

分选批次和分选技术方案要求进行分选作业,本流程

产生的出库信息和选后等级将由业务管理人员在物料

管理客户端进行登记,物流数据通过分选批次的关联

从而实现可追溯管理。

选后半成品将被装入贴有RFID标签的烟框进行存

储。RFID标签中通过手持PDA写入半成品的产地、品种、

选后等级和堆位等信息,并通过传感器以原烟同样的

方法实现半成品温、湿度信息采集。

当调度管理系统下达加工批次计划后,半成品仓

管员根据加工批次的要求进行出库作业。出库的过程

中通过手持PDA对烟框上的RFID标签进行扫描,以实

时上传半成品出库信息。复烤加工管理员同样根据加

工批次的要求对出库的半成品进行接收并完成投料生

产,所有的物流信息通过加工批次的关联,实时完成

登记。

生产车间根据作业计划实施加工任务。投料量、

工艺水分、温度、气压等工艺参数和打机转数等设备

运行参数通过下位PLC控制系统进行实时获取,数据采

集服务器通过OPC接口实现数据同步接收和存储。对

于复烤加工过程中的质量数据采集,质量管理部将对

每个班组下达质量检测任务,检测人员按任务要求的

频率和采样点对生产过程中的物料进行实地采样并完

成检测,样品水分和温度检测结果将通过布拉本德检

测仪内置的FTP服务器进行自动采集并完成数据解析和

表1 质量数据采集项综合汇总表

工艺环节 采集类型 采集项 采集方式

原烟收储 烟叶属性 产地、品种、等级 扫码读取

原烟质量 温度、湿度 传感器

烟叶分选 分选批次 选前和选后产地、品种、选后等级 RFID

分选质量 杂物、等级合格率、部位合格率 人工输入

备料暂存 选后质量 温度、湿度 传感器

复烤加工

备料质量 原烟含梗率 FPT服务

备料质量 切断率 FPT服务

加工质量

>6.35 mm叶片率 FPT服务

>2.36 mm叶片率 FPT服务

>2.36 mm叶片率 FPT服务

叶含梗率 FPT服务

梗含叶率 FPT服务

凉房水分 FPT服务

凉房温度 FPT服务

机尾温度 FPT服务

机尾水分 FPT服务

碎片温度 FPT服务

碎片水分 FPT服务

烟梗水分 FPT服务

烟梗温度 FPT服务

碎烟水分 FPT服务

碎烟温度 FPT服务

工艺参数

一润出口水分 OPC接口

一润出口温度 OPC接口

二润出口水分 OPC接口

二润出口温度 OPC接口

打叶风分质量 体感

烤机出口片烟质量 体感

碎烟复烤质量 体感

烤片机出口温度 OPC接口

烤片机出口水分 OPC接口

冷却机水分 OPC接口

冷却机温度 OPC接口

物料流量 OPC接口

打机转速 OPC接口

一润水、汽、气压力 OPC接口

二润水、汽、气压力 OPC接口

烤片水、汽、气压力 OPC接口

加工批次 成品等级 调度系统接口

第115页

109

成果转移转化

存储。

对于需要通过体感检测的质量采集项,由巡检员

完成接到的质量检测任务后,通过移动手机客户端对

质量信息进行登记和上传。

3 生产质量统计分析平台的应用

3.1 实现过程质量预警

在质量管理客户端系统中针对质检项配置预警阈

值或条件对实时上传的质量信息进行对比,一旦发现

质量异常,系统可自动发布质量异常预警,协助质量

管理员更及时、更便捷地捕捉质量异常信息,从而更

高效地规避质量事故风险。

3.2 实现烟叶全生命周期质量监控和跟踪追溯

在打叶复烤加工过程中,依托数据采集平台和网

络传输平台对生产各环节的数据进行实时精确存储、

关联和传递,以仿真的形式对生产过程质量数据进行

监控,并通过加工批次和分选批次的关联,建立以批

次信息为最小溯源粒度的质量追溯体系,对烟叶的全

生命周期进行质量和物料信息跟踪,完整再现每批烟

叶在仓储和加工过程中的物流和质量信息,实现复烤

各环节数据的可查可追。

3.3 差异显著性分析

利用统计学中的方差分析,可对烟叶属性和工艺

参数与烟叶质量之间的差异显著性进行分析,以确定

其对烟叶质量指标的差异显著水平,辅助质量管理员

制定更合理的质量控制决策[8]。例如,需要分析原烟产

地差异对片烟还原糖含量影响的显著性,可以在质量

信息库中选取各个产地的样品数据进行方差分析。选

取每个产地对应的10个检测样品还原糖含量,如表2所

示。

定义显著性水平α=0.05,通过单因素方差分析可

得结果如表3所示。

从方差分析结果表可以看出,由于F=21.981 82>

F0.05=2.246 408,所以产地对烟叶还原糖含量的影响显著。

3.4 质量相关性分析

利用统计学中线性回归算法,通过分析质量检测

项和影响因素之间的数据相关性,可得出两者间存在

的关系强度。例如,需要分析片烟水分与烤片机出口

温度之间是否存在显著性相关关系,只需在质量信息

库中取出两者真实的样品数据。其中10个样品数据如

表4所示。

表2 方差分析样品表

序号 麒麟 沾益 马龙 保山 大理 楚雄 普洱

1 19.30 21.91 21.25 22.75 27.41 21.95 16.09

2 20.80 19.15 16.53 18.74 24.19 25.23 16.31

3 21.71 21.11 18.56 21.81 26.04 21.23 16.13

4 18.27 19.45 11.48 22.59 27.55 24.20 16.57

5 22.28 18.74 22.20 19.62 26.61 22.56 15.77

6 21.40 21.88 22.70 22.44 27.45 22.01 15.81

7 16.89 21.09 22.87 24.83 26.53 18.82 16.19

8 22.67 22.64 20.51 18.41 27.55 16.51 15.36

9 21.16 17.83 21.65 19.95 27.66 20.75 16.16

10 18.39 18.80 17.10 22.23 25.55 21.45 16.79

表3 单因素方差分析结果表

差异源 SS df MS F P-value F crit

组间 592.1302 6 98.68837 21.98182 9.13E-14 2.246408

组内 282.8414 63 4.489545

总计 874.9716 69

表4 相关性分析样品表

项目 1 2 3 4 5 6 7 8 9 10

片烟水分 11.63 11.43 11.55 12.15 11.69 11.59 11.05 11.84 11.65 11.62

烤片机出口温度 44.37 49.23 50.85 51.46 39.09 47.24 42.75 41.53 46.15 53.53

根据相关系数计算公式:

式中,x表示烤片机出口温度,y表示片烟水分。

可计算得到相关系数约为0.19。

实际的r取值在[-1,1]之间,相关程度可分为几个

区间。当|r|≥0.8时,视为高度相关;当0.5≤|r|≤0.8时,

视为中度相关,当0.3≤|r|≤0.5时,视为低度相关,当

|r|≤0.3时,视为不相关。所以,根据两者的相关性分析

结果可得,烤片机出口温度和片烟水分之间可视为不

相关。在评估过程中,两者之间的相关关系的显著性

还需根据实际的生产过程进行显著性检验。

3.5 质量预测评估

利用统计学中的一元线性回归分析,将质量影响

r

n x x n y y

n xy x y

y x

n x x

n x y x y

o y x

R

y y

y y 1

^ ^ ^

^

^

^

^ ^

i i

i

n

i i

n

i

i

n

i i i

n

i i

n

i

i

i i

2 2 2 2

0 1

1

1

2

1

2

1 1 1

1

2

2

2

0 1

$

b b

b

b b

b b

R R R R

R R = - -

-

= +

= -

-

= -

= - -

-

= =

= = =

- -

-

/

/ /

/ / /

/

/_

_

^

`

h ^

i

i

j

h

D e m o

第116页

110

中阿科技论坛 2023年第4期

因素和检测项目之间的相关关系通过数学表达式描述

出来,并利用该表达式对质量项的值进行预测评估。

对于具有线性关系的两个变量,可以用一个线性

方程来表示它们之间的关系,该线性方程在统计学中

称为回归模型。回归模型可以表示为:

上述方程的解为:

并利用判定系数R2

来表示回归方程对预测数据的

拟合程度,其计算公式为:

R2

取值范围在[0,1],R2

越接近1表示利用该回归

模型预测数据拟合程度越好,预测结果越具有效性[9]。

在实际的预测模型的建立中,只需从质量信息库

里取出检测项和其对应的影响因素的样本,利用上述

公式计算出, 、 和R2

的值,便可获取二者的一元线

性回归模型,并通过模型对质量进行预测。

4 结语

通过基于物联网技术的烟叶复烤生产质量统计分

析平台的设计与实现,可有效提升烟叶复烤生产中质

量管理的信息化水平。在后续分析应用中,可充分利

用已获得的质量数据,检验并优化分析模型,并结合

大数据挖掘分析方法,建立更加完善的质量分析及管

理体系,实现复烤加工“精益生产”管理,提升烟叶

均质化加工纯净化生产水平。

参考文献:

[1]王献友,李屹,秦家文等.打叶复烤质量综合评价

体系的分析与设计[C].云南省烟草学会2014年学术年会

优秀论文集.昆明:云南省烟草学会,2015:8.

[2]苏茂军.基于工业物联网的仓储烟叶质量监测系

统研究[D].成都:电子科技大学,2022.

[3]陈 洲,王 丽 娟,王 秀 山.基 于 物 联 网 的 烟 叶

质 量 可 追 溯 系 统 的 设 计 与 实 现[J].现 代 农 业 科

技,2015,647(9):344-345.

[4]杨江平.大数据技术在复烤企业的应用探析[J].重

庆与世界(学术版),2016,33(11):124-126.

[5]鞠文.打叶复烤企业工业物联网的研究分析[J].科

技资讯,2021,19(26):14-16.

[6]刘 国 庆,蔡 桦.RFID技 术 在 打 叶 复 烤 烟 叶

质 量 追 踪 追 溯 中 的 应 用[J].电 脑 编 程 技 巧 与 维

护,2015,334(16):18-19.

[7]耿盼盼.通用物联网数据采集与分析平台的研究

与实现[D].青岛:中国海洋大学,2013.

[8]彭 桂 新,杨 永 锋,胡 静 宜 等.基 于 非 挥 发 性 有

机 酸 的 浓 香 型 配 打 模 块 烟 叶 评 价 指 标[J].烟 草 科

技,2020,53(3):89-96.

[9]蔡峰,刘太昂,张朝平,等.基于近红外数据预测

烟 草 淀 粉 含 量 的GA-SVR模 型[J].计 算 机 与 应 用 化

学,2014,31(8):969-971.

r

n x x n y y

n xy x y

y x

n x x

n x y x y

o y x

R

y y

y y 1

^ ^ ^

^

^

^

^ ^

i i

i

n

i i

n

i

i

n

i i i

n

i i

n

i

i

i i

2 2 2 2

0 1

1

1

2

1

2

1 1 1

1

2

2

2

0 1

$

b b

b

b b

b b

R R R R

R R = - -

-

= +

= -

-

= -

= - -

-

= =

= = =

- -

-

/

/ /

/ / /

/

/_

_

^

`

h ^

i

i

j

h

D e m o

r

n x x n y y

n xy x y

y x

n x x

n x y x y

o y x

R

y y

y y 1

^ ^ ^

^

^

^

^ ^

i i

i

n

i i

n

i

i

n

i i i

n

i i

n

i

i

i i

2 2 2 2

0 1

1

1

2

1

2

1 1 1

1

2

2

2

0 1

$

b b

b

b b

b b

R R R R

R R = - -

-

= +

= -

-

= -

= - -

-

= =

= = =

- -

-

/

/ /

/ / /

/

/_

_

^

`

h ^

i

i

j

h

D e m o

r

n x x n y y

n xy x y

y x

n x x

n x y x y

o y x

R

y y

y y 1

^ ^ ^

^

^

^

^ ^

i i

i

n

i i

n

i

i

n

i i i

n

i i

n

i

i

i i

2 2 2 2

0 1

1

1

2

1

2

1 1 1

1

2

2

2

0 1

$

b b

b

b b

b b

R R R R

R R = - -

-

= +

= -

-

= -

= - -

-

= =

= = =

- -

-

/

/ /

/ / /

/

/_

_

^

`

h ^

i

i

j

h

D e m o

r

n x x n y y

n xy x y

y x

n x x

n x y x y

o y x

R

y y

y y 1

^ ^ ^

^

^

^

^ ^

i i

i

n

i i

n

i

i

n

i i i

n

i i

n

i

i

i i

2 2 2 2

0 1

1

1

2

1

2

1 1 1

1

2

2

2

0 1

$

b b

b

b b

b b

R R R R

R R = - -

-

= +

= -

-

= -

= - -

-

= =

= = =

- -

-

/

/ /

/ / /

/

/_

_

^

`

h ^

i

i

j

h

D e m o

r

n x x n y y

n xy x y

y x

n x x

n x y x y

o y x

R

y y

y y 1

^ ^ ^

^

^

^

^ ^

i i

i

n

i i

n

i

i

n

i i i

n

i i

n

i

i

i i

2 2 2 2

0 1

1

1

2

1

2

1 1 1

1

2

2

2

0 1

$

b b

b

b b

b b

R R R R

R R = - -

-

= +

= -

-

= -

= - -

-

= =

= = =

- -

-

/

/ /

/ / /

/

/_

_

^

`

h ^

i

i

j

h

D e m o

Study on the Design of a Statistical Analysis Platform for Tobacco

Re-drying Quality Based on Internet of Things(IoT)

Cui Yajuan1

, He Rongjiao2

, Fan Mengshi2

, Xu Chengkun2

, Wang Yinyying2

, Ye Xuehua2

, Wang Ruiqi1

, Shan Shan1

(1.Qujing Cigarette Factory, Hongyun Honghe Tobacco Co, Ltd, Qujing 655000;2.Re-drying Workshop, Qujing Tianfu

Tobacco Re-drying Co, Ltd, Qujing 655000)

Abstract: With the continuous advancement of the Internet, human beings have ushered in the era of IoT. The State Tobacco

Monopoly Administration has issued the“Internet+”Plan of Action, aiming to promote the comprehensive integration of the industry and

the Internet. As a key link of the tobacco industry, the homogenization level of the finished products of the redrying process plays a key role

in the batch formula of cigarettes and fundamentally affects the quality of cigarettes. Enhancing information collection capability and data

analysis will effectively improve the quality of tobacco redrying, which in turn will boost the raw material supply of the whole industrial chain.

Based on IoT technology, this research proposes a statistical analysis model which integrates automatic quality data collection and efficient

storage technology and big data analysis methods to study the impact of raw material variation indexes and processing on the quality of

finished products, aiming to achieve the homogenization of tobacco re-drying and strengthen the refined management of related enterprises.

Key words: Internet of things; Data interface; Quality statistics; Analysis model; Tobacco re-drying

(校对:郭雁华 杨艳佩)

第117页

111

成果转移转化

在虚拟现实交互技术发展下,用户需要在虚拟环

境中行动和交互,而人的身体在场是虚拟现实空间中

最重要的特性之一,是获得虚拟场景参与感的基本条

件之一。具身认知理论向我们提供了研究虚拟现实交

互设计的新视角,为进一步研究虚拟现实交互设计奠

定了研究理论基础,从而优化用户在虚拟环境中的体

验感。

1 具身认知与虚拟现实交互

1.1 具身认知理论

具身认知理论,即身体是认知主体的认知心理学

观点。该理论认为心智和认知不是独立于身体的封闭

活动,它源于认知与世界的相互作用,身体在认知过

程中发挥着关键作用。认知依赖于身体的体验,而体

验源自具有特殊知觉和运动能力的身体。记忆、思维

和语言等交织在一起的认知活动,表现为认知过程被

身体决定,认知内容由身体提供,认知方式是身体嵌

入的基本特征。具身认知理论强调认知的产生与发展

是以身体结构和身体与环境的互动为基础,身体的运

动方式对认知过程产生直接和明显的影响。知觉、记

忆和抽象思维等认知活动都是由自己的身体开始的,

身体是学习和记忆的主体。概念隐喻理论(CMT)、

知觉符号理论(PPS)和感知运动模拟隐喻理论(SSM)

是目前具身认知理论研究的主要方向[1]。学界对于具身

认知的理解达成了很多共识,主要内容归纳为:(1)

感知觉的体验直接影响认知过程;(2)运动通道是大

脑与身体通向认知的重要连接通道;(3)认知依赖具

体情境,脑神经系统、身体和环境三者嵌套组成了人

的动态认知系统。具身认知理论对传统认知科学提出

了多重挑战,它以身心一体论为基础,认为身体是认

知的载体,调节着认知的动机与判断,限制着认知的

特征与范围,并且认知具有社会性[2]。

1.2 虚拟现实交互设计

虚拟现实是基于计算机技术生成与一定范围真

实环境在多通道方面类似的数字环境,其典型特征为

“3I”,即沉浸感(Immersion)、交互性(Interaction)

和构想性(Imagination)[3]。交互设计是通过相关隐喻

将用户行为和状态(输入)转变成计算机能够理解的

语言,并且把计算机的行为和状态(输出)转化为用

户能够理解操作的语言,通过界面反馈给用户。三维

交互是虚拟现实最重要的交互方式,三维用户界面是

虚拟现实人机交互最主要的界面形式,在虚拟现实交

互中用户依赖于交互任务。虚拟现实中的人机交互设

计需要考虑新的输入组件、输出显示和交互隐喻,其

研究的基本问题包含界面范式、交互任务分析、主要

交互设备以及如何实现交互任务的交互技术等[4]。

1.3 具身认知与虚拟现实交互设计

虚拟现实利用计算机图形构成的三维数字模型生

成一个虚拟世界,用户通过视觉、听觉、触觉等感官

的模拟,沉浸到该环境及事物的内在变化中[5]。体验开

始于身体通过各种感知和工具延伸到环境中去[6]。在

电影制作中,虚拟现实交互技术改变了传统的观影模

式,用户从被动体验转向主动交互,让观众在虚拟场

具身认知视角下虚拟现实交互设计影响因素研究

吕家姗

(西安科技大学,陕西 西安 710054)

摘要:在虚拟现实环境中,交互设计是用户参与感的重要来源之一。具身认知理论强调了身体在认知中的关

键作用,说明了身体、大脑和环境所组成的动态认知系统,为虚拟环境的交互设计提供理论参考。本文从具身认

知的视角探索了虚拟现实环境中交互设计的设计层次,从具身认知层、具身行为层、情感体验层三个层次进行分

析,并通过问卷调查探究了虚拟现实交互设计对用户具身认知的影响。试验结果证明:交互界面因素与本体性、

图式性因素相关性显著;人机交互因素与可供性因素相关性显著。

关键词:具身认知;虚拟现实;交互设计

中图分类号:TP391.1 文献标识码:A

收稿日期:2023-02-06

作者简介:吕家姗(1997— ),女,硕士研究生,研究方向为设计学工业设计方向。

第118页

112

中阿科技论坛 2023年第4期

景中与虚拟人物获得感同身受的体验,从而增强观众

参与度和创造力[7]。

2 基于具身认知的虚拟现实交互设计层次及特征

虚拟现实技术作为沉浸式技术,提高了内容表达

的沉浸感和互动性,但同时也产生了诸如“幽灵效应”

等问题。人所具备的身体与空间交互经验,为交互设

计提供了依据。本文根据具身认知相关理论,提出基

于具身认知的虚拟现实影响交互设计框架,把虚拟现

实交互设计划分为具身感知层、具身行为层、情感体

验层三个层次。并提出每个层次的特性:具身感知层

以本体性为特征;具身行为层以可供性和图式性为特

征;情感体验层以情感性为特征。

2.1 具身感知层——本体性

人们在虚拟世界中通过虚拟化身与外界进行互

动,会经历虚拟身份与现实身份之间的张力以及虚拟

世界内部的身份认同张力这两个突出的问题。用户是

利用环境、用人体的姿势和身体语言来表达的。根据

身体意向(Body Image)理论,人类通过感知自己的

身体形成了自我与外界分离的意识,自我与外界的相

对位置及知觉反馈形成了主体的自我意识。除了人对

自己三维身体的认知外,认同是经典的社会认同理论

(Social Identity Theory)的核心,而身份认同则是其中

的重要组成部分[8]。虚拟现实体验中佩戴VR眼镜的作

用是由于用户的正常视角发生了变化,需要知道自己

虚拟化身(Avatar)的形态,也需要对应和调节自己的

动作和行动方式,以转变对自己身体的感知和行为,

相信自己在虚拟空间中的存在也同样真实可靠。拉康

的镜像理论也表明了在镜像阶段主体所形成的认知过

程是认同的根源,是关于自我的构成与本质以及自我

认同的不可替代的形成过程,且对人们认识人类生活

过程中主体的发展有持续的影响[9]。

2.2 具身行为层

人通过身体体验及活动逐渐对世界形成了认知。

用户进行自然交互的前提就是了解如何行走、抓取物

体、观察环境,就像现实生活中一样,用户几乎不需

要学习具体的东西。用户在虚拟现实交互体验的时候,

通常会观察自己的手部,然后会进行手部动作,再去

观察身体其他部分,用户会开始把视觉和主体感知联

系起来,身体动作能够和行为匹配起来,用户的临场

感和沉浸感会得到强化。而这一阶段特征主要是图式

性和可供性。

2.2.1 图式性

身体图式指一种重复出现在人类秩序性活动中的

模式、形状和规律。他们是具有意义的结构,作用于

人类在空间中的身体移动、对物体的操作和知觉的交

互之中。设计师通过利用物理环境类比,模拟用户与

设计产物的互动行为,找到与物理环境相对应的映射

关系,运用使用者对现实产物的普遍认知,将现实产

物的使用行为对应到虚拟世界的产物中,令设计产物

唤起用户的认知行为[10]。

2.2.2 可供性

虚拟现实环境对用户的注意力引导和用户注意力

分配提出挑战,可以使用视觉引导,也可以使用声场

技术对用户进行音源方位的引导。交互设计中交互对

象的可供性要素可以从交互图式中进行分析,包括交

互空间对用户的移动引导和交互对象对于用户的注意

和功能引导,为用户提供交互意图,促进用户主动与

环境交互,以增加用户在交互过程中的参与度[11]。

2.3 情感体验层——情感性

情感属于一种具身认知,大脑和身体对情感的作

用是双向的,由脏器传入大脑的反馈对情感体验和随

后的社会行为有很大影响。用户以不同维度表达主体

意识,通过用户自身行动带来深层次的情感沉浸以投

入体验中。情感作为一种心理状态以身体反应为先,

并且无法否认先前有用的认知经验是由相关的感觉运

动系统产生的。具身情感是利用先前存在的知识经验

在多个系统内同时对发生的情绪信息进行评价,是身

体系统与情绪信息协同的结果。

3 研究假设与模型

3.1 研究概念的测度

本研究根据具身认知的四个特征——本体性、可

供性、图式性和情感性进行具身认知量表的设计。VR

社交平台中本体性是指用户是否认为自身处于虚拟世

界中及能不能适应虚拟环境;VR社交平台中图式性是

指用户能否利用自己在物理世界的认知映射在虚拟世

界;VR社交平台中可供性是指用户是否对近身事物更

加敏感,即会不会被周遭的场景和际遇所吸引并与虚

拟世界进行互动;VR社交平台中情感性指用户能否将

自己的情感映射于虚拟化身及虚拟环境中。

本研究根据VR交互设计的三个方面——交互界

面、交互任务和人机交互,进行VR交互设计量表的设

计。VR交互设计中交互界面是包括界面设计、界面布

局和界面逻辑对用户具身认知的影响;VR交互设计中

交互任务是包括选择/操纵、导航和系统控制/命令对用

户具身认知的影响;VR交互设计中人机交互是包括交

互自由度、交互方式、捕捉方式、多通道交互及反馈

对用户具身认知的影响。

3.2 理论假设提出

黄薇等(2023)基于具身认知理论研究了交互界

面适老化设计策略,推出具身认知需求及界面设计需

第119页

113

成果转移转化

求,认为从具身认知视角出发的交互设计方式有效匹

配老年用户的认知能力[12]。本研究假设交互界面对具

身认知各维度均有正向影响,并提出假设H1、H4、

H7、H10;交互任务是连接用户与虚拟环境的桥梁,

本研究假设交互任务对具身认知各维度均有正向影

响,并 提 出 假 设H2、H5、H8、H11。KEYSAR及GAO

等研究了不同的交互手势会对用户情感认知造成不同

影响[13-14];王新燕基于具身认知理论,进一步研究了触

屏环境下交互手势对于用户情感认知造成的影响[15],

本研究假设人机交互对具身认知各维度有正向影响,

提出假设H3、H6、H9、H12。综上所述,VR交互设计

对用户具身认知各维度的影响假设如表1所示。

4 实验设计

本实验研究主要研究VR 交互设计三个维度——交

互界面、交互任务、人机交互与具身认知五个维度——

本体性、可供性、图式性、情感性的影响因素研究。

实验材料选取《VRChat》,这个游戏是一款大型

多人线上虚拟现实游戏,是VR技术在社交领域的探

索。《VRChat》营造了一个虚拟世界,人们可以通过

虚拟化身(Avatar)在虚拟空间中与他人聊天、看电影、

打游戏等。用户可以自主创造虚拟世界或地图,可以

搭建社区并邀请其他用户进入线上活动。

本次研究实验被试通过招募及邀请,要求被试填

写问卷和参与访谈。参与本次实验的被试人数有47名;

关于性别,男性占比为63%,女性占比为37%;年龄从

20 ~ 45岁排布,调研对象主要是有至少体验过3次VR

内容的学生和上班族。所有被试要求在指定场地玩VR

社交平台《VRChat》50分钟作为实验时间。发放了47

份问卷,最后确认44份有效问卷被用于统计分析。问

卷数据在Excel中插入和编码,然后导入SPSS中进行数

据分析。

5 数据分析

本节使用SPSS数据分析软件对样本的数据结果进

行信度分析,检验问卷数据的效度。对VR交互设计因

素与具身认知的相关关系进行数据分析,并通过多元

回归分析等方法进行变量的因果关系探索,对研究假

设进行检验。

5.1 信度分析

本研究采用问卷信度分析常用的克隆巴赫α系

数,临界点选取参考荣泰生(2012)[16],即α系数小于

0.35为信度较差,介于0.35至0.7之间信度尚可接受,α

大于等于0.7信度较高。VR交互设计维度中,交互界面

因素和人机交互因素α值分别为0.726和0.877,均大于

0.7,说明问卷信度较高;交互任务因素α值为0.679,

且数值介于0.6到0.7之间,说明问卷信度尚可接受。均

可以继续进行效度分析;具身认知维度中,情感性因

素α值为0.909,且大于0.7,说明问卷信度较高;本体

性因素、图式性因素、可供性因素α值分别为0.643、

0.668和0.576,数值均介于0.7到0.35之间,说明问卷信

度尚可接受。均可以继续进行效度分析。

5.2 效度分析

本研究的效度检验先利用KMO和Bartlett球形度检

验,再利用因子分析。此外,适合开展因子分析的前

提是变量各维度的KMO值都必须大于0.5。

VR交 互 设 计 因 素KMO值 为0.74,显 著 性 小 于

0.005,且全部题项则在单个维度上的载荷高于0.5,属

于有效题项,通过效度检验,保留。基于分析,Q1、

Q2、Q3属于VR交互设计维度1,根据调研内容,可以

知道VR交互设计维度1为交互界面维度;Q4、Q5、Q6

属于VR交互设计维度2,根据调研内容,可以知道VR

交互设计维度2为交互任务维度;Q7、Q8、Q9、Q10、

Q11属于VR交互设计维度3,根据调研内容,可以知道

VR交互设计维度3为人机交互维度。

具身认知因素KMO值为0.915,显著性小于0.005,

且全部题项则仅仅在单个维度上的载荷高于0.5,属于

有效题项,通过了效度检验,保留。基于以上全部分

析,Q12、Q14属于具身认知维度1,根据调研内容,可

以知道具身认知维度1为本体性;Q15、Q16属于具身

认知维度2,根据调研内容,可以知道具身认知维度2

为图式性;Q17、Q18属于具身认知维度3,根据调研内

容,可以知道具身认知维度3为可供性;Q19、Q20属于

具身认知维度4,根据调研内容,可以知道具身认知维

度4为情感性。

5.3 VR交互因素对VR具身认知的影响

5.3.1 VR交互设计因素与具身认知的相关性分析

为了证明VR环境交互设计因素中的交互界面、交

互任务和交互设计与具身体验的本体性、情境性、可

供性、图式性和情感性之间的关系,将数据纳入SPSS

进行相关分析,相关性分析结果如表2所示。

表1 VR交互设计对具身认知的影响假设

代码 假设内容

H1 交互界面对本体性有显著正向影响

H2 交互任务对本体性有显著正向影响

H3 人机交互对本体性有显著正向影响

H4 交互界面对可供性有显著正向影响

H5 交互任务对可供性有显著正向影响

H6 人机交互对可供性有显著正向影响

H7 交互界面对图式性有显著正向影响

H8 交互任务对图式性有显著正向影响

H9 人机交互对图式性有显著正向影响

H10 交互界面对情感性有显著正向影响

H11 交互任务对情感性有显著正向影响

H12 人机交互对情感性有显著正向影响

第120页

114

中阿科技论坛 2023年第4期

以上的相关性分析也为后续的影响因素研究提供

了依据和保证。首先,交互设计量表与具身认知量表

在0.05级别相关性显著。其次,交互界面与本体性、图

式性在0.05级别相关性显著;人机交互与可供性在0.01

级别相关性显著;情感性与交互设计各因素无相关性

显著。

5.3.2 VR交互设计因素与具身认知的回归分析

VR环境中具身认知下的本体性作为因变量,VR交

互设计因素交互界面维度及交互设计为自变量, 以上

的回归分析的结论可以整理成表3。

表2 VR交互设计因素与具身认知的相关性分析

交互界面 交互任务 交互设计 交互设计量表 本体性 可供性 图式性 情感性 具身认知量表

交互界面 1

交互任务 0.265 1

交互设计 0.164 0.344* 1

交互设计量表 0.554** 0.299* 0.764** 1

本体性 0.307* 0.195 0.290 0.351* 1

可供性 0.186 0.198 0.437** 0.225 0.259 1

图式性 0.308* 0.178 0.161 0.218 0.360* 0.113 1

情感性 0.142 0.028 0.054 0.047 0.324* 0.208 0.237 1

具身认知量表 0.349* 0.214 0.337* 0.309* 0.755** 0.556** 0.614** 0.712** 1

注:**在 0.01 级别(双尾),相关性显著;*在 0.05 级别(双尾),相关性显著。

表3 VR交互设计因素与具身认知的相关性分析

模型 非标准化系数 标准系数

t

显著性 VIF B 标准错误 贝塔

(常量) 17.962 5.381 3.338 0.002

交互界面 2.338 1.095 0.302 2.135 0.039 1.028

人机交互 1.641 0.808 0.287 2.030 0.049 1.028

R2 0.202

F 5.191

P 0.010b<0.05

因变量:具身认知量表

本次线性回归模型的拟合度R2=0.202,表示VR

交互设计维度中交互界面设计和人机交互维度这两

个变量对回归方程有20.2%的解释力;两个变量之间

不存在多重共线性,VIF全部小于5;回归方程显著,

F=5.191,P<0.05,代表着两个自变量中至少有一个可

以显著影响因变量满意度;交互界面可以显著正向影

响用户具身认知(β=2.338>0,P<0.05);人机交

互可以显著正向影响用户具身认知(β=1.641>0,P

<0.05);变量之间得出如下的回归方程:具身认知

=17.962+2.338×交互界面+1.641×人机交互。

5.4 研究结果

在VR平台交互设计因素对具身认知体验因素的影

响研究中,交互界面对具身认知维度中本体性和图式

性有显著正向影响,人机交互则对具身认知维度中可

供性有显著正向影响。假设H1,H6,H7成立。

6 讨论与展望

本实验探究了VR交互设计维度对于具身认知各维

度的影响因素,通过以上结论发现交互界面对具身认

知维度中本体性和图式性有显著正向影响,人机交互

则对具身认知各维度中可供性有显著正向影响。交互

界面和本体性为显著正相关。交互界面是用户在虚拟

空间中发生交互的主要环境,因而首先定义了交互界

面作为用户本体性认知很重要的部分。以用户为中心

进行用户体验研究来进行三维交互界面设计,加强了

用户对于自身在虚拟空间行动及能力以达到增强用户

本体性认知的效果。交互界面与图式性交互界面是人

近距离能够接触交互的部件,所以交互界面和用户图

式性的相关性较高,所以探索虚拟现实环境中交互界

面的可用性是非常重要的,根据人习惯的行为模式、

行为形状和行为规律进行设计,体现在人类在空间中

的身体移动、对物体的操作和知觉的交互中,会增强

用户对于自身在虚拟空间中的认知[17]。人机交互和可

供性为显著正相关。人机交互技术决定了人在虚拟空

间中的自由度和灵活度。多通道人机交互方式是更自

然的人机交互方式,对于用户认知虚拟环境可供性可

能有很大帮助。例如环境中有声音提示,视觉引导用

户与环境进行交互。用户也可以通过自身和其他用户

面部表情和肢体语言感知对方的状态,然后可以和自

身、环境和其他用户进行互动,例如,在虚拟空间和

其他用户击掌,增强用户体验的临场感和沉浸感。

第121页

115

成果转移转化

交互设计各维度与情感性无明显正相关,表明用

户的情感体验的发生受到多种因素的影响。情感体验

的发生具有一定随机性,即情感体验的强度、持续时

间和类型可在不同的时间和情境下发生变化。

三维环境吸引着观众,使观众在具身交互过程中产

生认知和意义的理解,从而产生具有意义感的体验[18]。

在以后的研究中,可以更具体地研究用户在虚拟环境

中具身认知的过程和认知的动态变化过程,分析其对

于交互设计的影响,更好地提升虚拟现实交互设计的

可用性和普适性。研究变量上,为了明确产品迭代方

向,以后将加入用户满意度研究变量,进行交互设计

各维度与用户满意度相关性研究及影响因素研究;关

于具身认知维度,用户体验的认知较为主观,受到的

影响因素较为复杂,在以后的研究中,可以以更加准

确和精细化的指标衡量虚拟现实交互设计的用户体验

研究。

参考文献:

[1]郑皓元,叶浩生,苏得权.有关具身认知的三种理

论模型[J].心理学探新,2017,37(3):195-199.

[2]史小冬.在线与在场:基于具身认知的展览交互设

计策略研究[J].装饰,2019(7):96-99.

[3]ZHAO Q P. 10 Scientific problems in virtual

reality[J]. Communications of the ACM,2011,54(2):116-118.

[4]张凤军,戴国忠,彭晓兰.虚拟现实的人机交互综

述[J].中国科学:信息科学,2016,46(12):1711-1736.

[5]朱咫渝,朱丹阳.虚拟现实技术推动下的阅读:基

于具身认知的视角[J].传媒论坛,2019,2(20):110-111+114.

[6]杨璟.虚拟与现实的交互:从具身认知学角度探讨

一种新的空间构建[J].新建筑,2022(6):87-91.

[7]王钰,杨雨轩,周屹.虚拟现实技术在电影制作中

的具体运用[J].湖南包装,2021,36(6):104-106.

[8]刘燊,柏江竹.虚实相融的“元宇宙+心理学”发

展新趋势[J].心理技术与应用,2022,10(1):58-64.

[9]刘文.拉康的镜像理论与自我的建构[J].学术交

流,2006(7):24-27.

[10]朱诗源,潘正斌,王健.VR技术下自然行为的交

互界面设计方法探究[J].大众文艺,2019(6):119-120.

[11]罗兰.基于具身认知的VR交互产品感知过程模

型研究[D].贵阳:贵州大学,2021:42-44.

[12]黄薇,邵恩雨,吴剑锋.基于具身认知的就医导视

系统适老化设计研究[J].包装工程,2023,44(2):290-297.

[13]KEYSAR B,SHEN Y,GLUCKSBERG S,et al.

Conventional Language: How Metaphorical is It?[J].Journal of

Memory and Language, 2000,43(4):576-593.

[14]GAO Y,BIANCHI-BERTHOUZE N,MENG

Hong-ying.What does Touch Tell us about Emotions in

Touchscreen-Based Gameplay?[J].ACM Transactions on

Computer-Human Interaction,2012,19(4):31.

[15]王新燕.具身认知视角下的交互手势对用户情

感认知的影响[J].包装工程,2022,43(24):153-158

[16]荣泰生.SPSS与研究方法(第二版)[M],大连:东北

财经大学出版社,2012:288.

[17]彭心勤.具身认知视域下设计符码的重构和体

验价值[J].喀什大学学报,2018,39(4):68-71.

[18]谭亮.构建公共空间中的具身交互设计模型[J].

湖南包装,2019,34(3):34-37.

Study on the Influencing Factors of Virtual Reality Interaction Design

from the Perspective of Embodied Cognition

Lv Jiashan

(Xi’an University of Science and Technology, Xi’an 710054)

Abstract: In virtual reality environments, interaction design is one of the vital sources of user engagement. Embodied cognition

theory emphasizes the key role of the body in cognition and illustrates the dynamic cognitive system composed of the body, brain and

environment, which provides a theoretical basis for interaction design. In view of this, this thesis aims to explore interaction design from

three levels of embodied cognition, embodied behavior and emotional experience, and examines the influence of interaction design on

users’ embodied cognition through a questionnaire. The experimental results indicate that interaction interface is significantly correlated

with the ontological and schematic factors, and so does human-computer interaction and availability.

Key words: Embodied cognition; Virtual reality; Interaction design

(校对:郭雁华 赵一)

第122页

116

中阿科技论坛 2023年第4期

近二十年来,我国的公路建设一直处于高速发展

阶段,高速公路路网已基本形成,里程数跃居全球首

位,长期以来“重建轻养”的问题导致公路养护任务

逐年增加,已进入大规模公路养护时代。高速公路养

护工作是保障综合交通、智慧交通、绿色交通和平安

交通的基石。通过开展高速公路标准化巡护工作,能

够及时发现并有效处理道路病害,从而消除高速公路

运营的安全隐患。加强道路管养已成为我国道路基础

设施发展的当务之急,是推动城市精细化管理的重要

举措,是我国道路安全和民生发展的重要保障。

目前,高速公路巡检工作主要依靠传统的人工

巡检方式,巡检效率低、时效性差,巡检过程中人员

的安全问题难以保障,由于工作人员技术水平参差不

齐,难以确保巡检结果的真实性、有效性和完整性,

形成的巡检结果为非结构化数据,难以推动道路设施

精细化管养[1-3]。

随着交通领域的迅猛发展,高速公路的建设也在

不断加快,传统人工巡检压力越来越大,已无法满足

现实需求。针对这一难题,利用无人机搭载专业设备

来协助进行日常巡检工作的方式得到了业内的高度认

可。首先,无人机机动性好、飞行速度快且覆盖范围

大,不受地形、气候等因素影响,能够快速抵达人力

巡检无法到达的位置,大幅提升了巡检作业效率,节

省了成本和时间,有利于更好地保障高速公路安全以

及巡检人员安全。其次,无人机适应性强、可搭载多

种不同设备,能够根据不同任务需求灵活调整部署,

可以通过图像或视频等方式实时展示交通动态,并及

时发现各种道路隐患,便于巡检人员进行维修。同时,

无人机还能收集大量巡检数据并做进一步分析、处理,

为推进高速公路巡检工作的持续完善提供数据支撑。

目前已有部分高速公路管理养护单位利用无人机

拍摄路面图像数据,通过人工对数据进一步筛选和辨

识,进而确认灾害的位置和类型[4],以此达到对路面的

特定性养护和风险识别的目的。虽然无人机作业相比

传统人工巡检方式在效率上有所提高,但仍存在费时

费力、效率低下现象。据调研,无人机系统平台开发

基于无人机遥感技术的高速公路综合巡护平台

应用研究

刘会会 1

张程程 1

刘奥祥 2

李振杰 3

(1.河南交通职业技术学院,河南 郑州 450064;2.河南省交通事业发展中心,河南 郑州 450064;

3.郑州新图信息科技股份有限公司,河南 郑州 450064)

摘要:高速公路养护工作是保障综合交通、智慧交通、绿色交通和平安交通的基石。以人工为主的传统巡检

方式,存在巡检效率低、时效性差,巡检过程中人员的人身安全难有保障,形成的巡检结果是非结构化数据等问

题,难以推动道路设施精细化管养,很难满足我国大体量道路的运维管养需要。基于此,本文提出将低空遥感、

人工智能、大数据和GIS等技术应用于道路巡检养护,搭建基于GIS技术的高性能云计算平台,采用基于卷积神经

网络深度学习模型的自动识别技术,可实现海量遥感数据的高速处理和“一张图”可视化管理,能够显著提高高

速公路巡检与运维管理水平。

关键词:无人机遥感技术;高速公路;综合巡护平台

中图分类号:P237 文献标识码:A

收稿日期:2023-01-23

基金项目:基于无人机遥感技术的高速公路综合巡护平台应用研究(2022-ZDXM-007)。

作者简介:刘会会(1986— ),女,讲师,硕士,研究方向为网络技术和人工智能;张程程(1987— ),

女,助理讲师,研究方向为大数据;刘奥祥(1990— ),男,硕士,工程师,研究方向为交通信息工程;李振

杰(1989— ),男,工程师,研究方向为GIS地理信息系统。

第123页

117

成果转移转化

能力弱,能提供无人机搭载载荷进行巡查,但无配套

巡检管理平台和数据处理工具。且图像与地理位置的

关联度低,无人机拍摄照片、视频后不仅需人工观看

判别,识别问题后仍需进一步人工判别所在地理位置。

基于上述情况,经调研,本文提供了一种新型、安全、

高效、低成本的高速公路智能巡护方式。

1 高速公路综合巡护平台设计

1.1 平台概述

如图1所示,高速公路综合巡护平台由无人机遥感

平台、数据处理中心、地面数据接收与控制站、用户

端等几部分构成。本平台综合运用了低空遥感、人工

智能、大数据和GIS等技术,将巡检车和无人机所获取

的实时巡检数据,汇总到可以实时显示、编辑和通讯

的中央管理平台,形成集可视化综合展示、业务分析

以及指挥调度功能于一体的可视化动态综合指挥巡护

平台,实现多任务可视化GIS“一张图”显示。通过平

台实现对无人机原始影像和DOM正射影像的浏览与追

溯,对智能识别、检测和分析结果进行浏览、查询、

编辑、分析、统计等,自动生成巡检报告并可通过微

信小程序、应用App等媒介完成报告的推送或调阅,从

而大大降低道路巡护的成本,提升巡护效率,提高应

急监测和处理能力,实现智能化、可视化、精细化的

高速公路综合巡护服务。

无人机平台根据不同的任务,搭载多源有效任务

载荷进行信息数据采集,主要包括三维激光扫描仪、

高分辨率摄像机、红外热成像仪、GNSS(全球导航卫

星系统)/惯性导航系统、图传/数传模块等。同时,地

面端配合地面采集车,通过搭载激光扫描仪、全景相

机、高清相机等任务载荷,实现路面信息数据的采集

和质量评估检测。针对无人机和地面采集车采集的影

像数据、激光雷达数据、POS数据及其他传感器参数,

利用地面数据处理系统对数据进行快速分析融合处

理,并将结果实时推送至后台管理平台。

基于GIS地理信息技术,结合无人机拍摄的高速公

路沿线实时高清的地理信息,通过网络接入公路安全

管理各项数据信息,搭建智慧高速综合管理调度系统

(数据仓库/电子地图/巡检管理/无人机管理/任务管理

/公路管理等),即平台的“大脑”,实现用户数据的

存储和管理、二/三维展示、仿真飞行、巡检管理、用

户管理等。

移动执法App或智能巡检微信小程序可供路政巡检

执法人员安全便捷执法和无纸化作业,同时能为执法巡

检结果的上报及处理全流程提供一套整体解决方案,从

而使外勤巡检和内勤统计工作变得更高效更准确。

1.2 系统架构

整个系统平台采用B/S架构,数据处理系统采用C/

S架构,方便平台的统一升级与维护,系统架构可以归

结为“五大层次、两大体系”,具体如图2所示。

感知层:系统业务数据的来源。通过无人机遥感

平台、智能终端等硬件传感器,结合对各种通信服务

接口的处理,构成了系统所需的各种关键动态数据。

数据传输层:感知层采集的图像和视频数据等需

要通过4G或5G网络实时传输到后台进行处理。

数据层:数据层是整个系统构建的基础,包括关

系型数据和非关系型数据,根据用途的不同,非关系

型数据包括POS数据、标定数据、无人机影像数据和吊

舱姿态数据,关系型数据包括基础底图数据、疑似目

标识别、巡检数据和样本数据集。

服务层:各种业务模块是功能业务逻辑的具体实

现,基于各种组件的开发而形成。其中深度学习模块

可实现样本搜集标注、样本分类和特征提取功能;数

据处理模块可实现图像预处理、标定处理、影像自动

图1 平台产品构成

图2 系统架构图

第124页

118

中阿科技论坛 2023年第4期

识别、影像无损压缩和图像快速拼接等功能;GIS模块

可实现数据动态展示和可视化“一张图”等功能;用

户权限模块包括用户管理模块和权限管理模块。

表现层:门户是系统的表现,根据用户需求将各

个子业务系统进行整合,不同级别的用户分配的权限

不同,其系统功能也不相同,不仅充分体现了以人为

本的设计理念,还降低了应用难度,提高了工作效率。

安全保障体系:安全保障包含网络、应用和系统

三个层面的平台安全。其中,网络安全平台保障信息

访问安全,提供基本安全防护、故障恢复及容灾等服

务;应用安全平台包括身份认证、权限控制、数据安全、

系统日志等,提供用户管理、角色管理、授权、认证

等用户管理服务;

标准规范体系:信息融合与指挥控制平台严格依

据国家信息化建设项目标准体系中相关标准建设,并

在建设过程中根据实际情况提出合理的标准修改与完

善建议。

1.3 子系统简介

1.3.1 无人机巡检系统

无人机巡检系统具备两大核心功能,一是对目标

物自动识别和分类,二是对目标物进行精准定位。人

工智能卷积神经网络算法的应用能够通过参照大量目

标物样本数据训练其特征库,从而实现对相应特征目

标物的精准识别;基于单目视觉的目标定位算法通过

任务载荷的内外参数实现对目标物的精准定位。

客户端处理系统采用C/S架构,登录页面与管理平

台进行登录检验、数据权限以及处理跳转页面,同时

本系统支持GIS地图可视化、统计报表导出与打印等可

视化交互功能,满足常规及应急巡检需求。无人机巡

检系统对于目标物的处理流程如图3所示。

1.3.2 移动巡检App

移动巡检终端实现了路政巡检执法人员的安全便

捷执法和无纸化作业,同时能为执法巡检结果的上报

及处理提供一套全流程整体解决方案,从而使外勤巡

检和内勤统计工作变得更高效更准确。

1.3.3 可视化管控平台

无人机可视化与管控可实现无人机任务调度及历

史数据存储、汇总、追溯等,实现飞行数据可视化,

包括轨迹数据、遥感数据(图像数据、视频数据)等,

并在GIS“一张图”中展示。此外,预警信息、资产数

据等都可以在GIS“一张图”中可视化与管控,从而统

一数据管理,提高各个技防系统数据的利用率。

1.3.4 地图制图系统

采用高性能图形处理集群环境+全自动建模测图软

件,提供专业、便捷、快速的基础地理信息产品生产,

支持各种格式的二、三维矢量数据。可实现相机标定、

影像拼接、地图匹配和地图发布等。具体的数据处理

流程如图4所示。

2 关键技术

2.1 复合翼无人机高精度自主导航技术

为实现无人机高速公路巡护全程高精度自主航线

飞行,采用GNSS/INS组合导航系统,集成高灵敏度的

飞控模块与高可靠性的飞控算法,研究卡尔曼滤波算

法,分别建立GNSS信号正常与异常两种情况下,组合

导航信息融合的方法,提供厘米级的导航定位精度,

具体如图5所示。

图3 无人机巡检系统目标物处理流程

图5 复合翼无人机高精度自主导航流程

图4 数据流程处理

第125页

119

成果转移转化

2.2 基于卷积神经网络的目标识别分类检测算法

为实现卷积神经网络的目标识别,且机载实时处理

图像每帧处理时间不超过100 ms,目标识别准确率不低

于90%,地面处理图像每帧处理时间不超过20 ms,目标

识别准确率不低于95%,采用卷积神经网络架构[5-6],搭

建集样本标记、训练、检测为一体的深度学习平台,

对卷积层重新组合设计,预测使用单个神经网络图像

分成的每个区域的边界框和概率,并对以上边界框进

行概率加权。

2.3 大数据图像分析及可疑情况判断和预测模型

遥感数据海量存在,为实现对识别目标的可疑情

况的判断和预测,针对同一区域不同时期的多源遥感

影像和相关的地理空间数据,根据地图特性和遥感成

像的机理,依据图形图像处理理论和数理模型方法,

确定和分析该地域地物位置、范围、特性和状态等变化。

通过对图像特征提取、分析和匹配的深度学习,研究

目标风险识别、分类以及风险等级预估[7-8],构建基于

神经网络的目标风险评估网络,结合深度学习方法,

通过学习特定风险的图像块对样本,构建表征各风险

的图像特征描述模型,进而识别各种潜在风险,如图6

所示。

2.4 基于多源数据融合的高精度目标定位技术研究

为实现可疑目标高精度水平定位,在GNSS/INS定

位、多源数据同步及卷积神经网络识别满足精度要求

的基础上,采用多源数据融合定位技术及目标定位误

差分析方法,建立误差传播方程,优化影响因素,保

证地面目标水平定位精度。多源数据融合的可疑目标

地面定位技术包含基于视频帧图像的目标定位技术与

基于斜距的目标定位技术,如图7所示。

3 功能应用

本平台采用无人机系统替代传统人工巡检,实现

对高速公路路网的实时图像采集,并创新引入智能化

数据分析处理平台,实现高速公路的道路智慧巡养,

可以应用的场景有以下几个方面。

3.1 常规巡护

常规巡护主要包括五个方面:第一,路面巡查,

主要是检查路面是否存在影响交通安全的堆积物、油

污等。第二,路基巡检,主要检查路基稳定性,路基

有无杂物堆积,排水设施是否正常,边坡是否有损坏、

位移等。第三,基础设施巡检,主要检查防护设施是

否齐全和正常使用,各种交通标志线和标牌是否完好

等。第四,周边基建巡检,主要检查高速公路沿线的

各种绿化植物是否遮挡标志牌、妨碍视线、影响交通

安全等情况。第五,道路施工进度/工程竣工巡查监测,

利用无人机从标头飞到标尾,对整个现场施工区域全

部拍摄覆盖,除了形成原始的地貌影像资料,还为项

目策划与决策的最佳地形图、项目后期规划提供最全

面最直观的信息指导,实时掌握公路施工进度、工地

巡查、工程建设以及竣工验收等情况。

3.2 特殊巡护

利用无人机自身的技术优势,可进行一些特殊巡

护。第一,道路桥梁巡检,借助无人机开展空中巡查,

可有效排查大中型公路桥梁、大桥施工、封闭施工等

重大施工项目中是否存在威胁公路、桥梁安全的活动;

第二,管道、山体检测,通过无人机定期巡检道路周边

山体、隧道,可有效排查道路周边可能出现的山体滑坡、

隧道坍塌、管道损坏、积水等,极大降低人工巡检成本,

提高道路安全性;第三,龙门架检测,无人机定点巡检

道路龙门架、鸟巢和摄像头,可有效排查道路龙门架是

否损坏、是否存在鸟巢和摄像头是否故障;第四、应

急巡检,通过在无人机上搭载高清摄像头和无线喊话系

统,可实现远程快速高效地疏导高速公路交通拥堵,当

高速公路发生严重交通事故时,无人机可以快速抵达事

故现场,精确定位事故的位置和原因,同时还可运送

急救物资,为第一时间抢救提供有力支持。

3.3 智能执法

本综合巡护管理平台可对巡护任务进行分配和考

核,自动接收巡护数据,并自动生成和统计分析相应

的考核报表,同时还支持留档保存、导出和打印功能。

图6 可疑情况判断和预测流程

图7 基于多源数据融合的目标定位流程

第126页

120

中阿科技论坛 2023年第4期

此外,本平台可实时查看巡护现场的情况,进行实时

定位监督、轨迹跟踪和查询,方便远程指挥、调度和

派遣。数据在养护平台进行处理及可视化呈现,公路

养护单位和城市管理部门可通过养护平台完成闭环工

作流程,方便智能执法。

3.4 沿线重点信息可视化

利用该综合巡护管理平台可实现高速公路可视化

管理,天气预警、灾害信息可视化等,将无人机沿线

采集的高速公路信息与GIS地理信息系统呈现技术相结

合,建立一套高速公路沿线数字模型,进而打造高速

公路可视化动态管理平台。无人机巡检数据可以通过

高速网络通信系统实时传输到管理平台,该平台可同

步显示和更新,确保相关管理部门及时了解最新的动

态信息。将气象信息接入管理平台,在发生灾害性天

气后,对于可能发生灾害的区域,可以迅速判断灾害

对高速公路可能产生的影响,从而可以通过平台及时

地调度无人机,并通知路政人员对该区域进行重点巡

护,方便相关人员做进一步的决策。

4 结语

综合而言,将无人机运用在高速公路路政巡查、

出勘现场以及路况排查等工作中,通过运用低空遥感+

人工智能+大数据+地理信息系统等技术,实现智能化、

可视化、精细化高速公路综合巡护服务,实现了多任务

“一张图”可视化管理,提供了一套路政执法人员、公

路养护人员、综合服务人员与无人机相结合的全新的工

作方式,为高速路政合法保护公路路产,为广大民众提

供更加安全、高速、方便的高速公路服务,改变了管理

模式,完善了管理方式,极大提高了高速公路监管效率。

参考文献:

[1]陈海荣.基于GIS技术高速公路养护数据平台的

开发与应用[J].交通世界,2021(34):129-130.

[2]李旭辉.智慧高速公路运行监控及应急管理平台

的构建[J].公路,2019,64(11):187-191.

[3]岑晏青,宋向辉,王东柱,等.智慧高速公路技术体

系构建[J].公路交通科技,2020,37(7):111-121.

[4]李海东.基于深度学习和无人机的重交通荷载公

路病害定位和测量研究[D].西安:长安大学,2019.

[5]沙爱民,蔡若楠,高杰,等.基于级联卷积神经网

络的公路路基病害识别[J].长安大学学报(社会科学

版),2019,39(2):1-9.

[6]刘 松 林,朱 永 丰,张 哲,等.基 于 卷 积 神 经 网 络

的无人机油气管线巡检监察系统[J].计算机系统应

用,2018,27(12):40-46.

[7]徐志刚,车艳丽,李金龙,等.路面破损图像自动处

理技术研究进展[J].交通运输工程学报,2019,19(1):172-

190.

[8]冯卉.基于深度学习的道路裂缝识别算法研究与

实现[D].北京:北京邮电大学,2019.

Research on the Application of Highway Comprehensive Patrol

Platform Based on UAV Remote Sensing

Liu Huihui1

, Zhang Chengcheng1

, Liu Aoxiang2

, Li Zhenjie3

(1.Henan College of Transportation Technology, Zhengzhou 450064; 2.Henan Provincial Transportation Business Development

Center, Zhengzhou 450064; 3.Zhengzhou Xintu Information Technology Co., Zhengzhou 450064 )

Abstract: Highway maintenance is the cornerstone of comprehensive, intelligent, green and safe transportation. Manual laborbased traditional inspection has flaws such as low efficiency, poor timeliness, can not guarantee the safety of personnel, as well as

unstructured data and other issues, which is not conducive to the refined management and maintenance of road facilities, and failed

to meet the demands of China’s large volume of road maintenance and management. Based on this, this paper proposes to apply lowaltitude remote sensing, AI, big data and GIS to road inspection, build a high-performance cloud computing platform based on GIS,

and adopt automatic identification based on deep learning, which make it possible for high-speed processing of massive data and “one

graph” visualization, so as to significantly enhance highway inspection, operation, maintenance and management.

Key words: UAV remote sensing; Highway; Comprehensive patrol platform

(校对:郭雁华 张从从)

第127页

121

成果转移转化

随着WebGL技术的出现,用户无须安装任何插件

就可在浏览器端直接浏览三维场景,提高了用户体验。

在三维场景环境下的近距离观察、漫游,需要切换视

角到三维模型。由于构成场景的模型来源众多,部分

在建模时没有附加坐标信息,部分有坐标信息但在导

入场景的格式转换过程中丢失,所以迫切需要能够定

位和配准的方法,以保证模型安置后,与地理环境的

场景位置、方位协调不冲突。过去坐标配准基本由人

工完成,效率较低,配准的准确率也较低。目前针对

配准的研究成果较少,主流的方法有基点偏移法和特

征点匹配法。周小平等(2020)针对BIM和GIS模型提

出了“粗匹配+精匹配”的特征点配准法[1];王星捷等

(2019)将二维空间数据与三维模型通过空间坐标进

行同步[2];刘颖真等(2015)以差分GPS坐标为依据进

行地理配准[3]。但是上述方法只能尽量提高定位的精

度,难以保证与地形贴合的准确度。

本文提出了一种基于投影坐标和站心坐标的配

准方法,实现三维模型与地球地理信息的精确配准。

结合该方法研发配准工具,将多源异构模型转换为3D

Tiles模型,并在Cesium平台进行模型展示。

1 多源异构数据格式统一

多源异构数据是指来源不同且数据存储结构有差

异的各种数据[4],包括空间信息数据和非空间信息数

据,涉及的数据类型包括BIM模型、倾斜摄影模型、三

维模型(OBJ、FBX)等。特别对于BIM模型数据,由

于BIM软件众多,有Revit、Bentley、CATIA、Civil3D、

Tekla等,成果内容和格式各不相同。各类模型要在统

一平台中实现数据存储、汇聚整合、数据互通,那就

需要将模型数据转换为统一格式文件,可以考虑的格

式是glTF和3D Tiles。

1.1 glTF

glTF全称是graphics language transmission format(图

形语言传输格式)。glTF通过提供高效、可扩展、可

互操作的格式来传输和加载三维内容,填补了3D建模

工具与现代图形应用程序之间的空白。glTF的核心是一

个JSON格式的文件,另外还支持外部数据。具体而言,

一个glTF模型可包括三部分内容:1. JSON格式的文件,

描述模型的节点级别、材质、相机、动画和其他相关的

逻辑结构;2.bin,包含几何和动画数据以及其他基于缓

冲区数据的二进制文件;3.图像文件的纹理内容。

1.2 3D Tiles

3D Tiles设计的理念是传输海量异质三维地理空

间数据集,如倾斜摄影测量、BIM、点云、建筑数据

等。它在glTF基础上加入了多细节层次(level of detail,

LOD)结构,可以将多种类型的三维空间内容转化为

三维瓦片,并组合成3D Tiles数据集。一个3D Tiles模型

基于 Cesium 的多源异构三维数据地理配准研究

郑之光

(四川旷谷信息工程有限公司,四川 成都 610031)

摘要:由于多源异构数据获取手段多样、数据存储格式和表达方式众多,三维可视化技术在多源异构数据处

理方面面临巨大挑战。尤其在数据与地理信息配准方面,主流技术方法和商业软件均难以保证与地形贴合的准确

度。本文通过对多源异构数据的格式转换、空间索引和地理配准进行研究,形成构建三维场景的3D Tiles通用格式。

在地理配准过程中,提出了一种基于投影坐标和站心坐标的配准方法,使输出的模型具备坐标属性。结合该方法

研究开发了配准工具,并利用Cesium平台进行模型可视化。试验结果表明,该方法简单、实用,能解决模型贴合

地球曲面的难题,真实准确地反映相对位置关系,加载流畅,并保持原始模型的呈现效果。

关键词:多源异构;三维数据;3D Tiles;Cesium;地理配准

中图分类号:TP319;P208 文献标识码:A

收稿日期:2023-01-09

基金项目:四川省科技成果转移转化示范项目“基于边缘计算的轨道交通施工及运维安全保障关键技术成果

转化示范”(2022ZHCG0005)。

作者简介:郑之光(1984— ),男,研究方向为工程建设信息化和三维可视化应用领域。

第128页

122

中阿科技论坛 2023年第4期

文件由一个tileset.json文件和至少一个tile构成,tile的

具体内容为b3dm(batched 3D model,批量3D模型)、

i3dm(instanced 3D model,实例化3D模型)、pnts(point

cloud,点 云)、vctr(vector data,矢 量 数 据)、cmpt

(composite,复合数据)中的一种,其中批量三维模型

(b3dm)和实例化三维模型(i3dm)基于glTF构建。

2 Cesium数据加载

Cesium是 国 外 一 个 基 于Apache开 源 协 议,基 于

JavaScript编写的使用WebGL进行硬件加速图形化的地

图引擎,可无插件、跨平台、跨浏览器实现真正的

动态数据可视化图形绘制。Cesium支持调用WMS、

WMTS、TMS、ArcGIS等多种地图服务,也支持许多数

据格式,如二维的KML、GeoJSON、XML数据和三维的

3D Tiles、glTF模型数据等[5]。通过集成影像服务、地形

服务、模型服务和矢量服务,可在浏览器页面上构建

三维场景,展示叠加各项数据要素的三维虚拟地球,

流程如图1所示。

影像、地形和矢量数据的处理和加载,目前应用

的技术和工具都很成熟。然而,融合多源异构模型,

构建Cesium三维场景,是一个复杂的过程,地理配准

尤其困难。要实现各类多源异构模型能够统一导入

Cesium,形成三维场景,需要经过如下步骤。

(1)格式转换

由于Cesium中不支持直接加载三维建模软件的格

式,需要转换为3D Tiles。目前市场上可转换为3D Tiles

和glTF的 软 件 有CesiumLab、Blender、3DMax等。 一 是

部分软件需要借助中间格式会有很多的信息丢失,

二是转换后部分模型的组织结构发生改变导致无法应

用,三是转换后的模型不具有坐标属性,所以可以利

用开源工具,使用其API编写专门的程序完成图形三角

化、数据优化及输出工作。

(2)空间索引

根据三维数据的空间分布特点,建立3D Tiles的空

间索引。通过空间索引机制,根据屏幕的实际地理尺

度,调取不同精度的模型文件。

(3)地理配准

将原始模型转换为3D Tiles格式时,为模型赋予地

理位置的方法和过程。

(4)场景渲染

针 对 配 准 后 的3D Tiles模 型 数 据,Cesium提 供

了 专 门 的 程 序 接 口Cesium3DTileset、Cesium3DTile、

Cesium3DTileContentFactory、Cesium3DTilesetTraversal等

进行模型数据的存储、解析、调度和显示。

3 模型地理配准

模型地理配准示意图如图2所示。

3.1 传统地理配准

针对三维模型与地理环境进行配准的方法,过去

基本由人工完成,效率较低,配准的准确率也较低。

现在主流的方法有基点偏移法和特征点匹配法[6-7]。

(1)基点偏移法

首先将模型导入至地理场景中任意坐标位置,测

量模型的基点坐标;然后计算基点与目标点之间的X、

Y、Z方向偏差值,基于偏差值将模型偏移到指定位置;

最后修改旋转角度调整方向,使模型与地理场景在水

平和垂直方向上贴合。

(2)特征点匹配法

首先根据式(1)和式(2),分别提取模型和地

理环境的特征点,得到模型的第一特征点集合和地理

环境的第二特征点集合;然后对第一特征点集合中的

特征点和第二特征点集合中的特征点进行粗匹配;再

对粗匹配后的点对进行精准匹配,建立模型的特征点

和环境的特征点之间的一一对应的点对关系;最后基

于点对关系,对模型和地理环境进行空间配准,求取

配准姿态参数。该方法通过匹配模型和地理环境,求

取两者的姿态配准参数,以保证模型安置后,与原有

地理场景位置、方位协调,不冲突。

二次曲面拟合方程:

(1)

特征点曲率方程:

(2)

以上两种方法,没有将坐标系属性与模型融合,

由于模型坐标之间还保持原来的相对位置,未贴合地

球曲面,如果原始模型范围较大,可能出现模型远端

未贴合地面的问题(俗称“翘边”)。

3.2 本文地理配准方案

对于待处理的原始模型来说,模型内部的坐标数

图1 Cesium场景构建流程

图2 模型地理配准示意图

第129页

123

成果转移转化

据都是基于局部平面坐标系(或某投影坐标系)的,

模型内某一点用(x,y,z)来描述。投影坐标系即由一

个投影参考定义描述的坐标转换规则,可用于将基于

地球曲面的地理坐标(经纬度+高程)转换为平面坐标

(x,y,z),方便基于平面坐标系制图和建模。还有很多

原始模型,其建模时不关联真实场地位置,直接就是

基于局部平面坐标系,并未参考任何投影坐标系。

对于要输出的3D Tiles数据集,地理坐标系同样

也有很多种,但对于3D Tiles规范和Cesium平台来说,

为了能在Cesium平台中正确加载和展示,需要将原

始模型的坐标数据转换到EPSG 4978地理坐标系。

EPSG:4978的数据表现为平面直角坐标(单位:米),

其原点在地心,X轴指向赤道和本初子午线的交点,Z

轴指向北极点。

根据原始模型本身的情况不同,地理配准可分为

以下三种思路。

3.2.1 投影坐标

如果原始模型在建模阶段,坐标数据已经基于某

个投影坐标系,而且可以拿到投影参考定义(字符串

形式或*.prj文件)描述的情况下,可以直接将原始模

型的投影坐标经过计算输出为对应的EPSG:4978地理坐

标。这种方式得到的结果精度极高,而且输出的模型

是贴合地球表面曲率的[8]。

在可能的情况下,应该尽量使用投影坐标方式,

因为输出的底层数据直接就是满足要求的EPSG:4978

坐标,这意味着会对每个点进行修正来贴合地球表

面的弯曲弧度,实现最高的计算精度,以及与其他地

理信息数据集的契合和衔接。投影坐标下配准过程

如图3所示。

对应一个点的坐标有多种形式,在大地坐标系中

是大地经纬度坐标(L,B,H),地心坐标系中是地

心直角坐标(X,Y,Z),地图坐标系中是投影坐标(X,

Y)等,在同一空间基准下不同方式的坐标是不同的,

同一方式的坐标在不同空间基准下也是不同的。

在投影坐标转换地理坐标的过程中,可以采用

Proj.4这个跨平台的开源地图投影库来实现[9]。它是一

个通用坐标转换引擎,支持100多种不同的地图投影,

可以同时进行大规模地图投影和高精密度的坐标转换。

Proj.4之所以被称为投影库,是因为其将所有的坐标系

都看作一种投影坐标系,将大地坐标系和地心坐标系

作为一种特殊的投影坐标系来对待(将投影参数+proj

赋为lonlat或geocent)。Proj.4无论是使用其编译后生成

的应用程序还是用函数库,都是按照以下流程进行空

间坐标转换的:1.创建源、目标坐标系;2.输入坐标;3.坐

标转换;4.摧毁源、目标坐标系。根据坐标转换的流程,

Proj.4提供的基本函数能够完成所有类型的坐标转换,

以投影坐标转换为大地经纬度坐标为例:

PJ pj_XY = pj_init_plus( " +proj = tmere + ellps =

krass " ); //创建源投影坐标系

PJ pj_LBH = pj_init_plus( " +proj = latlong + ellps =

krass " ); //创建目标大地坐标系

double X = 112233.44; //投影坐标X

double Y = 556677.88; //投影坐标Y

pj_transform(pj_XY, pj_LB, 1, 1, &X, &Y, NULL); //坐

标转换

3.2.2 站心坐标

如果原始模型基于局部平面坐标系建模,或者无

法获取到投影参考定义描述的情况下,可以使用站心

坐标方式。所谓站心坐标,即将整个原始模型作为一

个刚性整体,为模型的站心(即模型的原点)指定在

地球上插入点的经纬度地理坐标等参数,将模型插入

到地球上。配准过程如图4所示。

站心坐标方式要求输入原始模型内原点(即站心)

在地球表面插入点的经纬度,以及基础高程和旋转角

度等站心坐标配准参数。使用站心坐标方式时,输出

的3D Tiles数据集,逻辑上分为基础数据和转换矩阵两

部分。基础数据输出的是局部平面坐标,得到的模型是

一个刚性整体,即模型内点之间的相关位置保持不变,

没有进行贴合地球表面的变形处理。转换矩阵是一个

数学意义上的函数,表现形式为4×4的数字矩阵,它是

根据输入的站心坐标配准参数计算得到的,可用于将原

始模型的坐标转换为EPSG:4978地理坐标。转换矩阵在

tileset.json文件中的内容如transform字段中所示:

\"asset\": {......},

\"geometricError\": 309.8728,

\"root\":

{

\"boundingVolume\": {......},

图3 投影坐标下配准过程

图4 站心坐标下配准过程

第130页

124

中阿科技论坛 2023年第4期

......

\"transform\": [

-0.84269272878999832, -0.14293871543885617,

-0.51907368310127666, 0.0,

-0.31342657780539765, -0.65366e63492289126,

0.688834843198983, 0.0,

-0.43775877519895062, 0.74316692766382852,

0.50603376610836659, 0.0,

-2794483.8541093846, 4744092.1766737271,

3208700.1444615433, 1.0

]

},

\"extras\": {......},

Cesium在加载3D Tiles数据集时,会自动使用这

个转矩矩阵,实时对基础数据进行计算,得到可用的

EPSG:4978坐标,达到地理配准效果。

3.2.3 暂不配准

在有些情况下,用户在转换输出3D Tiles时并不能

确定或者不知道,应该把模型放到地球表面的哪个位

置,就可以使用暂不配准这种方式,如图5所示。

在这种方式下,与站心坐标方式类似,3D Tiles

的数据集是局部平面坐标。但与站心坐标方式的区别

在于,3D Tiles数据集中并没有包含转换矩阵。如果

直接在Cesium中加载这个未包含转换矩阵的3D Tiles数

据集,模型会出现在地心(即原始模型坐标系原点在

地心位置)附近,稍稍操作鼠标就可能导致无法再看

到模型。在这种方式下,后续在Cesium中加载3D Tiles

时要增加转换矩阵参数,或编程动态替换转换矩阵参

数,动态确定将3D Tiles模型移动放置到的目标位置。

3.3 地理配准工具

针对模型的配准方案,基于建模软件和Cesium接

口研发相应的地理配准工具,针对不同的方法采用不

同的流程[10]。

3.3.1 投影坐标配准流程

投影坐标方式下的配准界面如图6所示。

获取基础坐标数据:根据“原点位置选择”获取

原始数据,对原始数据自动进行轴向调整、坐标修正

和单位转换,最终得到基础坐标数据。以Revit平台为

例,可以从3D视图的视图选项里切换显示内部原点、

项目基点和测量点,来观察对应原点位置。

获取投影坐标数据:将基础坐标加上“本地坐标

偏移”得到投影坐标数据。因为投影坐标系的坐标数

字值一般较大,建模时可约定本地坐标偏移参数,将

原始投影坐标值减去本地坐标偏移值后用于建模坐标

录入。

获取目标坐标数据:解析“投影参考定义”,并

创建投影坐标系数据到目标坐标系数据的处理过程,

输出目标坐标数据。

输出3D Tiles数据集:按照3D Tiles规范要求输出数

据,输出的坐标数据为EPSG:4978坐标。

3.3.2 站心坐标配准流程

站心坐标方式下的配准界面如图7所示。

获取基础坐标数据:根据“原点位置选择”获取

原始数据,对原始数据自动进行轴向调整、坐标修正

和单位转换,最终得到基础坐标数据。

获取坐标转换矩阵:根据模型原点对应的经纬度

坐标、高程和旋转参数,生成坐标转换矩阵。纬度和

经度即原始模型原点在地球上对应的地理坐标,高程

即原始模型原点对应的基础高程,旋转参数值为原始

模型当前的北方向与地理上真正的北方向的夹角。

输出3D Tiles数据集:按照3D Tiles规范要求输出数

据,直接输出基础坐标数据,并附加坐标转换矩阵信息。

图5 不进行配准的过程

图6 投影坐标下配准界面

图7 站心坐标下配准界面

第131页

125

成果转移转化

4 应用情况

相关研究成果已在铁路建设、轨道交通、城市市

政等领域应用。以典型项目三维场景为例,基于Cesium

平台对多源异构模型处理后,构建了可视化场景,加

载运行效果见图8。其中涉及20 GB的倾斜摄影数据、

500 MB的三维建筑模型、3 GB的BIM设备模型等数据,

各类数据经过地理配准,体现出真实准确的相对位置

关系,加载流畅,并保持原始模型的呈现效果。

5 结语

本文提出了一种投影坐标和站心坐标的配准方

法,分别基于模型投影参考定义和站心坐标配准参

数,遵循3D Tiles格式规范,通过对多源异构模型获取

基础坐标数据、计算目标坐标数据、输出3D Tiles数据

集,形成具有坐标信息的通用三维模型。相比于传统

的基点偏移法和特征点匹配法,避免了模型未贴合地

球曲面的翘边问题,同时满足开源地图引擎Cesium的

EPSG:4978坐标系要求,保证了模型与地理信息数据的

契合和衔接。结合该法研发相应的地理配准工具,并

利用Cesium平台进行模型可视化。结果表明,该方法

简单、实用,解决了模型贴合地球曲面的难题,能体

现真实准确的相对位置关系,加载流畅,并保持了原

始模型的呈现效果。

参考文献:

[1]周小平,李家可,王佳.一种BIM模型和GIS模型配

准方法:201911360578.7[P].2020-05-15.

[2]王星捷,卫守林.基于WebGL的三维GIS空间算

法的研究与实现[J].计算机应用与软件,2019,36(4):63-

68+85.

[3]刘颖真,贾奋励,万刚,等.非专业弱关联影像的

地理配准及其精度评估[J].测绘学报,2015,44(9):1014-

1021+1028.

[4]李仕峰.多源异构数据时空融合关键技术研究与

应用[J].地理空间信息,2021,19(10):19-21+25+149.

[5]王晓艳,陈宪冬.基于Cesium的三维模型可视化[J].

地理空间信息,2022,20(1):115-117+9.

[6]戴兵.基于3D瓦片的BIM模型综合Web可视化技

术[D].长沙:国防科技大学,2019.

[7]陈龙,郭军,张建中.三维模型轻量化技术[J].工矿

自动化,2021,47(5):116-120.

[8]程晓光,王婉秋,陆泉源.OSGB格式三维模型投影

坐标转换方法[J].测绘工程,2022,31(2):40-45.

[9]盖森,熊伟,刘建忠,等.基于Proj.4的空间坐标转换

[J].测绘工程,2012,21(2):29-31+38.

[10]周正玉.坐标转换软件设计与实现[J].地理空间

信息,2020,18(4):115-117+8.

图8 项目场景

Study on Cesium-based Geographic Alignment of Multi-source

Heterogeneous 3D Data

Zheng Zhiguang

(Sichuan Kuanggu Information Engineering Co., Ltd., Chengdu 610031)

Abstract: The 3D visualization faces great challenges in processing multi-source heterogeneous data due to various means

of data acquisition and the many data storage formats and expression methods. In the alignment of data and geographic information,

the mainstream technical methods and commercial software all failed to guarantee the accuracy of fitting to the terrain. In this paper,

format conversion, spatial indexing and geo-alignment of multi-source heterogeneous data are studied, and the common format of

3D Tiles is derived for building 3D scenes. In the process of geo-alignment, a method based on projection coordinates and stationcenter coordinates is proposed to endow the output model with coordinate attributes, finally, the alignment tool is developed and

the model is visualized by the Cesium platform. The research results suggest that the method is simple, practical, and effective in

solving the issue of model fitting to the curved surface, accurately presents the relative position, loads smoothly and maintains the

effect of the original model to the maximum extent.

Key words: Multi-source heterogeneous; 3D data; 3D Tiles; Cesium; Geo-alignment

(校对:郭雁华 杨艳佩)

第132页

126

中阿科技论坛 2023年第4期

2019年,中共中央、国务院印发的《中国教育现

代化2035》文件勾勒了一幅中国教育体制机制、规模

形式的宏伟蓝图,推动了我国教育改革与创新的步伐。

文件中强调了应用型、复合型、技术技能型人才的重

要性,引导高校将培养专业能力强、综合素质高的高

端复合型人才作为高等教育的重中之重。2021年,中

共中央、国务院印发了《成渝地区双城经济圈建设规

划纲要》,主张打造“巴蜀工匠”的品牌形象,发挥

成渝两地独特优势,将成渝经济圈打造为特色鲜明、

强强联合的经济开发区。实习实训中心、联合培养基地、

创业孵化园的建立,有益于实现产教融合、校企合作。

在此契机下,成渝地区教育高质量发展具备了优越的

政策支持与战略保障,成渝高校教育要化零为整、协

调多方,加速推进产教融合,为区域经济发展输送高

质量人才,推动双城区域经济繁荣稳健发展。

1 培养复合型人才的重要性与必要性

1.1 成渝企业转型升级的必要条件

作为继长三角、京津冀之后又一重要经济建设决

策,成渝双城经济圈也肩负开新局、谱新篇的重要使

命。随着企业改革、转型升级进入深水区,各行业领

域对高素质综合性人才的需求进一步扩张,这将成为

行业转型升级的转折点。深化产教融合、校企合作,

结合区域优势,充分发挥高等教育院校和龙头企业

“双主体”在提升人才综合实力方面的重要作用,是

提升在校大学生辩证思维水平和核心竞争力的内在需

要,也是成渝企业实现高质量内涵式发展的高速通道。

1.2 就业市场扩充丰盈的迫切需求

成渝经济的融合将使复合型人才成为就业市场的

“香饽饽”,成为劳动力市场上供不应求的紧缺资源。

新时代人才需具备多学科知识体系,知识结构具有一

定的跨度与融合度,能充分根据不同学科的特点进行

融会贯通,综合运用多学科知识解决问题,并具备持

续学习和创新能力。既懂理论又懂技术的复合型高校

毕业生进入一线岗位后,将为企业转型升级提供智力

支持。鉴于目前经济与就业市场状况,培养“宽口径知

识体系+高频次实践锻炼”的复合型人才正是高等教育

对双城经济圈战略的热切回应,既顺应整体经济发展态

势,又能满足就业市场的迫切需求。作为2022年中国城

市人口规模十强之一,成都人口已经成功突破2 000万

大关,而兄弟城市重庆也毫不示弱,人口容纳量超过

了3 000万人,成渝地区的人口净迁入在全国城市人口

净迁入规模排比中进入前五强范围,详见表1。

成渝地区双城经济圈建设背景下高校复合型人才

培养问题

万 吉 乔振经

(西南科技大学,四川 绵阳 621000)

摘要:复合型人才是指精通专业领域、掌握通用技能、具备较强学习能力以及可持续发展的多重要素能力的

人才。作为新时代人才的培养皿和输送器,高等院校兼具文化交流、科学研创、人才培养等多种功能。在成渝地

区双城经济圈建设背景下,成渝地区高校应根据时代变化、国家政策、区域特色,进一步完善复合型人才培养模式。

本文基于成渝地区双城经济圈建设背景,通过分析成渝地区高校特色与复合型人才培养现状,就如何有效构建成

渝地区高校复合型人才培养模式进行了研究。

关键词:成渝地区双城经济圈;复合型人才;高等教育;培养模式

中图分类号:H09 文献标识码:A

收稿日期:2022-10-16

基金项目:西南科技大学素质类教改专项项目“新时代加强和改进高校共青团工作路径研究”阶段性成果

(22SZJG09)。

作者简介:万吉(1996— ),女,硕士,研究方向为高等教育、教育心理学;乔振经(1994— ),男,硕士,

研究方向为高等教育学。

第133页

127

科技与教育

1.3 区域特色相互兼容的必由之路

有研究以NPP-VIIRS夜间灯光数据为基础,结合空

间统计、标准差椭圆、探索性空间数据分析方法得出:

成都、重庆的中心地带优势显著,以成都、重庆中心

区为核心的“一轴两带”给所在县域带来较大经济辐

射[1]。双城区域的行业类型、侧重点、发展走向存在差

异。例如重庆作为全国三大重工业城市之一,盘踞着

大量重工业、机械、钢铁企业,具备相对成熟的工业

设备与技术,这离不开重庆地区综合类高校在建筑学、

能源、仪器等专业的设置与成熟度;而成都则更重视

轻工业、商业、旅游业的宣传和人文价值的开发,成

都综合类高校的人文社科综合实力较强,且包含不少

新兴专业。推行双城经济圈政策可以加速两城优势兼

容、互补与资源共享,是发挥各自优势的同时实现相

互兼容、协同发展的必由之路。

1.4 后疫情时代人才政策的方向指南

通过分析全国34个省区市的应届生就业情况,新

一线城市的配套设施、生态环境、人才政策对高校

毕业生具有较大吸引力,是2021届毕业生的首选就业

地[2]。但自2019年年底以来,新冠肺炎疫情席卷了整个

经济市场,目前国内经济形势不容乐观。对于就业难

题,全球各个国家具有共通性,甚至已有研究发现处

于15 ~ 24岁的青年失业概率几乎达到了25岁以上群体

的3倍[3]。就业竞争数据在“社会内卷”进程中不断刷

新,出现了学历市场“下沉”的现象。在“紧缩”的

就业渠道与日益激烈的行业竞争中,人才筛选的要求

愈加多元化,兼具专业知识与应用技术等复合型技术

成为了稀缺资源也是外地生源的毕业生在大都市定居

的坚甲利刃。

2 成渝地区高校复合型人才培养现状

2.1 人才培养模式待优化

目前,大部分高校对复合型人才的培养模式还停

留在“专业+”的基础上,课程之间壁垒森严,综合性

叠加的广度、深度与实施成效仍有待考察。教育者应

先受教育,教师作为人才培养的第一推动力,在自身

建设发展方面应具备宽口径知识储备与不断学习的心

向。复合型人才体现于多而精、广而深的内涵式发展

中,应以输出为导向,对标企业需求,针对性地培育

能适应社会职业的贤才。在新工科、新医科、新农科

相继推行的教育新兴时代,课堂、车间、田地、实验

室等都可以成为学习场所,课本理论学习、顶岗实习、

工程训练等都是不可多得的教育教学资源,应借助校、

企协同育人平台,实现学生实习实操经历的积累以及

自我综合素质与核心竞争力的发展。

2.2 各区域高校发展不均衡

就成渝经济发展现状与社会配套资源而言,经济

繁荣、交通发达、生活便利的中心城区是高质量人才

的聚集地。身处主城区的高校比城郊或经济开发区的

高校吸纳了更多师资、教学、平台资源。不同区域高

校在复合型人才培养观树立、资源依托、培养途径等

方面存在较大差异,而这一区域差异极大地影响了人

才培养的产出率与优质率,导致出现了“对口输出通

道”与“歧视化排异”招聘现象[4]。如成都市某高校建

校于市中心圈层,与众多优质企业有横向科研项目的

交流合作,高年级学生可通过导师推荐、学院平台前

往优质企业进行跟踪调查,或者参与实施“双导师”

制度,产教融合平台已然建立且具备成熟合作机制与

考评体系。重庆市某区域职业技术学院毗邻重工业生

产制造圈,一部分课程可在车间、实验室进行,且毕

业生50%入职该区域企业各岗位。反之,建设于无任何

资源平台的郊区高校在实施复合型人才培养时多以线

上资源与校内师资为主要抓手。以上现象不可避免地

导致各区域高校发展不均衡,存在教育“高地”与“洼

地”现象。

2.3 人才与地区匹配度不高

人才政策的引导和双城经济圈的辐射对于成渝

地区的人才吸引成效显著,但高层次人才和专业技

术人才的认定范畴与城市实际发展需求之间存在不

匹配现象。目前对于人才认定范畴,多偏向于理工

科,如工程师等专业技术岗位,相比而言,人文社科

(如艺术交流)的指标较少。据成都市文化产业办

公室公开数据显示,2022年1月至6月成都全市文创产

业增加值实现1 049.23亿元,是成都市上半年GDP总收

入的10.53%,其中上半年标上文创企业增加值达到了

表1 2022年新一线城市人口数量及净增长值

城市名称 常住人口/万人 净增长值/万人 城市名称 常住人口/万人 净增长值/万人

武汉 1 364.89 132.2 南京 942.34 10.37

成都 2 129.2 24.5 青岛 1 025.67 10.09

杭州 1 220.4 23.9 武汉 1 232.65 9.44

西安 1 316.3 20.3 苏州 1 280 9

重庆 3 212.43 13.5 东莞 1 046.66 5.32

注:排名根据各地发布数据整理。

第134页

128

中阿科技论坛 2023年第4期

855.83亿元。文创产业稳健繁荣离不开区域文创产业战

略支持与经济投入,成都始终将文创产业的发展在产

业全局中置于显著地位。多元化的成渝发展与建设亟

待新兴媒体、文娱体育等专业领域人才的加盟与支持。

但成都在产业生态圈调整之前,此类人才并未被认定

为紧缺人才。这意味着区域新兴文化产业的公司职员

与实际需求匹配度、完善度不达标。各城市人均GDP

数据证实了高新技术、文艺娱乐产业对于激活就业率

与经济贡献率大有裨益。对口的专业型、复合型人才

也广受包含成渝在内的新一线城市的热烈欢迎与融合

吸收。具有包容性、均衡性、区域特色的人才认定规

章才能避免人才结构均衡发展受到束缚,进一步推进

特色区域经济环境稳健发展。

2.4 线上资源缺乏精细筛选

目前的复合型人才培养大纲中多提及采用线上教

学资源进行混合式教学。混合式教学模式是集线上丰

富的网络课程资源、学习窗口与课下的实践锻炼于一

体的多元教学模式。2001年兴起的线上开放课程使得

教育现代化技术与多媒体技术的运用在各类教学技能

大赛与日常教学中随处可见。2012年又是大批量涌现

而来的优质线上课程——慕课(MOOC)的诞生元年,

教学改革也不断受到新兴模式的冲击与启发。目前在

高校数据资源库与教学中,慕课与小规模限制性在线

课程(SPOC)的存在为课堂的互动性、延伸性、深刻

性都提供了有益资源。但是面对大量繁杂的线上资源,

教师的筛选与应用也成了一项难题。部分网课之间内

容重复、课程之间的连接性和承上启下功能缺失,导

致学生在吸收时出现了知识碎片化、巩固不牢、关联

性把握较弱的问题。教师作为教学资源的筛选与整合

者,应立足于学生年龄阶段、专业基础,对标培养方

案、职业规划,针对性地选择适合当前教学目标与内

容的优质资源,做好线下课程的补位。

3 成渝地区高校复合型人才的培养途径

成渝地区高校应立足于“一轴两翼”推动双城经

济、科技、文化一体化发展,注重发挥“十大育人体系”

的引领作用,为产业带动学业、教育反作用于行业提

供良好契机。

3.1 坚持“一个共识,两个主体”原则

复合型人才的培养质量极大程度上取决于既定目

标、培养模式、探索途径,如果培养目标不精确、模

式不合理或是途径不够创新,那么必然会导致人才培

养质量不过关。成渝双城应以协同发展、合作共赢为

共识,以成渝这“两个主体”的利益最大化为原则,

协同过程中不分你我、目标一致,同向共进。达成共

识能帮助各区域高校解决制度尺度、操作方式、资源

平台的对标与共享方面的难题,避免重复做功或资源

浪费。培养过程中的教育要素,例如教学主客体、教

育中介、政策环境的一致性也是实现互利共赢的先决

条件。物理学中的耗散结构理论致力于研究两个或两

个以上的异质性系统在运行过程中出现的不平衡、混

乱的状态,这与高校进行人才培养的过程是不谋而合

的,教学大纲应因势利导,顺应市场经济发展规律与

学生成长成才规律,探索教育客体的磨合、适应以及

系统从无序到有序的演化规律与艺术。

3.2 完善复合型人才的培养标准和内容

新时代复合型人才应具备宽口径的知识储备与

深层次的专业探索与积累。复合型人才培养体系应建

立健全庞大且繁杂的学科知识体系与通用课程大纲。

且在教育教学实践中,多学科知识体系,特别是理工

与人文,艺术与制造等其他跨度较大学科之间的嫁接

与融汇对于授课师资或是单一院系都存在着较大的挑

战,学院开设科目数量、类型、内容及分布直接影响

到课程资源的质量。一致性的课程标准与多元化的课

程设置才能契合复合型人才培养需求并推动高质量人

才与成渝区域经济发展接轨[5]。学生的培养方案与企业

的招聘需求应高度契合,以输出导向为标准。如图1所

示,从复合型人才的培养内容设置来看,产教融合涉

及人才培养、资源开发、实习实训基地建设等多个项

目,需要社会各界、资源平台的协力共建。部分院校

目前还停留在培养理论型人才的阶段,由校企共建的

培养模式体系,特别是企业参与复合型人才培养环节

的实践成果较为空缺,呈现出短期化、表面化的合作

状态,导致校企联合育人成效不足。

3.3 搭建政、校、企一体化平台

产教融合本质为构建经济利益共同体,常指高等

院校与各大行业、企业之间的合作实践,致力于推进

经济教育一体化,实现教育对于经济社会的“变现”

价值[6]。教育资源是人才培养的先决条件,先进便捷

的教学设备与实习实训基地是不可或缺的教育资源与

图1 复合型人才的培养内容设置

第135页

129

科技与教育

平台。而部分成渝院校目前的硬件设备条件与实际教

学需求不相匹配,教育改革步入深水区时,地方政府

和龙头企业更应该发挥主导性作用。搭建政、校、企

多元载体能突出多元主体的优势,整合丰富的教育资

源,合力打造产、教、学、研、创一体化的实习实训

平台,推进复合型人才实现“资源即知识、学习即收

入”的设想[7],激发学生学习的自驱力与能动性。政府、

高校与企业形成的教育联盟构成了人才链与产业链之

间的核心桥梁,从知识层面为产业革新、转型提供智

力支持,以输出人才形式为地方经济持续补充新能源。

应以产教融合为载体,动态跟踪搭建政、校、企一体

化平台,探索集文化育人、产研育人、服务育人为一

体的复合型人才养成生态系统(见图2)。

3.4 完善复合型人才考核体系

部分院校试图通过在培养方式和评价环节上进行

完善,比如将社会实践活动、企业实践项目等以一定

比例纳入实践考核中,有的放矢地评价学生的专业程

度与技能水平。缺乏评价监督机制的策略或模式没有

发挥出未来导向作用,学校更多是对复合型人才过往

的业绩进行考核,没有面向未来引导复合型人才补齐

自身的短板,影响了人才综合素养、能力的持续提升。

高等院校和用人单位在综合评价、筛选时,可结合实

际,运用理论知识考查、技能实操考核、专业竞赛选

拔等多种鉴定考评方式,克服单一指标、单一评委群

体的弊端,实行差别化技能评价,从而提高评价的针

对性与反馈作用[8]。在统一的评价标准体系框架基础

上,对技术技能型人才的评价,要更加注重实际解决

问题的能力以及在关键技术上的创新性,并根据发展

需求增加对创造性的要求,突出综合能力。对知识技

能型人才的评价,要围绕理论研究的发展需要,突出

对所掌握理论知识的创新,并且关注生产实践中的运

用、创造性开展工作的要求。对复合技能型人才的评

价,应根据社会发展的需要和科学技术的进步,突出

较强的综合能力,注重考核从事多工种多岗位复杂状

态下的工作能力。复合型人才多元评价体系如图3所示。

4 结语

高校复合型人才的培养途径主要是跨学科、跨专

业联合培养或综合学科覆盖式培养,即自主灵活地选

择课程、相近学科的合并、交叉学科的融合,如校企

政联合培养模式,极大发挥了教育对经济的反作用力。

双城经济圈建设的影响不停留于区域本身,周边城市

背靠成渝发展主轴,受到较大经济辐射,如绵阳市涪

城区、德阳市旌阳区、南充市高坪区、遵义市等,形

成了包括成绵乐发展带在内的五个经济带与包括达万

城镇密集区在内的三个城镇密集区。在国家的高度重

视与周密布局下,重视多位一体化建设的其他城市也

可搭乘“多城经济圈”这班快车,对标教育教学改革,

吸取政策改革经验,建立健全合理有效的高校复合型

人才培养模式,为区域经济发展输送高质量人才,复

刻成渝经济突破与教育繁荣成就。

参考文献:

[1]International Labour Office.Global Employment

Trends for Youth 2020: Technology and the future of

jobs[R/OL].(2020-03-09)[2022-09-01].https://www.ilo.

org/global/publications/books/WCMS_737648/lang--en/

index.htm.

[2]奂璐迪.成渝地区双城经济圈经济空间格局及其

演化特征[J].农业与技术,2022,42(15):146-149.

[3]李 佳,赵 伟,骆 佳 玲.成 渝 地 区 双 城 经 济 圈 人

口-经济-环境系统协调发展时空演化[J].环境科学学

报,2023,43(2):528-540.

[4]马 铮,谢 计 红.基 于 区 块 链 技 术 的 高 职 院 校

复合型人才培养模式探究[J].武汉交通职业学院学

报,2022,24(2):105-110+115.

[5]秦杰.双城经济圈建设中的“1+4+4”政协智慧

[N].重庆政协报,2022-08-30(2).

图2 复合型人才养成生态系统

图3 复合型人才多元评价体系

第136页

130

中阿科技论坛 2023年第4期

[6]易茜,王燕萍,严红霞,等.产教融合与应用型人才

培养研究[J].品位·经典,2022(12):93-95+128

[7]王洁琳.产教融合协同创新生态系统人才培养模

式构建[J].环境工程,2022,40(5):282.

[8]吴玉阁,邵长臻,魏文忠.新型高校智库人才管理机

制改革推进路径研究[J].智库理论与实践,2022,7(4):44-53.

Research on the Cultivation of Composite Talents in Universities in

the Context of Twin-City Economic Circle in Chengdu-Chongqing

Wan Ji, Qiao Zhenjing

(Southwest University of Science and Technology, Mianyang 621000)

Abstract: Composite talents are characterized by proficiency in professional fields, mastering of universal skills, superior

learning ability as well as the capability of sustainable development. As the petri dish and conveyer of talents in the new era,

higher education institutions are endowed with multiple functions such as the platform for cultural exchange, scientific research

and innovation and talent cultivation. In the context of twin-city economic circle, colleges and universities in ChengduChongqing should further improve the talent cultivation mode according to the changes of the times, national policies and regional

characteristics. In view of this, this paper aims to elaborate the characteristics of universities and the current status of composite

talents cultivation, and conducts a research on how to effectively construct a cultivation mode for composite talents in ChengduChongqing.

Key words: Chengdu-Chongqing twin-city economic circle; Composite talents; Higher education; Cultivation mode

(校对:郭雁华 杨艳佩)

第137页

131

科技与教育

“互联网+”的出现,促进了经济形态的发展,为

改革、创新和发展提供了广阔的网络空间[1]。2021年,

习近平总书记在两会上指出,“要提高教育为创新发

展服务的水平,为高质量发展和高水平自立自强的高

素质人才”。在知识经济的条件下,如何培养出既有

创新精神又有实际应用能力的创造性人才,是当前社

会发展的必然要求。创新创业教育以培养具有创新意

识、创业精神和创新能力的高素质人才为目标,它是

提高人才培养质量和提升大学生就业水平的一条重要

途径。

1 互联网+创新创业理念概述

1.1“互联网+”创业概念

“互联网+”利用网络技术,不断推动经济以及

社会体系不断升级和优化,其运行模式为“终端互

联——数据分析、交换——动态升级——产业转型——

社会转型”,以此来实现各个数据终端设备的交互和

数据共享,将人、财、物三者的有机融合[2],提升生产、

服务及资源分配的智能化、自动化水平,从而推动各

个产业的转型、日常生活多种场景的跨界互动与结合。

1.2 大学生“互联网+”创新创业特点

(1)创新性。创新是大学创新创业教育的重要特

征,创新性就是其自身教育最大的特点,对学生来说

有着非常积极作用。同时,大学生的创新意识也体现

很多层面,例如:教学条件、教学观点的创新。

(2)实践性。大学生的创新创业活动也有着较大

的实践性。大学生的创业教育不仅仅限于逻辑层面[3],

更应该体现在实践工作中。不仅要有“创新”“创业”

的基础素质,更要将“创新”“自主创业”理念融入实

践中,高校创新创业教学,很大程度上体现在大学生

创业的实践项目中。

2 高校毕业生创新创业意义

2.1 缓解就业压力

我国高校毕业生人数呈明显上升趋势,直到2023

年,全国高校毕业生人数将达到1185万人[4],从每一年

的毕业生就业趋势来看,毕业生的数量年年创新高,

这就意味着每年求职找工作的激烈程度是只增不减,

就业市场竞争激烈,在这样的情况下,每年都有不少

毕业生面临着“毕业即失业”的危机。加之疫情给企

业的经营带来了较大压力,2022年1-10月,全国规模

以上工业企业实现利润总额69 768.2亿元,同比下降

3.0%[5]。受到疫情冲击,企业砍掉了不必要的业务部

门,也减少了对人力资源的投入,招聘岗位减少,市

场竞争越发激烈。当下,就业人群远远超过岗位需求,

这也给用人单位提供了大量可供挑选的人才。为了筛

选人才,很多企业提高了应聘者的学历、学校要求,

给毕业生们带来了极大的就业压力,毕业生为适应市

场选择,被迫降低心理预期。

各地也出台了扶持政策来帮助学生就业,但效果

“互联网 +”背景下高校创新创业教育路径探索

布 穷

(拉萨师范高等专科学校,西藏 拉萨 850007)

摘要:“互联网+”作为一种全新的经济形态,为高校大学生提供了创业的新机遇。“互联网+”时代背景下,

全国各高校积极响应“大众创业,万众创新”的号召,积极探索人才培养新模式。为全面深化创新创业教育改革,

树立新的人才培养质量观,本文以大学生创新创业为研究对象,对当前创新创业教育现状及存在的问题进行了全

面分析,并以“互联网+”理念为基础,以期推动高校创新创业课程的高质量发展为目标,探索了高校创新创业教

育的优化路径。

关键词:“互联网+”;创新创业;高校教育课程

中图分类号:G647 文献标识码:A

收稿日期:2022-11-12

基金项目:促进高校毕业生就业对策研究(LSSZ2022JG02Z)。

作者简介:布穷(1975— ),男,讲师,硕士,研究方向为市政管理学。

第138页

132

中阿科技论坛 2023年第4期

甚微。求职市场的畸形发展,让大学生们压力倍增,

出现了缓就业、慢就业心态。智联招聘发布的《2022

大学生就业力调研报告》显示,2022届高校毕业生中,

15.9%的毕业生选择慢就业、缓就业,较去年提高3个

百分点[6]。面对严峻的求职形势,创新创业不但可以解

决大学生的就业问题,并进而形成带动就业的乘数效

应,减轻就业压力,还可以将创新成果转化为社会和

消费,带动经济转型,实现产业升级,因而只有积极

创业,才有利于缓解大学生就业困境。

2.2 强化学生综合能力

在目前的社会背景下,通过创新创业教育来提高

大学生的就业能力,从而提高大学生的就业质量,是

一种有效的解决方式。究其原因,可以从以下三个角

度进行分析:首先,在培养方式上,大学生的创新创

业能力和培养方式是两种截然不同的方式;传统的职

业生涯教育注重培养大学生的职业生涯规划,在职业

生涯规划和职业生涯规划等方面都有很大的局限性。

而创新创业教育则是着眼于大学生的整个学习过程,

在低年级阶段强调创新教育,在高年级阶段强调创业

教育,在高年级阶段则强调创业教育,以提高大学生

的创业能力。在人才的培养目的上,传统的就业教育

侧重于转变大学生的就业理念,提高大学生的就业能

力和面试技巧,增强大学生的就业竞争力;而创新创

业教育则是将对学生的各个方面的能力进行全面的提

升,通过对学生的职业选择教育、人生成功教育,让

他们的创新能力和创业能力得到全面的提升,让学生

拥有企业家精神、事业心、开拓精神、创新精神等,

创新、创业精神也是大学生在职业生涯中的竞争优势。

同时,对大学生进行创新创业教育,可以有效地改善

他们在创业方面的不足,如缺乏创造性,缺乏实践

能力,依赖性较强等[7],也可以转变大学生的就业理

念,让他们不再只是一个“求职者”和“就职者”,

而是“职位的创造者”;既可以解决个体的就业,又

可以带动群体的就业;不但能找到工作,还能开始一

项事业,进而带动经济发展,带动就业发展,提高就

业素质。

3 高校毕业生创新创业存在问题与成因

3.1 高校教学体系未完全落实

高校的“互联网+”创新创业课程体系仍未真正形

成。高校主体意识不到位,仅仅是完成创新创业课程

的建设,未能理解进行创新创业教育的真正意义。对

学生进行创新创业教育,本质上是传授知识,旨在提

高学生的就业综合能力,对学校的培养要求、教学内

容、教学方式等都提出了新的要求。但就目前来说,

大部分高校的“互联网+”创新创业教学形式较为单

一,忽略了学生的主体效应及个人差异,学生学到的

创业知识适用性不强。

3.2 高校创新创业师资力量薄弱

创新创业教育要取得成效,教师的综合素质是

关键因素,有效地提升学生创新创业的素质、能力和

水平,一支高素质的专业型教师队伍是重要的条件。

当前,高校内大部分教师都是本校就业指导中心的老

师,各班辅导员或者学生管理人员;也有少数高校会

邀请校友企业家、成功创业者等为学生们进行业余授

课。但综合来看,大部分教师缺少创业实践经验[8],缺

乏综合实践能力,融入创业教育的主动性不强,导致

了创业教学工作推进缓慢,师资力量薄弱,制约了整

体的教学效果。

3.3 多元协调交流机制不够完善

政府部门、高校、社会并未形成良好的三方联动

交流机制。从宏观视角来看,高校的创新创业教育作

为一个社会子系统,其生成和发展涉及政府、企业、

高校和社会等多方合作。当下,政府部门作为推动大

学生创业的主要部门,由于缺少探索和实践活动的资

源,导致大学生无法深入地进行创业的探索。每个省

份对大学生创业的补助不同,缺少创新创业教育的实

践投入工作。主要体现在两方面:一是缺少相关的

资金支持,相关部门的教育资金有限,无法聘请到相

关方面的专家进行指导,没有能力采购相关的创业设

备,不能为大学生的创业发展提供本质的帮助;二是

创新创业教育需要与当地的企业、工作室等就业平台

部门积极开展联动工作,缺少平台的辅助。

3.4 大学生缺乏创业信念与经验

近几年国家以及地方政府都在积极倡导“大众

创业、万众创新”,出台了一系列支持政策;各大学

也都拨出了专项资金,以此来推动高校创业园区的建

设,加强了对大学生的创新创业意识与能力的培养。

但总体来讲,对于二十出头的大学生来讲,敢于尝试

创业的群体仍然是少数。高校学生缺乏创业精神,不

愿参加创业竞赛,有许多大学生创新意识不足、不敢

创新创业、风险意识淡薄等因素,这些因素都是造成

创新创业教育难以取得实效的主要原因。另外,部分

学生过度追求经济效益[9],总是期望能够以最低的成本

在最短的时间里得到最大的经济效益,而将个人的发

第139页

133

科技与教育

展定位于追求完美的物质资本和企业的利润,把赚钱

当作创业的最终目的,忽略了创业过程中所获得的精

神体验和个人的自身价值[4]。三是大学生的抗压能力和

时间的控制能力差。大学生在进行创业的过程中,不

可避免地会遇到许多困难、与人发生分歧,部分大学生

抗压能力较差;尤其是在创业初期阶段,非常疲惫,时

间和精力分配的不均衡,也成了大学生创业的软肋。

4 高校毕业生创新创业教育的有效对策

4.1 强化课程建设,建立系统性的创业课程体系

创新创业教育是先进的、现代的教育教学理念,

它也是一种教学改革的实践,通过教学,能够提高学

生们的综合素质和能力,高校的创业创新教育体系需

要在各个方面给予重视和支持。就高校方面,一是要

建立一个全面、宏观创新创业教育教学体系。大学是

开展创新创业教育的主体,而构建符合大学特点的大

学课程是其重要保障,学校应当将创新创业教育放在

一个重要的必修学科地位,将学生的创新创业能力的

建设纳入学生的培养方案之中,制订符合学生的专业

特点的培养教学方案。教学方案中要融合创新创业概

念,优化教学大纲,课程体系,设置创业必修课、实践

课,让学生在掌握了自己的专业能力之后,能够掌握

创新创业的相关知识[10],建立一个理论与实践相结合

的、多层次、立体化的创新创业教育体系,培养出一

批具有创新精神和创业能力的高素质人才。二是要适

当建立跨专业交叉板块,在课程的设计上,探索建立

跨院系、跨课程、跨专业的交叉教学模式,开设创新

创业人才的新体系,促进人才的塑造,由课程专业单

一型向多课程融合型转变,在“双创”的基础上,将

“创新创业”与“互联网+”教学模式有机地融合起来,

让学生们掌握经济、法律、管理、营销、风险、创业

等相关学科的内容。另外,高校应该对“互联网”商

业模式投入重点关注,选择最新的创业案例,将其进

行拆解、分析,并将其作为一种新型的创业理念传授

给学生,让学生从关注热点,转化为触手可及的教育

资源[11]。最后,创新创业课程的要贯穿到学生们的整

个大学期间,让这门课真正成为改变学生就业观念的

关键第一课。

4.2 强化教师培训,构建“双师型”教师队伍建设

学校要组建一支教学能力强、教学理念先进、创

业实践经验丰富、创业实力强的综合型教师队伍,优

秀的师资力量是影响大学生创新创业能力培养的关键

因素。想要优秀的学生,先得有优秀的教育者。“互

联网+”创业教育不同与其他的教学,该课程具有综合

性、实践性等特点,由此,相关教师必须具备一定的

理论基础和实践的能力。“双师型”教师队伍必须具

备丰富的实践工作经验。高校在招聘创新创业教师的

过程中,可以适当放宽学历的限制,要构建一套适合

于外聘导师的选拔、任用、评价和培训机制,来确保

创新创业教育工作的顺利进行筛选具有创新创业精神、

实践经验丰富的教师来担任创业导师。二是强化培训

工作。当下参加创新创业培训的老师总数较少,培训

情况也不太理想。“互联网+”创业的教学需要实践,

涉及大量专业知识,这都需要教师亲身体验,才能达

到良好的教学效果。为此,高校可建设教师学习系统,

在职教师可到公司进行专业知识的进修,包括定期到

公司接受技术培训,以便能将自己的所学经验传授给

学生,确保所教的内容与实际的工程建设无差别。另

外,加强校企合作关系,建立企业一线员工的兼职教

学体系,让企业的一线技术人员,到校内上课,传授

最前沿的专业知识,使其专业知识能够更深层次地参

与到教学中来,以此来提高教师的技术水平,培养优

秀的技术人才。同时,来到学校的一线创业授课专家,

也能够和高校的教师们进行探讨,获得更扎实的理论

知识,双方通过交流专业知识,都能够获得一定的收

获,达到了双赢的目的。三是适当采取相应的激励措

施,例如资助、表彰等,增设绩效奖金,以此来激发老

师们的工作热情。

4.3 强化互动机制,构建政府+学校+社会三位

联动

随着大学生创业活动的开展,亟须通过互联网平

台实现创业者之间的联动。创新创业是一门开放型的

实践课程,各级部门要为大学生创业给予支持。一是

政府方面。各级政府可在行政、工商、税收等板块进

一步为大学生创业提供优惠政策,更多地重视平台优

化工作,联合各直属机构、财政部门、人力部门等,

解决创业学生们的户口、档案、减免税、咨询服务等

现实问题。同时也要鼓励学生以灵活就业身份缴纳保

险,持续优化五险一金线上线下缴费渠道。二是高校

方面。当下大学生在创业活动中面临的最大问题是融

资困难,高校可通过与金融机构的合作,为大学生争

取到风险投资和银行贷款,以此来缓解高校毕业生在

创业活动中所面临的资金瓶颈问题。三是社会层面。

人才的培养既要教学工作到位,也要加入一定的竞争。

相关组织要积极举办实践性的创业比赛,筛选出优秀

第140页

134

中阿科技论坛 2023年第4期

的创业人才,并建立“创业人才库”。针对不同的企

业的不同的实际需要,开展不同类型的有针对性的创

业比赛。利用各种创业比赛,筛选出愿意创业的大学

生,从而让大学生的创业工作步入轨道。通过政府、

学校、社会三个层面的协同运作,营造大学生良好的

创业环境。

4.4 强化平台建设,创建多元化交流平台

在培养大学生的创造性逻辑思考能力的基础上,

不仅要传授“双创”的理论知识,更要让他们有一个

可以实践操作的平台,让学生们尽早接触工作,取得

更多的机会。互联网创业最显著的特征是它的资讯资

源丰富,大学生也可以自己整合网络资源,在网上、

线下搭建多种形式的教学实践平台,让多元化平台发

挥作用[12]。创新创业实践,必须要以一个多样化的交

流平台为基础,只有这样才可以从多维度有效地激发

出学生的创新意识,将学生的创新创业能力完全发挥

出来。相关部门要建立高水平、专业化的大学生创业

服务平台,聘请专业的创业导师,对有较强创业意愿

和能力的大学生进行帮扶,提升创业体验与创业实践

能力。

4.5 提高学生综合素质,实现创业目标

创业考验的是一个人的综合能力,大学生要想

在竞争激烈的市场上创业并取得成功,就需要全面提

升自身综合素质,除了积极锻炼自身素质,提高自主

性,更要强化自身组织管理能力,多参加各类学生组

织和社团组织的社会实践活动,以实际行动锻炼自身

的管理能力。只有具备良好的组织和管理能力,学生

才能建立起自信,能够在事业上有所创新,这样才能

在工作中有所成就。要培养学生不屈不挠、永不言败

的拼搏精神。在创业过程中遇到困难是很正常的,但

是很多学生在创业过程中受到一点挫折,就会一蹶不

振。这就需要培养学生在困难中永不放弃的毅力,在

困难中生存,在困难中发展。要经常读一些经典成功

学,吸取成功的典型例子。明确自己的创业动机,积

极复盘,找到创业失败的原因,为以后的发展打下良

好的基础。要培养危机意识,洞察市场动向。机会对

于每个人都是平等的,但就有一些不善于抓住机会的

人。因此,学生要具有洞察力,必须从平常观察中抓

住转瞬即逝的机会。一位著名的人物曾经说过:在汽

车里,在厕所里,在商场里,在大街上,无时无刻不在

为我们带来机会。就算是别人的一句无心之言,也能

让我们的创意得到启发。多数在创业、商业上有所建

树的人,无不具有坚韧不拔的毅力、较强的管理与组

织能力,以及对商机的敏锐洞察力。一个人要有成绩,

要有创意,要有知识,要有组织,要有管理,要有良好

的人际关系,要能吃苦耐劳,要善于发现商机,这样

才能为自己的创业之路铺垫好道路,也就能转变狭隘

的过时的“传统的就业观念”,为自己走上创业之路,

早日适应社会生活,从而实现理想抱负具有重要意

义,同时对学校就业工作的引导具有良好的示范作用。

5 结语

在新时代网络快速发展之下,学校创新创业教育

的改革必将对培养模式、专业设置、课堂教学等方面

产生深远的影响。“互联网+”为大学生创造了一个

空前的机遇,也为每一所大学的就业工作带来前所未

有的机遇,相关主体应该抓紧时间,大力发展改革,

提高实践效果,把创新创业和思想政治工作有机地融

合在一起,渗透到日常教学之中,切实转变学生和家

长的就业观念,把学校的就业工作提高到一个新的高

度,为社会输送更多复合型优秀人才。

参考文献:

[1]黄璐.互联网+背景下电子商务平台发展现状及

趋势[J].现代企业,2022(11):143-145.

[2]张永建,蔡书芳,曹鹏发.“互联网+”环境下高

校信息化建设研究探讨[J].物联网技术,2022,12(10):144-

146.

[3]乔利利.“互联网+”背景下高校创新创业教育

改革探索[J].创新创业理论研究与实践,2022,5(17):108-

110.

[4]曹建.2023届高校毕业生预计达1158万人.中华

人民共和国教育部.[EB/OL].(2022-11-18)[2022-11-20].

http://www.moe.gov.cn/jyb_xwfb/s5147/202211/

t20221118_995344.html

[5]郝瑀然.2022年1—10月份全国规模以上工业企

业利润下降3.0%.中华人民共和国中央人民网.[EB/OL].

(2022-11-27)[2022-11-30].http://www.gov.cn/

xinwen/2022-11/27/content_5729065.htm.

[6]吕冰.高校毕业生就业新趋势及应对策略[J].中国

大学生就业,2023(1):3-8.

[7]霍楷,安澜.“互联网+”背景下高校创新创业问题

及对策研究[J].创新创业理论研究与实践,2022,5(17):115-

119.

[8]王亦龙,何爱红.“互联网+”背景下民族类高校

公共管理专业课程教学融合创新创业教育的探讨:以西

北民族大学为例[J].产业与科技论坛,2021,20(8):121-122.

第141页

135

科技与教育

[9]庄丽,朱林,季小燕.互联网+背景下高校创新创业

实践教育体系构建研究[J].高教学刊,2021(9):32-35+39.

[10]王小萌.“互联网+”背景下地方高校大学生创

新创业教育路径探究[J].文化创新比较研究,2021,5(4):63-

65.

[11]王卫涛.“互联网+”背景下高校创新创业教育

研究[J].中国管理信息化,2020,23(24):234-235.

[12]王孟博,李婧元.“互联网+”背景下高校创

新创业教育现状探析[J].承德石油高等专科学校学

报,2020,22(6):87-90.

Research on the Path of Innovation and Entrepreneurship Education

in Colleges and Universities in the Context of “Internet+”

Bu Qiong

(Lhasa Normal College of Higher Education, Lhasa 850007)

Abstract: As an emerging economic form, “Internet+” provides fresh opportunities for college students to start their own

business. In the “Internet+” era, nationwide colleges and universities actively responded to the call of “mass entrepreneurship

and innovation” and vigorously explored the new mode of personnel cultivation. In order to deepen the reform and maintain a

new outlook on personnel cultivation, this paper makes a comprehensive analysis of the current status and issues of innovation and

entrepreneurship education, and explores corresponding optimization path based on the concept of “Internet+”, with the aim of

promoting the high-quality development of innovation and entrepreneurship courses.

Key words: “Internet+”; Innovation and entrepreneurship; College curriculum

(校对:郭雁华 刘卿)

第142页

136

中阿科技论坛 2023年第4期

据教育部统计,截至2018年底,来华留学生总量

已超过49.22万名,分别来自196个国家和地区,其中

“一带一路”国家来华留学生占比逐年攀升,占全球

来华留学生总数的 53%。 而作为较早开始招收外国学

历留学生的农业院校,西北农林科技大学自2007年开

始招收来华留学生,至2020年已有14年,累计招收外

国学历留学生661人次,其中来自“一带一路”国家的

外国留学生数量占比达98%以上。

外国留学生进入专业学习前,需进行一年的预科

学习。教外厅[2010]2号文件规定:新HSK4考试的及格

线是180分(对应HSK的初等水平证书C级),作为中

国政府奖学金理学、工学、农学等专业的预科生完成

一学年预科教育后应达到的汉语言水平。因此,HSK

考试作为推广程度最高、规模最大的一项国家级中文

考试,一直受到学界的广泛关注。

学界针对HSK考试题型的研究最早可追溯至20世

纪90年代,自2009年新HSK正式推出以来,考试本身信

度效度以及对于汉语教学的反哺作用再一次在学界引

起探索高潮,柴省三(2011)通过科学数据分析方法

对考试听力理解部分进行了应试策略的实证研究[1]以及

听力测验构想效度研究,并提出了针对听力测验任务

形式的改进建议[2];江敏等(2013)从新HSK5写作部

分的试题题型入手,分析列举了写作部分的题型、易考

点和评分标准,并对排序题以及短文写作的写作步骤和

备考策略提出了相关建议[3];秦烜(2018)以信度、效

度为切入角度,以新HSK6听力考试的部分听力题为例

进行分析,得出部分语料选择单一,过于侧重知识而

非能力考察的结论,对语料选择给出了改进建议[4]。

2020年以来,研究逐渐倾向阅读部分,学界更加

关注新HSK话题作用研究,对语言交际功能的检验更

为重视。江新等(2020)以HSK(5、6级)阅读测试

文本为实验材料,以高级汉语学习者的完形填空成绩

作为衡量文本阅读理解难度的响应变量,以字词、句

子、语篇层面的9个文本特征作为预测变量,通过多元

回归性检验得出可读性检验公式,并根据可读性分数

分析得出新HSK阅读测试文本难度分级的准确率达到

“一带一路”国家预科外国留学生新 HSK4 题型

成绩分析及对策研究

——以西北农林科技大学为例

张一航 葛李勤 张如平

(西北农林科技大学 语言文化学院,陕西 咸阳 712100)

摘要:随着国家“一带一路”倡议的实施,来华留学生数量不断增加,且HSK作为测试母语非汉语者的汉语

水平的一项国际汉语能力标准化考试,呈现较为显著的正向反拨效应。文章以西北农林科技大学国际学院招收的

2013级~ 2019级的“一带一路”国家预科外国留学生及其新HSK4考试成绩为研究对象,以题型、试题所包含的文

化内容为分析维度,发现学生听力成绩最好,阅读次之,书写最差,且对常见的文化内容缺乏了解,据此提出了

应均衡培养学生的汉语听说读写等各方面的能力,加强书写能力的培养,并重视常用文化内容教学等建议。

关键词:“一带一路”;预科外国留学生;新HSK4;成绩分析

中图分类号:H195 文献标识码:A

收稿日期:2022-12-09

基金项目:2022年大学生创新创业训练项目“‘一带一路’国家预科外国留学生新HSK4考试成绩分析及对策

研究——以西北农林科技大学为例”(202210712045)。

作者简介:张一航(2001— ),女,研究方向为汉语作为第二语言习得研究;葛李勤(1988— ),女,讲师,

硕士,研究方向为汉语作为第二语言的习得研究及对外汉语教学;张如平(2001— ),女,研究方向为汉语作为

第二语言习得研究。

第143页

137

科技与教育

75%[5];魏玉红等(2022)以新HSK5阅读试题分析为例,

对近几年试题的特点与变化进行细致分析,总结出针

对新HSK5完型阅读题的教学重点、方法、能力等方面

策略建议,同年,杜月明等(2022)基于汉语二语文

本可读性的特征集合,通过对比六种机器学习模型

的效果,引入特征选择算法,实现了汉语水平考试阅

读文本可读性的自动评估,对新HSK阅读文本的选择

和改编及其他类型的文本可读性评估具有一定的参考

意义[6]。

而文化内容作为HSK考试题目中必不可少的部

分,相关研究也颇为丰富,主要分为两方面,早期集

中在文化因素重要性的研究上,如陈光磊(1994)[7]、

胡英(1997)[8]都强调了文化因素在HSK考试中以及

单题型中的重要性;后期则主要为试题中所含文化因

素横纵向分析,如李安琪(2016)通过分析2014 年新

HSK4真题五套试卷,发现一共486题中涉及文化因素

的有103道,占比达到21.19%,得出文化因素在汉语

教学中极为重要的结论[9];秦新楠(2019)通过分析

2010、2012、2014年新HSK4三年真题中的文化因素,

发现其文化因素内容主要集中在称呼姓氏、中国地理

等方面[10],这一阶段主要针对新HSK试题进行了文化因

素的归类以及纵向比较分析等,在文化因素在考试中

所呈现的重要地位基础上,提出了相关的教学策略。

结合以上研究成果,我们发现当前学界对新HSK

研究主要集中于考试本身信度效度分析以及单题型针

对性研究,且后期多集中于阅读部分,而基于一定规

模的学生新HSK考试成绩的各题型及其文化因素的定

量研究比较少;从研究国别和新HSK考试级别看,针

对“一带一路”预科外国留学生的新HSK4题型成绩分

析研究尚未展开,在新HSK4考试中,“一带一路”预

科外国留学生的听力、阅读和书写等不同题型的表现

如何,是否存在跛脚现象,这些情况与新HSK考生总体

表现是否一致;除了语言技能外,试题中的文化因素

是否会影响新HSK4考试成绩等都值得关注与研究。

1 研究对象与方法

1.1 研究对象

(1)以西北农林科技大学国际学院参与新HSK4

考试323名“一带一路”国家预科外国留学生(2013级

~2019级)及其新HSK4考试成绩为研究对象;(2)参

与问卷调查的215名“一带一路”考生。

1.2 研究方法

文献资料法:结合相关文献资料,将获取的西北

农林科技大学“一带一路”国家预科外国留学生成绩

及具体信息作为主要资料。

数理统计法:从考题内部构成着手,以题型、文

化因素为分析维度,对“一带一路”国家预科留学生

已收集到的成绩及问卷信息进行图表分析和SPSS分析。

问卷调查法:采用李克特五级量表,分析学生新

HSK4考试难点及对文化内容的了解度问题,并调查学

生汉语学习的自我评价。

2 研究结果分析

此次研究选取了西北农林科技大学招收的2013

级~ 2019级参与新HSK4考试的“一带一路”国家预科

外国留学生作为研究对象,共计323人次,分属于20个

国家,其中有14个国家的在华留学生人数不少于5人,

包括10个亚洲国家,从多到少依次为巴基斯坦135人、

哈萨克斯坦36人、蒙古国21人、越南20人、孟加拉国

17人、泰国15人、柬埔寨14人、缅甸9人、老挝6人、

斯里兰卡5人;4个非洲国家,依次为埃及11人、中非9

人、卢旺达9人、苏丹6人。这323名考生中,270人合格,

合格率为84%。

2.1 预科外国留学生新HSK4听力、阅读、书写各

题型成绩统计分析

考生的听力、阅读、书写3个题型及总体成绩描

述性统计结果如表1所示,由表1可以看出,323名考生

听力、阅读、书写的平均成绩分别为82.92、76.20、

62.14,听力部分得分最高,阅读次之,书写部分得分

最低,最低分仅为7分。

为了检验这3种题型的均值是否存在相关性和差

异性,笔者对其进行了配对样本T检验,结果如表2所

示,可以看出阅读和听力、书写和阅读、听力和写作

的相关性分别为0.686、0.596、0.508,且显著性均小于

0.05,表明两两之间的均值具有显著的正相关性;同

理,听力和考生总成绩、阅读和考生总成绩、书写和

表1 新HSK4各题型及总体成绩描述统计分析

N 最小值 最大值 均值 标准 偏差

听力 323 29 100 82.92 13.441

阅读 323 15 100 76.20 17.686

书写 323 7 99 62.14 19.691

考生总成绩 323 82 297 221.26 43.486

第144页

138

中阿科技论坛 2023年第4期

考生总成绩之间的相关系数分别为0.818、0.889、0.852,

其中,阅读和考生总成绩相关系数最高,说明阅读与

总成绩相关性最强,与总成绩起伏趋势保持较高的一

致性;听力和考生总成绩相关系数最低,说明听力与

总成绩一致性较低。

结合上述分析,笔者以年级为单位,分别对听力、

阅读、书写3种题型的成绩进行分析,结果如图1所示。

可 以 看 出,2013级 ~ 2019级 中,除2016级 外,

表2 新HSK4各题型及总成绩相关性及差异性

个案数 相关性 显著性 Sig(双尾)

配对1 阅读&听力 323 0.686 0.000 0.000

配对2 书写&阅读 323 0.596 0.000 0.000

配对3 听力&书写 323 0.508 0.000 0.000

配对4 听力&考生总成绩 323 0.818 0.000 0.000

配对5 阅读&考生总成绩 323 0.889 0.000 0.000

配对6 书写&考生总成绩 323 0.852 0.000 0.000

注:样本统计量与其总体统计量,或理论值之间的差异检验。

图1 新HSK4各题型平均合格率分析

表3 学生听力部分难点调查

原因 百分比

朗读者语速过快 54.17%

题目之间间隔时间较短 45.83%

日常练习较少,没有听力应试技巧 41.67%

对朗读读者语音语调不熟悉 41.67%

不能对材料中词汇进行同义转换 41.67%

听力片段太长,包含信息过多 37.50%

材料与日常练习差距较大 25.00%

材料中干扰信息太多 20.83%

其他 16.67%

其余年份听力的合格率均≥90%,且各年份之间差距

较小。此外,323名考生听力部分的整体合格率高达

94.12%,由此可以看出考生在听力部分表现优秀且

稳定性较高。学生听力部分的难点调查结果如表3所

示,可以看出54.17%的留学生认为“朗读者语速过

快”;45.83%的留学生认为“题目之间间隔时间较

短”;41.67%的留学生选择了“对朗读者语音语调不

熟悉”“不能对材料中词汇进行同义转化”及“日常

练习少,没有听力应试技巧”。通过选择率较高的选

项分析,说明了学生日常听力训练与新HSK4真题存在

较大出入,且学生不熟悉汉语的口语表达以致考试时

对语音语调不熟悉,无法及时反应。

由图1可知,考生阅读部分的表现不稳定,成绩呈

现较大的波动。尤其在2016年,合格率只有69.64%,显

著低于整体的阅读合格率82.97%;2017年合格率最高,

为95.74%。学生在阅读部分的难点调查结果如表4所

示,可以看出 53.85%的留学生“对考试词义不了解”,

其占比居于首位,与词汇有关的选项占比也较大,如

“关联词”“日常表达”“词性”,该结果反映出经

过一年的预科学习后,留学生在词汇方面仍有较大漏

洞,成为阅读部分失分的重要原因。此外,26.92%的

留学生选择“对句子之间的逻辑关系不理解”“日常

练习少,没有阅读应试技巧”。

由图1可知,相较于听力部分及阅读部分,书写部

分合格率最低,平均合格率仅58.20% ,波动较大且呈

现出降低趋势。合格率最高的一次出现在2013级,为

72.22%,2016级最低,仅39.29%。学生书写部分的难点

第145页

139

科技与教育

调查结果如表5所示,可以看出71.43%的留学生在考试

时“不记得汉字怎么写”,汉字成为书写部分失分的重

要因素,57.14%的留学生“对语法句型结构不熟悉”,

46.43%的留学生认为“写字速度慢,题量大”,39.29%

的留学生认为“日常练习不够,缺乏应试技巧”。

2.2 试题中的文化因素与新HSK4考试成绩间的关系

汪曼对5套新HSK4真题进行统计得出:在500道考

题中,含有文化元素的考题共80道,占比为16%,其

中涉及的文化元素内容丰富[11];苏志新以HSK1-6级为

例,分析了2018版新HSK4的五套真题,指出500道考题

中涉及文化因素的共159道,占比为31.8%[12]。由此可

见,对中国文化的了解程度也是影响学生能否通过新

HSK4的一大因素。

在此基础上,笔者就预科外国留学生对中国文化

的兴趣和了解度展开问卷调查,结果如表6所示,在

参与调查的215人中,对中国文化感兴趣者占比达到

88.37%;对中国文化不了解或不确定自己是否了解者

占比达48.84%。这两个数值之间存在明显差距,由此

说明留学生空有兴趣而了解甚少,也体现出教学过程

中文化内容的缺失。

为了进一步对影响考生的文化因素进行深入研

究,笔者以文献和文献对新HSK4真题中文化因素的

统计分析为纲,将其中涉及的文化因素分为“称呼姓

氏”“中国地理名胜”“语言文字”“中国建筑”“风

俗习惯”“国情民生”“历史及法律知识”7类,并对

考生进行问卷调查,结果如表7所示,可以看出考生对

于试题中文化因素的了解度集中于“了解”“不确定”

两个方面。考生对于文化因素的了解程度呈现出从称

呼姓氏、地理名胜、风俗习惯、中国建筑、历史文化

到国情民生依次递减的顺序。考生对于试题中涉及的风

俗习惯、国情民生、历史文化等了解程度较低,超过半

数同学集中在不确定、不了解两个层面。文化内容作为

新HSK4考试的必考部分,学生目前的掌握程度还远远不

够,甚至完全不了解,无法结合实际需要理解并运用。

栾著[13]也提出了目前高校留学生汉语文化教育呈现边

缘化现状,这与笔者上述调查结果相一致。

表4 学生阅读部分难点调查

原因 百分比

对考试词汇词义不了解 53.85%

对文章中出现的关联词不理解 38.46%

对一些常用表达不熟悉 38.46%

对考试词汇词性不了解 34.62%

对句子之间的逻辑关系不了解 26.92%

日常练习较少,没有阅读应试技巧 26.92%

体量太大,阅读困难 19.23%

文章蕴含的哲理性意义太难 15.38%

概括句子能力差 15.38%

文章中有关文化内容过多 11.54%

其他 11.54%

表5 学生书写部分难度调查

原因 百分比

不记得汉字怎么写 71.43%

对语法句型结构不熟悉 57.14%

写字速度慢,题量大 46.43%

日常练习不够,缺乏应试技巧 39.29%

其他 3.57%

表6 留学生对中国文化兴趣度及了解度调查

问卷问题 态度占比

非常同意 同意 不一定 不同意 非常不同意

你对中国文化有兴趣 62.79% 25.58% 9.30% 2.33% 0.00%

你对中国文化很了解 16.28% 34.88% 46.51% 2.33% 0.00%

表7 留学生对不同类型文化了解度调查

文化因素 态度占比

非常了解 了解 不确定 不了解 完全不了解

称呼形式 1.40% 40.47% 35.35% 19.07% 3.71%

地理名胜 3.26% 49.77% 29.30% 15.81% 1.86%

中国建筑 0.00% 43.72% 33.49% 20.00% 2.79%

风俗习惯 1.40% 45.12% 41.40% 7.91% 4.17%

国情民生 0.00% 6.98% 67.44% 20.00% 5.58%

历史文化 0.47% 7.91% 71.16% 18.60% 1.86%

3 教学建议

众多学者的研究都表明了新HSK考试具有较高的

信度和效度,同时对于汉语教学产生了一定的反拨效

应,且积极意义大于消极意义[14]。结合以上有关“一

带一路”外国预科留学生新HSK4考试题型成绩及文化

因素分析,笔者提出如下教学建议。

均衡培养学生的听力、阅读和书写能力。各个题

型之间相关性较强,三者相互影响、相辅相成。因此,

要注重“一带一路”国家预科外国留学生听力、阅读、

书写能力的均衡培养和发展。

重视汉字教学。“一带一路”国家预科外国留学

生汉语的听力、阅读、书写能力发展不平衡。听力最

好,阅读次之,书写能力最差。其中,汉字是书写部分

的重要基础。对此,可在初级阶段有意识地培养留学

第146页

140

中阿科技论坛 2023年第4期

生对汉字的兴趣,在综合课上加强汉字讲解和书写,

帮助学生识记汉字形体和意义,并强调书写的规范性

和工整性。

加强词汇教学,重在同义词和近义词的积累和辨

析。真题中听力和阅读部分都会出现大量的词义转

换,这正是留学生所欠缺的地方。而多积累有利于学

生考试时快速反应并做出正确判断;加强生词听写

和造句练习,主要在于书写而不是口头造句,且要求

定时完成。

重视高频文化教学。教师应当结合文化内容对学

生的阅读、写作等技能进行提升,在语言教学过程中

也要适当穿插文化因素,重视高频文化教学。

适当加强应试技巧培训。可适当对学生提前进行

模拟强化训练,使学生熟悉听力的语音、语速、语调,

阅读和书写的出题风格;培养学生良好做题习惯以及

时间分配能力。

参考文献:

[1]柴省三.关于HSK考生听力理解应试策略的实

证研究[J].云南师范大学学报(对外汉语教学与研究版),

2011,9(05):1-7.

[2]柴省三.汉语水平考试(HSK)听力测验构想效度

研究[J].语言文字应用,2011(1):73-80.

[3]江敏,尉亮.新HSK五级考试写作试题题型分析和

教学启示[J].前沿,2013(24):128-130.

[4]秦烜.从信度和效度角度分析新HSK(六级)听力

考试——以其中一份样卷的部分听力试题为例[J].当代

教育实践与教学研究,2018(1):198+201.

[5]江新等.汉语水平考试(HSK)阅读测试文本的

可读性分析[J].中国考试,2020(12):30-37.

[6]杜月明,王亚敏,王蕾.汉语水平考试(HSK)阅读

文本可读性自动评估研究[J]语言文字应用,2022(3):73-

86.

[7]陈光磊.从“文化测试”说到“文化大纲”[J].世

界汉语教学,1994(1):25-29.

[8]胡英,从HSK看词语的文化因素对阅读能力的

影响─—兼谈阅读教学存在的问题及对策[J]语言与翻

译,1997(3):64-67.

[9]李安琪.新HSK试题中文化因素的分析与研究

[D].苏州:苏州大学,2015.

[10]秦新楠.新HSK(四级至六级)真题中文化因

素的统计与分析[D].南京:东南大学,2018.

[11]汪曼.基于新HSK试题中华文化元素的中华文

化教学研究[D].武汉:华中科技大学,2019.

[12]苏志新.HSK试题中的文化因素分析[D].石家庄:

河北师范大学,2020.

[13]栾著.留学生汉语文化教学研究[J].语文建设,2017

(32):19-20.

[14]孔傅钰,张艳莉.汉语水平考试(HSK)对国际

汉语教学的反拨效应研究[J].天津师范大学学报(社会科

学版),2021(4):46-51.

Research on the Analysis of New HSK4 Questions and Scores of International

Students from “Belt and Road” Countries and Its Countermeasures

——Taking Northwest A&F University as an Example

Zhang Yihang, Ge Liqin, Zhang Ruping

(College of Language and Culture, Northwest A&F University, Xianyang 712100)

Abstract: With the implementation of the “Belt and Road”, the number of inbound international students has been

increasing. As a standardized Chinese language proficiency test for non-native speakers, HSK plays a prominent role. Hence, in

this article, the international students from 2013 to 2019 classes of the International College of Northwest A&F University from the

“Belt and Road” countries and their new HSK4 test scores are studied, with questions types and cultural contents the dimensions

of analysis. Results indicate that students’ performance in listening was the best, followed by reading and writing, furthermore, they

had little knowledge of common cultural contents. Accordingly, it’s suggested that students’ listening, speaking, reading and writing

skills should be cultivated in a coordinated manner, and their writing skill should be strengthened as well as the teaching of common

cultural contents.

Key words: “Belt and Road”; International students; New HSK4; Performance analysis

(校对:拜亚丽 刘卿)

第147页

141

科技与法律

近些年来,随着科技的发展,人工智能进入大众

视野,其借助云计算、大数据等技术以及自身的强大

学习能力,为我们的生活提供了巨大的便捷,同时也

给我们的生活带来了巨大的挑战,不仅给劳动力市场

带来了巨大的冲击,也产生了一些人文伦理和法律问

题。作为法律相关学习人员,我们在顾及法律稳定性

的同时,也要从社会实际出发,避免法律的滞后性,

笔者下文将从人工智能产品的侵权责任方面对此展开

研究。

1 人工智能相关概述

1.1 人工智能的概念

人工智能究竟是什么呢?将“人工智能”一词拆

分开理解,“人工”便是人类进行制造或者通过人类

使用,“智能”从科学的角度来讲,便是具有高度的自

主性和可思考性,可以脱离人类而使用或者人类在使

用过程中的参与度低。人们通常所说的弱人工智能、

强人工智能和超级人工智能就是以人类参与度,即人

工智能在工作中的独立程度划分的。按照目前的程度,

全球人工智能发展正处于由弱人工智能向强人工智能

过渡的阶段[1]。

随着人工智能的高速发展,法律领域面临的相关

问题也越来越多,如是否可以赋予人工智能民法主体

地位、人工智能产品在行为侵权时的侵权责任该如何

承担。现有的法律体系并没有赋予人工智能同人和

法人组织一样的民事主体地位,仍将其归于“客观的

物”,因此其便不具有独立承担侵权责任的能力。在

这个状况之下,法律学者需要在受害者的损害赔偿、

人工智能侵权责任承担分配以及科学研究三者之间寻

找一个平衡点,保障各方利益,从而促进人工智能在

新时代能稳定快速发展。

1.2 人工智能产品的特征

人工智能产品是设计者通过对人工智能技术的应

用,研发出来的可以在生活中广泛应用的机器,因此

其具有实体性和拟人性两个特征。实体性是指人工智

能产品在以智能系统为核心的基础之上,拥有一个客

观的外在可见可触摸的实体。拟人性是指人工智能产

品通过对外在现象和数据的感知,模拟人类的思维方

式和思维过程,不断自我更新,从而帮助人类工作和

生活,体现出了高度的独立性和自主性[2]。学界对人

工智能产品的拟人性引发的相关问题也展开了广泛讨

论,如是否应该赋予人工智能产品法律主体地位、是

否可以让其独立承担相应的责任。笔者认为,人工智

能产品实际上仍然是人类生活的辅助工具,在民法领

域来讲,仍然只属于“客观的物”的范畴。

2 人工智能的民事主体地位

2.1 人工智能主体地位相关学说分析

人工智能产品能否具有独立的民事主体地位呢?

学界对人工智能产品的民事主体地位相关问题也在不

断进行探析,主要有以下几种观点。

第一种,肯定说。通常情况下我们认为独立的法

人工智能产品的侵权责任界定问题

邓 腾

(北京交通大学法学院,北京 100044)

摘要:人工智能产品具有自主决策能力和深度学习能力,在蕴含巨大发展潜力的同时也存有不可避免的风

险,亟须从法律制度层面作出有效规制。现有法律体系并没有赋予人工智能产品像人和法人组织一样的民事主体地

位,仍将其归于“客观的物”,因此人工智能产品不具有独立承担侵权责任的能力。因此,本文认为法律学者需要在

受害者的损害赔偿、人工智能侵权责任承担分配以及科学研究这三者之间寻求一个平衡点,以保障各方利益。

关键词:人工智能;侵权责任;法律制度

中图分类号:D923 文献标识码:A

收稿日期:2022-12-13

基金项目:中央高校基本科研业务费项目(KKJB19001536)。

作者简介:邓腾(2000— ),女,硕士,研究方向为民商法。

第148页

142

中阿科技论坛 2023年第4期

律人格必须可以做出独立的意思表示,从而产生相应

的法律后果。坚持肯定说的学者认为,人工智能产品

是人类智慧的结晶,随着科学技术的不断发展,其独

立决策性也会不断得到提升,其拟人性和智能性也在

不断加强,在某些情况下,已经可以独立地做出意思

表示,具有独立的意思表示能力,因此肯定人工智能

产品的法律主体地位,认为可以赋予其法律主体资格。

第二种,否定说。我国该领域的大多数学者都对

人工智能产品的民事主体地位进行了否定。他们认

为其在本质上仍然只是辅助人类更好地生活的一种工

具,只是作为一种新的产品类型而出现,仍属于产品

外延范围,认为其不能独立地做出意思表示,并且没

有民事行为能力和民事权利能力。它们只是在某些方

面代理人类完成一定的工作与活动,并不能被视为人

类,只是人类制造出来的机器,因此不能赋予其法律

主体资格。

第三种,折中说。这种学说认为,既不能完全对

其法律人格进行肯定,也不能完全否定,认为人工智

能产品具有较强的拟人性,但却不同于人,虽然由智

能系统在控制操作,但是其实质上仍是在实施着人的

行为。

笔者认为不能赋予人工智能产品法律主体地位。

首先,人工智能并不具有自由意志,人工智能系统的

存在基础是人类事先做出了某种设定。与人类相比

较,人工智能产品缺少明显的能动性,不能够像人类

一样可以做到举一反三,只有在人类利用算法发出命

令时,人工智能产品才可以正常运行,也就是说其行

为以人类的命令要求为始发点。人工智能靠自身的算

法运行,所运行的算法便是其意志,而这种算法又是

由人类产生的,是人类意志的结果。其次,倘若赋予

人工智能产品民事主体地位,也就意味着其可以独立

承担民事法律责任,但是通常情况下民事责任的承担

方式以损害赔偿为主,这也就意味着作为民事主体必

须拥有属于自己的独立财产,但是人工智能产品并不

具备其专属财产,也就意味着在责任承担方面会面临

一定的障碍,受害者不能得到及时补偿[3]。但是也有些

学者认为可以将人工智能产品视为不具有完全民事能

力的未成年人,在责任承担方面采用替代责任。但是

这点也是不可取的,因为未成年人是可以拥有自己的

独立财产的,其在未来会具备民事权利能力和行为能

力,并且对其采用替代责任的原因是未成年人的心智

还不够成熟[4],但是对于人工智能产品而言,在赋予其

独立的民事主体地位后,仍需由其他人来承担替代责

任,那这便是毫无意义的。最后,根据民法理论以及

以往的常识,主体和客体是两个完全不同的概念,一

个实体在法律上来讲要么是主体要么是客体,不存在

既不是主体也不是客体的法律状态,这是不合理的,

也会引发一系列的法律问题[5]。并且倘若赋予人工智能

产品民事主体地位,也就意味着赋予了其民事权利能

力,那么是不是也就意味着人工智能产品可以对赋予

其地位的人类说不了呢?享有权利便也就享有了拒绝

的权利,显然就其发展现状而言,这是不合常理的,

也是不符合实际的。

2.2 人工智能产品侵权的责任主体

综上所述,人工智能产品不具备法律主体地位,

但是因其自身的特殊性,不能将其侵权责任的承担简

单等同于传统的产品,因此要在产品责任的基础之上

对其进行完善。

2.2.1 确定研发者的责任主体地位

目前,《中华人民共和国民法典》(以下简称《民

法典》)对产品侵权责任的相关规定中只提到了生产

者和销售者作为对外承担责任的主体而承担的无过

错责任,并未规定产品生产过程中其他参与人的责任

承担问题,比如说研发人员。传统产品的研发者和生

产者往往是同一主体。并且受传统思维的影响,消费

者大都认为作为生产产品的第一责任人,生产者理应

对有缺陷的产品承担一定的责任,而研发者并未直接

接触到产品的生产,因而可以忽略研发者。但是对于

人工智能产品而言,生产者大多只是执行加工行为而

已,在缺乏专业知识的情况下很难对人工智能产品能

否有效使用得出一个准确的结论,因此不能保证生产

出的产品究竟是否安全合格。

对于人工智能产品而言,其自身的人工智能系统

中的算法和程序才是其最重要的部分,生产者赋予的

主要是外部载体和躯壳,而研发者赋予的才是人工智

能产品的核心。所以说相对于传统的产品而言,人工

智能产品的生产者大多与研发者脱离,此时对人工智

能产品运行过程中支配和控制力最强的研发者理应承

担一定的法律责任,并承担相对应的法律义务。因此,

从控制危险源的角度来说,有必要将研发者规定为侵

权责任主体。

2.2.2 确定生产者外延

一般认为,生产者是对产品进行制造,得出半成

品或者完全产成品的主体。我国现有的产品责任法只

说明了生产者的责任主体地位,但并未对生产者范围

进行阐述。我国著名法律学者杨立新教授曾说:“产品

第149页

143

科技与法律

生产者不仅应当包括产品制造者,还应当包括零部件

制造者和准生产者,并且,以出售、转让、出租等为

目的的进口商也应该视为生产者。”因此,在对人工

智能产品进行责任认定时,应当扩大主体认定范围,

在考虑了智能系统研发者的责任承担之外,仍应该考

虑那些并未实际参与产品生产加工,但却被法律视为

“生产者”的主体,比如人们常说的准生产者和进口

商[6]。这些主体,虽然并未实际参与产品的生产制造活

动,但仍将自己的商标或者姓名标于产品之上或者以

获取利益为目的进口商品,但是在一定程度上,其行

为也可以视为是对产品质量的一种肯定和信赖,只有

在信赖产品质量时才会使用自己的商标或者进口商品

售卖,并且以此获得巨大利益,便理应在出现问题时

承担起相应的责任。

从风险和利益相对应的角度来说,确定生产者外

延是有必要的,让准生产者承担产品责任是合理的。

2.2.3 将操作者列为责任主体

现行的《中华人民共和国产品质量法》(以下简

称《产品质量法》)并未将产品的操作者或所有者列

为产品责任主体,若产品的损害是由操作者或者所有

者自身的不当行为导致,则按一般侵权行为承担责任。

但是相对于传统产品而言,人工智能产品的操作者和

所有者的情况较为复杂,需要具体问题具体分析。首

先,假若产品本身并不存在一定的明显缺陷,并且的

确是因为操作者的不当行为或者操作失误而对他人造

成损害,此时,操作者理应承担起责任。但是人工智

能产品是一种高智能产品,其操作和控制具有一定的

难度,因此我们认为操作者在使用前,应当具有一定

的资质或者经过专业的培训,熟知其操作方法,并且

在操作时应当履行一定的注意义务,从而保证人工智

能产品使用的安全性,所以倘若操作者不具有使用人

工智能产品的专业资质或者使用时并未尽到高于传统

产品的一般注意义务,操作者理应承担相应的责任。

对于产品的所有者而言,当操作者与所有者并非

同一主体时,应当借鉴侵权责任法中关于出租出借车

辆的现有规定。首先,当人工智能产品已经出租、出

借给他人,此时风险视为已经转移,实际控制权已经

转移,理应责任承担主体也转移给承租人或者借用人。

但是在所有者明知产品存在缺陷却仍将人工智能产品

在未经提示说明的情况下借给他人使用,所有者应当

对其不作为导致的损害承担相应的责任。

综上,在确定人工智能产品侵权责任承担主体

时,应当将研发者纳入,并且适当外延生产者范围,并

且将操作者列为责任主体,具体问题具体分析,防止各

主体遇到问题相互推卸责任,妨碍受害人权利救济。

3 人工智能产品侵权的归责原则

如前文所述,人工智能产品侵权责任主体应当包

括研发者、相关生产者、销售者以及操作者或者所有

者,在较为复杂的情况下,更需要严格明确责任在各

主体之间公平划分。那么在现有的归责原则下,各主

体该如何承担责任呢?

3.1 无过错责任原则的适用

随着工业化的发展,越来越多的工业产品出现在

人们的生产生活之中,但同时产品事故也不断出现,

越来越多的受害者主张权利救济,而司法系统认为消

费者相对于生产者来说处于弱势地位,难以证明产品

与损害之间的因果关系或者生产人员的主观过错,

因此提出了无过错责任原则。无过错责任,根据其字

面意思,指行为人对自己行为所造成的损害后果,不

论是否具有故意或者过失的心理,都应当承担民事责

任,不以主观过错为构成要件,旨在补偿受害人。我

国现有的产品责任法中规定,产品的生产者和销售者

作为获得巨大利益的一方,通过生产和销售行为获得

了巨大利益,并且处于优势地位,对于产品的风控来

说也处于源头地位,人工智能产品的生产和销售在这

点上和传统产品并无不同,因此对其也可以适用生产

者和销售者承担无过错责任。

生产者是产品的制造者,产品缺陷很可能产生于

生产制造这一环节,因而生产者理应对产品侵权承担

无过错责任。我国贯彻“谁主张谁举证”的诉讼原则,

即便在损害发生时,受害者不需证明其有过错,但仍

需证明产品存在一定缺陷。然而由于人工智能产品的

较强专业性,受害方一般难以识别风险,难以证明产

品缺陷的存在。因此,可以在生产者承担无过错责任

的基础上适用“举证责任倒置”规则,从而既能规范

生产者的行为,也可以保护受害方[7]。

对于销售者而言,销售者售卖产品之前必然要

对产品的质量进行评估,产品只有在达到合理销售标

准时才可以向市场流通。因此可以认为,在产品存在

缺陷造成损害的时候,销售者也是有责任的,可以将

“过错”视为生产者和销售者之间责任划分的依据,

以此来保证双方的利益。倘若销售者在进货时并未对

产品进行检验验收或者并未履行特定的注意义务,销

售者理应对外承担起自己的责任,在承担责任后,如

果可以证明产品存在生产方面的缺陷,也可以向生产

者内部追偿。

第150页

144

中阿科技论坛 2023年第4期

此外,产品的研发者也应该承担无过错责任,作

为人工智能产品的设计者,智能系统的算法都是由其

设定的,所以在很大程度上研发者对产品具有一定的

控制力,产品的好坏在本质上是由研发者决定的,倘

若程序或者算法出现错误,系统崩溃,产品也就处于

废弃状态。并且研发者在产品生产到问世过程中,获

得的利益也是巨大的,所以说产品的研发者也应该承

担起无过错责任,从而对其起到督促作用。但是很多

人会认为如果研发者承担无过错责任便会阻碍科技进

步,这一点可以通过保险制度和赔偿基金解决,后文

会详细说明,此处不再赘述。

3.2 过错责任的适用

我国以往的法律对侵权行为的规定以过错责任为

原则,以过错推定原则和无过错责任原则为例外,凡

是法律没有进行明文规定的都主要以过错责任原则

为基础,侵权人在行为存在一定的过错的情况下才

对损害结果承担责任,在一定程度上保护了当事人

的利益。

如前文所述,产品的操作者和所有者作为产品的

直接控制者,是危险发生的直接制造者,因此其理应

承担一定的责任,但是鉴于人工智能产品的较强专业

性,承担无过错责任对其来说过于严格,因此只有在

操作者或所有者不当操作、没有履行一定的注意义务

或者不具备相关资格的情况下其才需要承担责任。当

所有者与操作者实际并非同一人,也只有当所有者具

有一定的过错时其才需要承担责任。假设让操作者和

所有者承担过于严格的责任,便可能让人工智能产品

失去其存在的意义,当事人要履行较强的注意义务避

免损害发生,这时人工智能产品还具有自动化吗?

3.3 免责事由的规定

传统产品关于免责事由的规定,同样可以适用于

人工智能产品。比如说存在不可抗力因素、因第三人

过错而导致遭受损害和受害人故意等。免责事由的规

定在一定程度上对产品除操作者外的其他方起到了一

定的保护作用。同时,为了切实全面地保护好人工智

能产品研发者和生产者的利益,可以通过立法确定其

在一定条件下主张免责。可参考《产品质量法》中的

规定,并且进行一定的修改,主张在产品存在以下情

况时,生产者和研发者可以免责:一是在造成侵权时,

未将人工智能产品投入测试或者流通领域;二是在产

品投入测试或流通领域时,引起损害的缺陷还尚未存

在;三是将产品投入流通或者测试时的科学技术水平

尚不能发现缺陷的存在。通过此项规定,可以合理缩

小生产者和研发者应当承担责任的范围,避免因为人

工智能产品独立性的发挥而导致的侵权事由责任的承

担。比如在人工智能产品自主性较强时,其突破了研

发者预先设定好的程序,此时研发者便可以援引以上

条款主张免责,受害人此时则可以通过保险或者赔偿

基金等途径主张权利救济。这在一定程度上更全面地

保护了研发者的利益,在受害者的损害赔偿、人工智

能侵权责任承担分配以及科学研究三者之间达成一个

平衡点,保障各方利益。

4 完善人工智能产品侵权责任承担相关措施

4.1 完善监管机构

任何一个产业的蓬勃发展都离不开相应的监管机

构,从产业长远利益的角度来看,如果缺乏长期的有

效监管,放任其发展,不加强约束和监管,便会使其

偏离有效发展的道路。随着人工智能产业的发展,各

国都在纷纷制定相关规章制度,试图更好地对人工智

能技术进行管制。除了推动各国加强对人工智能产品

的立法以外,还必须建立相关的监管机构,制定相关

的监督管理制度。国家可以建立专门的监管机构,加

大监管力度,从事前、事中、事后三个环节加强管制,

从而规范人工智能产业的健康有序发展[8]。比如设立专

门的行政部门,建立事前审批制度,研发者可以在设

计人工智能产品之初向相关部门进行备案,在备案的

同时对产品初步想法进行说明,生产者可以向相关部

门进行备案登记,出示其具备生产资格的相关证书以

及一系列相关承诺,以供监管机构进行后续的评估检

查。监管机构应当切实履行好审批责任,落实审批制

度,确保从源头治理人工智能产业。行业主管部门也

可以成立专业小组或者委托其他专业机构对人工智能

产品在流通前进行质量评估,确保人工智能产品的质

量以及安全性,并且监管机构可以要求研发者和生产

者提供一个产品规范化使用报告,更加详细地指导消

费者使用。倘若发生人工智能产品的侵权纠纷,主管

部门也可以通过事前审批的相关信息,以及事中提供

的具体使用方法,根据侵权事故确定各方责任,从而

进行有效惩处,并且也可以提供相关信息帮助司法机

关适用法律。

有效的监管不仅能从源头上对人工智能产品进行

管理,还能在纠纷发生阶段提供相关信息以促进问题

的解决。

4.2 建立强制保险机制和赔偿基金

如前文所述,建议完善《民法典》中对人工智能

产品侵权责任的规定,但这便会加重研发者以及生产

百万用户使用云展网进行电子翻书制作,只要您有文档,即可一键上传,自动生成链接和二维码(独立电子书),支持分享到微信和网站!
收藏
转发
下载
免费制作
其他案例
更多案例
免费制作
x
{{item.desc}}
下载
{{item.title}}
{{toast}}