基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法 |
| |
引用本文: | 陈小玲,茅旭初.基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法[J].上海交通大学学报,2017,51(5):592. |
| |
作者姓名: | 陈小玲 茅旭初 |
| |
作者单位: | 上海交通大学 电子信息与电气工程学院, 上海 200240 |
| |
摘 要: | 为提高北斗定位系统(BDS)的估计精度,克服传统平淡卡尔曼滤波(UKF)算法中可能因状态量协方差矩阵失去正定性而导致滤波器发散的问题,将平方根平淡卡尔曼滤波(SRUKF)算法应用于BDS定位估计.在此基础上,为进一步提高SRUKF算法的性能,引入粒子群优化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估计(PSO-SRUKF)算法.结果表明,PSO-SRUKF算法可以降低系统噪声和测量噪声特性估计不准确带来的误差,有效提高了BDS定位精度和稳定性.
|
关 键 词: | 平淡卡尔曼滤波算法 平方根平淡卡尔曼滤波算法 粒子群优化算法 北斗定位系统 定位模型 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《上海交通大学学报》浏览原始摘要信息 |
| 点击此处可从《上海交通大学学报》下载免费的PDF全文 |
|