|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
: U+ G2 h! q& d( w! j摘要:本文针对基于扩展Kalman滤波(EKF)的多径估计算法需要对非线性观测方程进行线性化.对初值比较敏感,造成估计性能下降的问题,提出了基于智能优化的多径估计算法.该算法将估计误差的二阶矩作为目标函数，将瞬时误差作为约束条件,同时考虑多径参数的先验信息,实现了将多径估计问题转化为具有约束条件的优化问题.然后,利用一种智能优化算法来解决该优化问题.本文采用了等级约束差分进化CRDE算法来解决有约束条件的优化问题,并对该算法进行改进,使改进后的 CRDE算法可以实现多径参数的迭代估计.仿真结果表明,与EKF算法相比,在单一多径和2路多径情况下,基于改进CRDE的多径估计算法都具有更好的估计性能./ E) c8 H. v3 d2 v4 e
3 |: P/ h+ [$ n* G2 o
; H2 S3 I* S3 L0 `0 W关键词:多径估计;优化算法;差分进化（DE);Kalman滤波' [4 N, K$ a0 }
' _: H, Q/ U a) ]
多径干扰因具有位置上的不相关性、不确定性等特点,不能通过差分技术来消除,成为影响高精度定位的主要误差源之—。多径干扰存在时,接收机不能准确跟踪直接信号,造成了跟踪误差,即多径误差。
' e0 p: L- ~" j
+ X7 j8 [. p5 s- A1 b5 r7 ]; M% v9 S5 m& D2 j, `
4 I2 \- s) g! a6 B: V, ?! N4 D: [/ \6 a9 Y i2 J# _/ l0 v2 e
' G* F( i" y3 ~. C8 [6 f& C/ ~
$ e) [ @- ^/ Y |
|
/1 
发表于 2021-4-12 09:50
收藏
淘帖
支持！
反对！