|
|
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
6 t) Q; c) S' L9 n; ~% ?* h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.7 r. o: O/ p8 j0 b* T2 A- n
8 V( h) D$ g, J. E! n6 r, q |9 X
( Q' v5 i0 R; c4 _0 P关键词:多径估计;优化算法;差分进化（DE);Kalman滤波
3 d" }9 j7 c w+ g' v4 @
: y& X+ j7 I6 V4 g& z" g/ |9 @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。7 Z7 ^+ A/ A+ C# l3 V- @% q
" v3 B: O: A, x* q: `1 w3 D
2 n6 m' y7 m) c
6 E3 s+ w! |' g
) O4 C/ i/ K/ p4 _+ A9 _5 q5 S( j2 u$ W: ?; n
( @# R( F3 }3 R, C* x2 V |
|
/1 
发表于 2021-4-12 09:50
收藏
淘帖
支持！
反对！