|
|
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
5 u n5 ]8 ?' O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.; c2 b6 j% V: d% D, ]
2 K6 |( \- s3 }1 s' h
. \& s$ i* O1 m( A
关键词:多径估计;优化算法;差分进化（DE);Kalman滤波
' C& E. A3 c+ ?; K" F& ?. y! O
+ D# a1 e, m3 \# y) M" U' C: Z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。2 F9 g6 |3 s O$ Y8 I- s) ?
5 i, d2 _! H; G$ V8 J: b- ?
. F( ^+ A6 @4 _% I
7 k0 _" r6 V. p6 `" x! E) v0 H- h6 U8 e9 ? v
! F4 L( K2 m( N/ z- l) u8 [7 X
; o! v9 i5 h4 O1 W |
|
/1 
发表于 2021-4-12 09:50
收藏
淘帖
支持！
反对！