本文選題：狀態(tài)估計 + 粒子濾波　； 參考：《太原理工大學學報》2017年01期

【摘要】：多徑干擾因具有位置上的不相關(guān)性、不確定性等特點,不能通過差分技術(shù)來消除,成為高精度定位的主要誤差源之一。因此,估計多徑參數(shù)對抑制多徑誤差、提高導航系統(tǒng)的定位精度具有重要意義。本文將多徑估計問題轉(zhuǎn)化為狀態(tài)空間模型下的參數(shù)估計問題,并利用粒子濾波(PF)進行多徑估計。同時,為了克服標準PF存在粒子枯竭、導致估計結(jié)果可能收斂到錯誤值的問題,提出了基于差分進化改進粒子濾波(DEPF)的多徑估計算法,該算法利用差分進化(DE)算法代替PF的重采樣來產(chǎn)生新粒子,使新粒子朝著狀態(tài)真實后驗概率密度分布的方向移動,避免了重采樣后粒子可能收斂到局部最優(yōu)值的問題。仿真結(jié)果表明,在非高斯噪聲下與基于PF和EKF的多徑估計算法相比,本文算法具有更好的多徑估計性能。
[Abstract]:Multipath interference is one of the main error sources in high precision positioning because of its irrelevance and uncertainty, which can not be eliminated by differential technique.Therefore, it is important to estimate multipath parameters to suppress multipath error and improve positioning accuracy of navigation system.In this paper, the multipath estimation problem is transformed into the parameter estimation problem under the state space model, and the particle filter (PFF) is used to estimate the multipath.At the same time, in order to overcome the problem that particle depletion exists in standard PF and the estimation result may converge to the wrong value, a multipath estimation algorithm based on improved particle filter (DEPF) based on differential evolution is proposed.In this algorithm, the new particle is generated by replacing the resampling of PF with the differential evolution (DED) algorithm, which makes the new particle move towards the direction of the real posteriori probability density distribution of the state, and avoids the problem that the particle may converge to the local optimal value after resampling.The simulation results show that the proposed algorithm has better multipath estimation performance than that based on PF and EKF under non- noise.
【作者單位】： 太原理工大學信息工程學院;
【基金】：國家自然科學基金項目資助:基于統(tǒng)計信息集的非高斯系統(tǒng)多目標優(yōu)化控制及性能評估策略研究(61503271,61603267) 山西省自然科學基金項目資助(20140210022-7)
【分類號】：TN713

【相似文獻】

相關(guān)期刊論文 前10條

1 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進化[J];控制與決策;2007年11期

2 楊啟文;蔡亮;薛云燦;;差分進化算法綜述[J];模式識別與人工智能;2008年04期

3 許小健;黃小平;錢德玲;;自適應加速差分進化算法[J];復雜系統(tǒng)與復雜性科學;2008年01期

4 寧桂英;周永權(quán);;基于優(yōu)進策略的新差分進化算法動力學模型參數(shù)的估計[J];計算機與應用化學;2008年05期

5 譚躍;譚冠政;涂立;;一種新的混沌差分進化算法[J];計算機工程;2009年11期

6 王培崇;錢旭;王月;虎曉紅;;差分進化計算研究綜述[J];計算機工程與應用;2009年28期

7 肖術(shù)駿;朱學峰;;一種改進的快速高效的差分進化算法[J];合肥工業(yè)大學學報(自然科學版);2009年11期

8 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進化算法[J];輕工機械;2010年05期

9 王艷宜;;改進差分進化算法及其應用[J];機械設(shè)計與研究;2010年05期

10 張照生;羅健旭;;基于差分進化算法的模糊神經(jīng)網(wǎng)絡控制器[J];計算機與應用化學;2011年12期

相關(guān)會議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進差分進化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個體排序的差分進化算法[A];'2010系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2010年

3 張倩;李海港;;多目標問題的差分進化算法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進化算法在多目標路徑規(guī)劃中的應用[A];中國運籌學會模糊信息與模糊工程分會第五屆學術(shù)年會論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進化算法在三峽電站廠內(nèi)經(jīng)濟運行中的應用[A];中國水文科技新發(fā)展——2012中國水文學術(shù)討論會論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進的多目標差分進化算法研究[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進差分進化算法的脈沖控制方法[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

8 袁沈堅;顧幸生;;基于差分進化的膜計算優(yōu)化算法[A];上海市化學化工學會2010年度學術(shù)年會論文集（自動化專題）[C];2010年

9 姜立強;郭錚;劉光斌;;差分進化算法縮放因子取值策略研究[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進差分進化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

相關(guān)博士學位論文 前10條

1 孫浩;差分進化多目標優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應用[D];燕山大學;2015年

2 陳盈果;面向任務的快速響應空間衛(wèi)星部署優(yōu)化設(shè)計方法研究[D];國防科學技術(shù)大學;2014年

3 謝宇;差分進化的若干問題及其應用研究[D];南京理工大學;2015年

4 丁青鋒;基于元胞自動機的差分進化算法及其在通信系統(tǒng)中的應用研究[D];上海大學;2015年

5 賈東立;改進的差分進化算法及其在通信信號處理中的應用研究[D];上海大學;2011年

6 劉榮輝;多階段自適應差分進化算法及應用研究[D];東華大學;2012年

7 郭鵬;差分進化算法改進研究[D];天津大學;2012年

8 王旭;改進差分進化算法及其在可逆邏輯綜合中的應用[D];東華大學;2013年

9 董明剛;基于差分進化的優(yōu)化算法及應用研究[D];浙江大學;2012年

10 王天意;大地電磁迭代有限元與改進差分進化正反演算法研究[D];中國地質(zhì)大學(北京);2015年

相關(guān)碩士學位論文 前10條

1 高靜;量子差分進化算法在油田開發(fā)中的應用研究[D];浙江大學;2015年

2 萬婧;基于離散微粒群算法和混合差分進化算法的復雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學;2015年

3 張轉(zhuǎn);基于差分進化算法的混凝土德拜模型的研究[D];長安大學;2015年

4 江華;差分進化算法的改進及其在K-means聚類算法中的應用[D];華中師范大學;2015年

5 周志剛;基于差分進化算法的信用風險度量模型研究[D];華中師范大學;2015年

6 任甜甜;差分進化算法在反演問題中的研究與應用[D];新疆大學;2015年

7 楊洋;基于差分進化的模糊C-均值聚類算法研究[D];電子科技大學;2015年

8 王丹;基于輔助函數(shù)的自適應差分進化算法研究[D];西安電子科技大學;2014年

9 劉家華;基于進化計算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學;2013年

10 王旦平;圓形對稱振子陣列天線基于差分進化算法的綜合[D];西安電子科技大學;2014年

本文編號：1751079