本文選題：平淡卡爾曼濾波算法 + 平方根平淡卡爾曼濾波算法��； 參考：《上海交通大學學報》2017年05期

【摘要】：為提高北斗定位系統(tǒng)(BDS)的估計精度,克服傳統(tǒng)平淡卡爾曼濾波(UKF)算法中可能因狀態(tài)量協(xié)方差矩陣失去正定性而導(dǎo)致濾波器發(fā)散的問題,將平方根平淡卡爾曼濾波(SRUKF)算法應(yīng)用于BDS定位估計.在此基礎(chǔ)上,為進一步提高SRUKF算法的性能,引入粒子群優(yōu)化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估計(PSO-SRUKF)算法.結(jié)果表明,PSO-SRUKF算法可以降低系統(tǒng)噪聲和測量噪聲特性估計不準確帶來的誤差,有效提高了BDS定位精度和穩(wěn)定性.
[Abstract]:In order to improve the estimation accuracy of Beidou Positioning system (BDS), the filter divergence may be caused by the loss of positive definiteness in the state covariance matrix in the traditional plain Kalman filter UKF algorithm.The square root plain Kalman filter (SRUKF) algorithm is applied to BDS location estimation.On this basis, in order to further improve the performance of SRUKF algorithm, the particle swarm optimization (PSO) algorithm is introduced, and the PSO-SRUKF algorithm based on PSO and SRUKF algorithm is proposed.The results show that the PSO-SRUKF algorithm can reduce the errors caused by the inaccurate estimation of system noise and measurement noise characteristics, and effectively improve the positioning accuracy and stability of BDS.
【作者單位】： 上海交通大學電子信息與電氣工程學院;
【分類號】：TN713;TN967.1

【相似文獻】

相關(guān)期刊論文 前2條

1 ;《電子科技大學學報》總目次[J];電子科技大學學報;2011年06期

2 ;[J];;年期

相關(guān)碩士學位論文 前3條

1 俞志剛;紅外弱小目標檢測算法研究[D];上海交通大學;2008年

2 龔愛慧;FPGA軟件裝箱算法研究[D];復(fù)旦大學;2011年

3 楊帆;AES算法研究及FPGA實現(xiàn)[D];北京工業(yè)大學;2014年

，

本文編號：1735750