本文選題：信號源定位 + 無線電監(jiān)測車　； 參考：《儀表技術(shù)與傳感器》2017年04期

【摘要】：針對無線電監(jiān)測車車載儀表采集的測向數(shù)據(jù)野點(diǎn)較多,導(dǎo)致信號源定位誤差較大的問題,提出一種基于改進(jìn)量子行為粒子群優(yōu)化(QPSO)粒子濾波的信號源定位方法。首先結(jié)合車載測向儀和GPS定位儀采集的測向數(shù)據(jù),將信號源位置作為狀態(tài)量,將到達(dá)角作為觀測量,建立信號源定位的數(shù)學(xué)模型。然后采用收縮-擴(kuò)張系數(shù)自適應(yīng)的QPSO對粒子濾波算法進(jìn)行優(yōu)化,改善粒子分布,提高估計性能。最后將改進(jìn)QPSO優(yōu)化的粒子濾波算法應(yīng)用于信號源定位,實(shí)驗(yàn)結(jié)果表明,當(dāng)觀測數(shù)據(jù)中存在野點(diǎn)時,該方法能夠有效控制觀測異常誤差的影響,提高定位精度,是一種有效、可行的定位方法。
[Abstract]:In order to solve the problem that there are many outliers in direction finding data collected by vehicle instruments of radio monitoring vehicle, a new method of signal source location based on improved quantum behavior particle swarm optimization (QPSO) particle filter is proposed. Firstly, the position of the signal source is taken as the state quantity and the angle of arrival as the observation quantity, and the mathematical model of the location of the signal source is established by combining the direction finding data collected by the vehicle direction-finder and the GPS positioner. Then the particle filter algorithm is optimized by self-adaptive QPSO with shrinkage expansion coefficient to improve the particle distribution and improve the estimation performance. Finally, the improved QPSO optimized particle filter algorithm is applied to the signal source location. The experimental results show that the method can effectively control the influence of the observation anomaly error and improve the positioning accuracy when there are outliers in the observed data. Feasible positioning method.
【作者單位】： 河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院;河北省控制工程研究中心;
【基金】：工信部合作資金資助項(xiàng)目(12-MC-KY-14)
【分類號】：TN98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙燕萍;楊貴;;含噪混合通信數(shù)據(jù)中信號源定位挖掘算法仿真[J];計算機(jī)仿真;2013年05期

2 蔣佳佳;段發(fā)階;陳勁;常宗杰;;一種高精度的近場與遠(yuǎn)場混合源定位算法[J];天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版);2013年12期

3 梁國龍;韓博;;基于互素對稱陣的近場源定位[J];電子與信息學(xué)報;2014年01期

4 劉捷,傅文斌,程柏林;運(yùn)用方向圖擬合法的多同頻發(fā)射源定位仿真[J];空軍雷達(dá)學(xué)院學(xué)報;2000年04期

5 馮廣麗;秦勤;;大噪聲干擾下的通信信號源定位挖掘算法仿真[J];計算機(jī)仿真;2013年09期

6 張瑞娟,廖桂生;非均勻噪聲環(huán)境下寬帶近場源定位的兩種改進(jìn)方法[J];雷達(dá)科學(xué)與技術(shù);2004年05期

7 梁軍利;王詩俊;高麗;楊樹元;張軍英;;一種無須參數(shù)配對的近場源定位新算法[J];電子學(xué)報;2007年06期

8 汪海;吳云韜;;基于秩虧損的近場源定位快速算法[J];武漢工程大學(xué)學(xué)報;2011年11期

9 劉亮;陶建武;黃家才;;基于稀疏對稱陣列的近場源定位[J];電子學(xué)報;2009年06期

10 梁軍利;冀邦杰;趙峰;張軍英;;一種基于平行因子分析的近場源定位新方法[J];電子學(xué)報;2007年10期

相關(guān)博士學(xué)位論文 前3條

1 喬梁;信源定位的可觀測性及跟蹤技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 劉國紅;遠(yuǎn)近場混合源定位參量估計算法研究[D];吉林大學(xué);2015年

3 吳玉秀;基于嗅覺移動傳感器網(wǎng)絡(luò)的氣體源定位[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前8條

1 劉壯;短時脈沖聲源定位技術(shù)研究[D];吉林大學(xué);2016年

2 石繪紅;基于稀疏重建的高分辨力匹配場源定位[D];浙江大學(xué);2013年

3 宋紅兵;一種基于城市環(huán)境的新型的源定位方法[D];浙江大學(xué);2010年

4 陳磊;復(fù)雜海洋噪聲環(huán)境下近場源定位算法的仿真分析[D];吉林大學(xué);2015年

5 黃志強(qiáng);基于高階累積量的近場源定位方法研究[D];吉林大學(xué);2006年

6 王超;基于改進(jìn)的Sternberg工作記憶實(shí)驗(yàn)的腦電信號分析[D];鄭州大學(xué);2010年

7 劉揚(yáng);線性陣信源定位方法研究[D];南京大學(xué);2011年

8 王詩年;氣體泄漏源檢測定位系統(tǒng)設(shè)計[D];重慶大學(xué);2015年

，

本文編號：2057178