針對(duì)由環(huán)境復(fù)雜性而造成的北斗多路徑誤差不能有效削弱的問題,提出了一種基于新的誤差模型下的自適應(yīng)無(wú)跡卡爾曼濾波(UKF)方法。該方法首先利用量測(cè)狀態(tài)擴(kuò)增法來(lái)解決量測(cè)噪聲為有色噪聲的問題,再用改進(jìn)的Sage-Husa自適應(yīng)UKF來(lái)動(dòng)態(tài)估計(jì)系統(tǒng)噪聲和量測(cè)噪聲,從而解決噪聲統(tǒng)計(jì)特性未定造成的誤差削弱效果不明顯的情況。實(shí)驗(yàn)結(jié)果表明在有色觀測(cè)噪聲下的改進(jìn)Sage-Husa自適應(yīng)UKF算法相比于傳統(tǒng)UKF,能夠?qū)⒍嗦窂秸`差削弱近60%,該方法在針對(duì)北斗定位中由于多路徑誤差產(chǎn)生的噪聲不可知的情況具有很強(qiáng)的適用性。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1 AUKF算法流程

其算法流程圖如下圖1所示。3實(shí)驗(yàn)結(jié)果與分析

圖2 UKF濾波結(jié)果

考慮到噪聲的不確定性,引入改進(jìn)后的自適應(yīng)UKF算法,其濾波結(jié)果如圖4所示�？梢钥闯�,在添加Husa-Sage算法后,由于系統(tǒng)要進(jìn)行后驗(yàn)估計(jì),導(dǎo)致了在濾波開始階段向負(fù)無(wú)窮處發(fā)散,而后隨著采樣的增加,后驗(yàn)估計(jì)逐漸正確,濾波開始收斂。由圖4可得,經(jīng)緯度誤差在30歷元左右開始收斂,收斂之....

圖3 UKF1濾波結(jié)果

圖2UKF濾波結(jié)果圖4AUKF濾波結(jié)果

圖4 AUKF濾波結(jié)果

圖3UKF1濾波結(jié)果由圖3、4可知,有色觀測(cè)噪聲建模和自適應(yīng)濾波都可以削弱多路徑誤差,但是都只考慮了噪聲的某一方面影響,而將有色噪聲與自適應(yīng)結(jié)合起來(lái),考慮到了噪聲的不確定性,故可以提升算法性能。在有色觀測(cè)噪聲模型下進(jìn)行AUKF濾波如圖5所示。由圖5可知,經(jīng)緯度誤差大概在20歷元....

本文編號(hào)：4035840