基于遗传算法和神经网络的改进粒子滤波的GPS定位数据处理算法

针对GPS接收机观测噪声分布的特点和粒子滤波存在的粒子退化问题,提出基于遗传算法和神经网络的重要性权值调整粒子滤波算法。将遗传算法全局寻优的收敛性与BP神经网络局部寻优的快速性结合,改善粒子的分布。将改进粒子滤波应用于GPS定位精度改善,与神经网络辅助的粒子滤波进行比较,对比两者的有效粒子数目和训练误差。实测GPS数据处理验证表明,该算法增加了有效粒子数目,有效抑制了粒子退化,在改善GPS定位精度上取得了良好的效果。     

基于量子遗传粒子滤波的WSN目标跟踪算法

粒子滤波器是解决非线性非高斯运动跟踪的一种有效方法,很适合于无线传感器网络的目标跟踪.但是粒子滤波算法存在严重的退化现象.常规的重采样方法虽可解决退化问题,但容易导致粒子耗尽.本文针对此问题,将量子遗传算法引入粒子滤波,提出了基于量子遗传粒子滤波的无线传感器网络目标跟踪算法.通过量子遗传算法的编码方式增加粒子集的多样性...     

基于粒子滤波的室内机器人定位加速收敛算法

针对现有粒子滤波算法的缺陷,设计了一种改进的粒子滤波算法。该算法通过改善重采样环节,采用随机移动粒子并向目标区域聚集的方案来解决现有算法的粒子退化问题和粒子多样性丢失问题。在正常行走时,它能够通过粒子加速聚集来实现较快的定位收敛。在面临“机器人劫持”问题时,通过粒子群反向扩散的方式来实现机器人的重定位,表现出了很好的鲁棒性和收敛速度。该算法经过仿真和实验测试,结果与预期相符。     

基于粒子滤波的RFID室内节点定位跟踪研究

为了解决复杂室内环境下的RFID动态节点定位跟踪问题,文中建立了动态节点的运动模型和信号测量模型。仿真采用基于信号RSSI定位方法,结合运用等边三角形定位算法。由于室内射频信号具有较高的噪声污染,因此首先对采集的信号运用粒子滤波技术进行滤波处理,然后运用高斯粒子滤波算法对室内移动的RFID进行了定位跟踪预测。仿真结果表明该算法可以有效地对室内动态节点进行定位跟踪,精度较高,稳定性好,结果进一步说明高斯粒子滤波能有效地抑制室内射频噪声。     

一种基于自适应进化粒子滤波的移动机器人定位方法

提出了一种用于移动机器人定位的自适应进化粒子滤波算法.该算法利用遗传算法中的选择、交叉和变异操作改善样本的多样性,并且引入自适应调整控制参数.另外采用自适应重采样方法,只在需要时才进行重采样,减少重采样的次数.理论分析和仿真实验证明该算法能有效地提高定位精度.     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF（Extended Kalman Filter）滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF（Unscented Kalman Filter）以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer—Rao下界。     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer-Rao下界。     

粒子滤波算法研究

本文介绍了几种粒子滤波算法,然后详细的介绍了各算法存在的主要问题,以及各种改进算法的优势。最后给出了粒子滤波在研究领域中的一些应用。最后通过介绍几种算法对全文做出了总结。     

基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。     

基于改进粒子滤波的GPS接收机自主完好性监测算法

针对基本粒子滤波重采样过程中粒子权值退化和多样性丧失的问题,将遗传算法引入基于神经网络的权值调整粒子滤波算法中,结合了遗传算法全局寻优的收敛性与神经网络局部寻优的快速性优点。将提出的算法与对数似然比方法结合用于GPS接收机自主完好性监测,通过建立一致性检验统计量实现对故障卫星的检测与隔离。通过采集实测数据进行验证,结果表明:该算法可以成功检测和隔离故障卫星,其性能优于基于基本粒子滤波的接收机自主完好性监测,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性。     

基于GPS信号的双基SAR数值距离徙动成像算法

非对称星-机双基SAR成像算法研究是双基SAR研究的难点问题之一。该文针对以GPS卫星为照射源的连续波星-机双基SAR,提出一种基于数值计算的快速双基距离徙动成像算法(RMA)。此方法利用瞬时多普勒频率法得到系统回波信号精确的2维频域解析式,并用数值方法得到RMA算法所用的匹配函数和插值函数。此算法既有RMA算法速度快,精度高的特点,又有后向投影(BP)算法适用范围广的特点。     

遗传算法在滤波器设计中的应用

遗传算法是一种模拟自然界生物进化的搜索算法,简单易行、鲁棒性强.介绍了遗传算法在频率抽样法滤波器设计中的应用;用遗传算法确定过渡带样本值,解决了传统方法(查表法)不能保证数据是最优的问题;并给出了FIR数字高通、带通滤波器设计的两个例子,实验结果表明通过遗传算法设计的FIR滤波器性能较查表法得到了改善.     

GPS辅助的被动成像导航系统的研究

本文介绍的是一种ＧＰＳ辅助的被动成像导航系统。该系统将ＧＰＳ接收机和被动成像传感器组合在一起,能提供完整的位置、速度、角速度和高度信息。在ＧＰＳ信息的辅助下,不仅解决了被动成像传感器所引起的高度／速度模糊问题,而且还大大简化了求解角速度的方程。本文给出了角速度估计和ＧＰＳ测量噪声对估计精度影响的理论分析和计算机仿真结果。仿真表明,即使在严重的ＧＰＳ测量噪声的影响下,运动参数仍可精确地计算出来。     

基于扩展卡尔曼滤波器的矢量跟踪算法研究

该文针对矢量跟踪算法缺乏定量分析的问题,对线性化模型与跟踪误差进行了研究.为了提高矢量跟踪环的动态跟踪性能,修正了已有线性化观测矩阵忽略接收机伪距率对位置的偏导项的问题;提出了新的环路反馈量,简化了运算过程.推导出了矢量跟踪环的热噪声跟踪误差,与标量跟踪环相比跟踪门限明显降低,并且在相同条件下,观测卫星数越多,矢量跟踪环的跟踪门限越小;推导了矢量跟踪环的动态应力跟踪门限,证明矢量跟踪环可以处理高动态微弱信号.通过 Monte Carlo 仿真验证了理论分析结果的正确性.     

强电离层影响下GPS精密单点定位的周跳实时探测与修复

 该文提出了一种应用于GPS精密单点定位的周跳实时探测与修复的方法。该方法基于双频P码,可在受到强电离层影响的情况下应用于静态定位与动态导航。为了保证周跳探测与修复的实时性与准确性,采用信号处理与数据处理相结合的方式并通过合理性检验降低误判概率。通过实际数据的处理验证了该方法在强电离层影响情况下的有效性。     

一种GPS与高精度气压高度表在线互标定方法

该文针对全球定位系统(GPS)和高精度气压高度表测高误差的不同特性,建立基于三阶全微分的气压高度表原理误差补偿模型,并提出一种基于当前统计模型自适应卡尔曼滤波(KF)的GPS与高精度气压高度表在线互标定方法,实现GPS与气压高度表的优势互补。通过加速度的均值和方差的自适应跟踪,完成驱动噪声方差阵和状态参数的自适应修正。同时,引入自适应遗忘因子,充分利用现时的测量数据,改善滤波器的动态性能。真实航路数据的半物理仿真验证了该文方法的有效性。     

一种低SNR环境下的跟踪环路

低信噪比（SNR）环境下GPS信号的跟踪一直是近年来研究的热点,主要介绍了在GPS信号较弱的条件下,通过增加积分时间来提高载波环跟踪精度的方法。详细介绍了GPS载波环工作原理,并推导了载波环滤波器增加积分时间的理论依据。最后,采用GPS模拟信号源产生的数据进行环路性能仿真,实验结果表明该环路设计可在-30dB的SNR环境下正常工作。     

基于ADE7758的智能路灯节能控制系统的设计

介绍了利用ADE7758和AT89C55WD单片机设计智能路灯节能控制系统的硬件电路和软件功能描述,交流稳压采用补偿变压器稳压方式,如果在不同的地区,该系统还利用GPS定位模块根据不同地区、不同季节自动启停路灯,能有效的节约能源,减少照明灯具的损耗.     

GPS与惯性导航系统融合的精确连续定位算法

为了克服独立的惯性导航系统无限制的位置误差和 Ｇ Ｐ Ｓ的１ Ｈｚ 慢速数据修正速率的缺陷,本文提出了对两种具有不同输出数据速率运动传感器 Ｇ Ｐ Ｓ与 Ｉ Ｎ Ｓ融合算法,研究了五点二次和两点线性预测的高精度连续融合定位算法,真实 Ｇ Ｐ Ｓ数据和模拟 Ｉ Ｎ Ｓ数据融合的实验证明了该方法的正确性,为在中、高动态环境下的高精度实时连续定位提供了一种新的途径。     

高动态环境下无数据辅助的扩展Kalman滤波载波跟踪环

针对高动态及低信噪比情况下的GPS载波跟踪问题,该文提出一种无数据辅助情况下基于扩展Kalman滤波的载波跟踪环。该环路通过直接判决去掉调制信息,并利用去掉调制信息后的积分-清零滤波器输出直接作为扩展Kalman滤波的观测向量,以避免引入鉴相器而使环路在低信噪比情况下工作时受到限制。仿真结果表明,相比较于三阶锁相环,及利用鉴相器辅助的线性Kalman滤波载波跟踪环路,该文提出的环路具有更低的失锁概率及更小的相位跟踪误差。