改进的GNSS/INS列车组合定位PF算法

发布时间：2021-03-07 16:03

　　针对列车组合定位融合估计的非线性问题,结合GNSS/INS（Global Navigation Satellite System/Inertial Navigation System）列车组合定位当前发展的方向,给出了一般无迹粒子滤波（UPF）的基本过程。针对传统PF（Particle Filter）缺乏量测信息且计算量大而难以应用于GNSS/INS组合导航中的问题,提出一种新的IUPF（Iterative Unscented Particle Filter）算法。它通过将IKF（Iterative Kalman Filter）的思想融入UKF（Unscented Kalman Filter）,得到比较健壮的迭代无迹Kalman滤波（IUKF）,由IUKF（Iterative Unscented Kalman Filter）产生的分布与真实的后验分布有更大的支撑重叠区域,提高了精度。并且运用全局采样到PF中,结合当前最新观测值对粒子集整体采用一次IUKF来产生建议性分布,减少了计算量。仿真模拟结果表明,IUPF与一般的UPF、PF相比,精度更高,算法计算量更小。 

【文章来源】：微处理机. 2015,36(06)

【文章页数】：4 页

【文章目录】：
1引言
2传统UPF的基本原理
3基于全局采样的IUPF算法
4 IUPF算法仿真实现
5结束语


【参考文献】：
期刊论文
[1]一种基于UPF的改进粒子滤波算法[J]. 席志红,付存利.  计算机仿真. 2014(02)
[2]一种自适应免疫优化的无迹粒子滤波器[J]. 王旭阳,王智勇.  计算机工程与应用. 2013(04)
[3]自适应卡尔曼滤波在组合导航中的应用研究[J]. 董健康,安东.  计算机技术与发展. 2011(10)
[4]改进的迭代粒子滤波法在GPS数据处理中的应用[J]. 詹武平,肖同林,吴艳琴.  遥测遥控. 2011(02)
[5]基于粒子优化的多模型粒子滤波算法[J]. 刘先省,胡振涛,金勇,杨一平.  电子学报. 2010(02)
[6]迭代无迹Kalman粒子滤波的建议分布[J]. 郭文艳,韩崇昭,雷明.  清华大学学报(自然科学版). 2007(S2)



本文编号：3069407