10.13700/j.bh.1001-5965.2021.0077
基于无监督学习和粒子滤波的非视距信号检测
全球卫星导航系统(GNSS)是目前应用最广泛的定位技术,研究城市峡谷中的定位问题时,由于高楼大厦的阻塞,仍存在非视距传播导致的性能退化问题.为此,提出了无监督学习粒子滤波(UL-PF)算法.在卫星信号分类阶段,使用核k-means聚类的无监督学习分类方法,在定位阶段,使用通过聚类算法优化的粒子滤波方法.所提算法考虑了采样粒子在状态空间分布中的内在相似性,探索在每个聚类中选择一个粒子作为重要粒子,利用时间序列相关技术提高重采样粒子集的多样性.实验表明:在城市场景中,所提算法的平均定位精度从传统算法的15 m提高到约5 m,收敛时间从500 s缩短到200 s左右.
全球卫星导航系统、非视距分类、核k-means、粒子滤波、无监督学习
48
TN967.1
国家自然科学基金;国家重点研发计划
2022-12-05(万方平台首次上网日期,不代表论文的发表时间)
共9页
2250-2258