10.3969/j.issn.1672-9730.2022.11.014
基于强化学习提升双GNSS测向精度方法研究
GNSS测量精度是准确标校雷达的基础,为了提高GNSS定位精度构建了强化学习框架来,该框架无需对GNSS设备硬件参数或运动模型做出严格的假设,自动寻优最佳策略来实现原始GNSS观测的"校正".强化学习模型使用了一种有效的基于置信度的奖励机制,该机制独立于地理位置,从而使模型具有泛化性.通过与扩展卡尔曼滤波器算法进行比较来评估模型的性能.实验表明,与基准扩展卡尔曼滤波器模型相比,所提出的强化学习模型收敛速度快,预测方差较小,并且可以将测向定位误差减少50%.
雷达标校、无人机、双GNSS、测向、强化学习
42
TN958
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
60-64