基于等级约束差分进化的多径估计算法

sugarbabysu

摘要:本文针对基于扩展Kalman滤波(EKF)的多径估计算法需要对非线性观测方程进行线性化.对初值比较敏感,造成估计性能下降的问题,提出了基于智能优化的多径估计算法.该算法将估计误差的二阶矩作为目标函数，将瞬时误差作为约束条件,同时考虑多径参数的先验信息,实现了将多径估计问题转化为具有约束条件的优化问题.然后,利用一种智能优化算法来解决该优化问题.本文采用了等级约束差分进化CRDE算法来解决有约束条件的优化问题,并对该算法进行改进,使改进后的 CRDE算法可以实现多径参数的迭代估计.仿真结果表明,与EKF算法相比,在单一多径和2路多径情况下,基于改进CRDE的多径估计算法都具有更好的估计性能.

* H0 ^8 r# e* _$ A5 S. y
6 Z- Z$ l( Y, U关键词:多径估计;优化算法;差分进化（DE);Kalman滤波
" E. H- s9 s+ ~) l
多径干扰因具有位置上的不相关性、不确定性等特点,不能通过差分技术来消除,成为影响高精度定位的主要误差源之—。多径干扰存在时,接收机不能准确跟踪直接信号,造成了跟踪误差,即多径误差。
/ w0 e2 @1 ]# C. E) L' M

2 ^4 B" I+ A; c3 e- c8 u, W3 o3 O
; K) s! e2 S6 n3 ^- D9 ^

游客，如果您要查看本帖隐藏内容请回复

& \, p! `7 R2 C. X$ p/ Y1 f3 G
' l5 S+ h2 {) k8 n5 p3 |& H

fantasyqqq

多径干扰因具有位置上的不相关性、不确定性等特点,不能通过差分技术来消除