位置:成果数据库 > 期刊 > 期刊详情页
基于高斯和近似的扩展切片高斯混合滤波器及其在多径估计中的应用
  • ISSN号:0254-4156
  • 期刊名称:《自动化学报》
  • 时间:0
  • 分类:TP[自动化与计算机技术]
  • 作者机构:[1]北京理工大学自动化学院复杂系统智能控制与决策教育部重点实验室,北京100081, [2]太原理工大学信息工程学院,太原030024
  • 相关基金:国家自然科学基金(61120106010),国家杰出青年科学基金资助(60925011)资助
中文摘要:

全球卫星导航系统(Globalnavigationsatellitesystem,GNSS)信号的多径估计问题实际上是条件线性状态空间模型下的状态估计问题.根据高斯和理论提出了适用于非高斯噪声环境的扩展切片高斯混合滤波fExtensionofslicedGaussianmixturefilter,ESGMF)算法.该算法将非高斯噪声的状态概率密度函数(Probabilitydensityfunction,PDF)表示为高斯和的形式,将ESGMF通过一组并行的切片高斯混合滤波器(SlicedGaussianmixturefilter,SGMF)来实现.同时,在ESGMF算法中利用粒子滤波(Particlefilter,PF)中重采样的思想对成指数增加的状态预测PDF的高斯混合个体进行约简,以提高贝叶斯推理的效率.该算法可以获得非高斯噪声下状态PDF的迭代解析表达式.最后,将ESGMF应用于GPS多径参数估计,仿真结果表明,ESGMF算法的估计精度优于基于PF和扩展卡尔曼滤波(ExtendedKalmanfilter,EKF)的算法.

英文摘要:

The multipath estimation of global navigation satellite system (GNSS) signal is actually the state estimation of nonlinear/non-Gaussian systems. The extension of sliced Gaussian mixture filter (ESGMF) based on Gaussian sum approximation is proposed for the state estimation of nonlinear/non-Gaussian state space, and the probability density function (PDF) expression of states is derived recursively for a time varying system. Resampling is applied to the prediction PDF to reduce the complexity of Bayesian inference. The simulation result of multipath estimation with ESGMF shows that the ESGMF algorithm performs better in accuracy than the algorithms based on particle filter (PF) and extended Kalman filter (EKF).

同期刊论文项目
期刊论文 62 会议论文 18 专利 27 著作 2
同项目期刊论文
期刊信息
  • 《自动化学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国自动化学会 中国科学院自动化研究所
  • 主编:王飞跃
  • 地址:北京东黄城根北街16号
  • 邮编:100717
  • 邮箱:aas@ia.ac.cn
  • 电话:010-64019820
  • 国际标准刊号:ISSN:0254-4156
  • 国内统一刊号:ISSN:11-2109/TP
  • 邮发代号:2-180
  • 获奖情况:
  • 1997年获全国优秀期刊奖,1985、1990、1996、2000年获中国科学院优秀期刊二等奖,2002年获国家期刊奖
  • 国内外数据库收录:
  • 美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:27550