基于最小二乘和EKF的伪卫星定位算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (34): 148-151.

• 数据库、信号与信息处理 • 上一篇下一篇

基于最小二乘和EKF的伪卫星定位算法

付广仁1，曹正文1，2，米林山3，孙德禄1，张应贤1

1.西北大学信息科学与技术学院，西安 710127
2.西北工业大学电子信息学院，西安 710072
3.中国人民解放军 96325部队

出版日期:2012-12-01 发布日期:2012-11-30

Pseudolite positioning algorithm based on least squares and EKF

FU Guangren1, CAO Zhengwen1，2, MI Linshan3, SUN Delu1, ZHANG Yingxian1

1.College of Information Science and Technology, Northwest University, Xi’an 710127, China
2.College of Electronic and Information, Northwestern Polytechnical University, Xi’an 710072, China
3.Unit 96325 of PLA, China

Online:2012-12-01 Published:2012-11-30

摘要/Abstract

摘要： 空基伪卫星由于自身机动性以及受到诸如气流、压力、温度等外界因素的影响使得其位置存在着偏移。因此，精确确定空基伪卫星的位置是其增强现有导航系统或独立组网进行导航定位的前提。针对扩展Kalman滤波对初值的要求和最小二乘法估计性好的特点，提出了一种混合算法，该算法用逆定位原理建立伪距观测方程组并采用最小二乘法解算出初值，运用扩展Kalman滤波进行定位。仿真表明，混合算法优于最小二乘法，定位精度得到了提高。

关键词: 伪卫星, 最小二乘法, 扩展卡尔曼滤波, 逆定位

Abstract: The location of space-based pseudolite exists offset because of its own mobility and influence of external factors, such as flow, pressure, temperature, etc. Therefore, to accurately determine the location of space-based pseudolite is a premise for enhancement of the existing navigation system or formation of an independent navigation and positioning network. Aiming to Extended-Kalman filter requiring the initial value and the least squares method good at estimation, this paper puts forward a blending algorithm. In this blending algorithm, the algorithm uses the reverse positioning theory to establish pseudorange observation equations, then the least squares method is used to calculate the initial value, and the space-based pseudolite is positioned by using Extended-Kalman filter. The simulation results show that the blending algorithm is better than the least squares method, and the positioning accuracy has been improved.

Key words: pseudolite, least squares method, extended-Kalman filter, reverse positioning

付广仁1，曹正文1，2，米林山3，孙德禄1，张应贤1. 基于最小二乘和EKF的伪卫星定位算法[J]. 计算机工程与应用, 2012, 48(34): 148-151.

FU Guangren1, CAO Zhengwen1，2, MI Linshan3, SUN Delu1, ZHANG Yingxian1. Pseudolite positioning algorithm based on least squares and EKF[J]. Computer Engineering and Applications, 2012, 48(34): 148-151.

[1]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[2]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[3]	陈晓倩，刘瑞祥. 基于最小二乘策略迭代的无人机航迹规划方法[J]. 计算机工程与应用, 2020, 56(1): 191-195.
[4]	庞丽莉1，许其清1，谢家烨1，2. 椭球约束下减小三维定位中的非视距误差[J]. 计算机工程与应用, 2019, 55(7): 115-119.
[5]	洪濡，胡广地，李雨生，姚克狄. 分布式汽车驱动力能量效率优化分配控制[J]. 计算机工程与应用, 2019, 55(2): 246-252.
[6]	杨海蓉1，金辉2. 改进的迭代重加权最小二乘非凸压缩感知算法[J]. 计算机工程与应用, 2018, 54(24): 46-51.
[7]	肖红德. 最少钱币数量的计算与钱币面额的确定[J]. 计算机工程与应用, 2018, 54(16): 266-270.
[8]	崔雪红，刘云，王传旭，李辉. 高显著性的时空金字塔精简描述符算法研究[J]. 计算机工程与应用, 2018, 54(1): 210-216.
[9]	张爱华，杨莉苹，林冬梅. 基于灰度矩的脉搏图像亚像素特征点提取研究[J]. 计算机工程与应用, 2017, 53(8): 224-229.
[10]	李胜1，张培林1，李兵2，吴定海1，周云川3. 改进的量子遗传偏最小二乘特征选择方法应用[J]. 计算机工程与应用, 2017, 53(3): 242-246.
[11]	霍倩倩1，田翔2，姜琳3，蔡翠莹3. 基于无线通信TOA值对终端定位问题的研究[J]. 计算机工程与应用, 2017, 53(13): 252-258.
[12]	于仲安，简俊鹏，刘莹. 基于SOC的锂离子电池组均衡控制[J]. 计算机工程与应用, 2016, 52(8): 261-265.
[13]	顾乐民. 对GM灰色模型及理论的分析[J]. 计算机工程与应用, 2016, 52(6): 1-7.
[14]	杨鹏生1，吴晓军1，2，张玉梅1，2. 改进扩展卡尔曼滤波算法的目标跟踪算法[J]. 计算机工程与应用, 2016, 52(5): 71-74.
[15]	刘逸博，修春娣，朱云龙. 利用信道状态信息的室内定位方法[J]. 计算机工程与应用, 2016, 52(22): 238-241.

基于最小二乘和EKF的伪卫星定位算法

Pseudolite positioning algorithm based on least squares and EKF

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics