文献类型：期刊文章

作　　者：梁龙凯[1,2] 张丽英[1] 何文超[1,2] 吕绪浩[1,2]

Liang Longkai;Zhang Liying;He Wenchao;Lv Xuhao(,Automotive Electronics and Services Engineering Department,College of Humanities ＆ Sciences of Northeast Normal University,Changchun 130117,China;Jilin Provincial University Automotive Electronic Technology Engineering Research Center,Changchun 130117,China)

机构地区：[1]东北师范大学人文学院理工学院汽车电子与服务工程系,吉林长春130117 [2]吉林省高校汽车电子技术工程研究中心,吉林长春130117

出　　处：《电子技术应用》

基　　金：吉林省教育厅"十二五"科学技术研究规划项目(吉教科合字[2015]第570号)

年　　份：2018

卷　　号：44

期　　号：6

起止页码：60-62

语　　种：中文

收录情况：DOAJ、JST、RCCSE、ZGKJHX、普通刊

摘　　要：交互式多模型扩展卡尔曼滤波(IMM-EKF)算法是解决机动载体运动模型不确定的定位问题的次优算法,在载体做模型确定的运动时该方法仍得到次优解且浪费运算资源。针对IMM-EKF算法的此类缺陷,采用离线训练的概率神经网络模型,实时判断当前运动模型分类,在运动模型确定的状态下选择对应的单一模型进行运算,而在运动模型不确定的状态下选择IMM-EKF算法,既保证定位精度,又减少了不必要的运算量。仿真对比实验验证了相比于IMM-EKF算法,新算法在精度方面的优势。

关 键 词：导航定位 扩展卡尔曼滤波 概率神经网络 北斗卫星导航系统 全球定位系统

分 类 号：TP29]