文献类型：期刊文章

作　　者：胡骏[1] 乐英高[1,2,3] 蔡绍堂[1] 曹莉[1] 吴浩[1]

HU Jun;YUE Ying-gao;CAI Shao-tang;CAO Li;WU Hao(School of Automation and Electronic Information, Sichuan University of Science and Engineering, Zigong Sichuan 643000,China;Artificial Intelligence Key Laboratory of Sichuan Province, Sichuan University of Science and Engineering, Zigong Sichuan 643000,China;Material Corrosion and Protection Key Laboratory of Sichuan Province,Sichuan University ofScience and Engineering, Zigong Sichuan 643000,China)

机构地区：[1]四川理工学院自动化与信息工程学院,四川自贡643000 [2]四川理工学院人工智能四川省重点实验室,四川自贡643000 [3]四川理工学院材料腐蚀与防护四川省重点实验室,四川自贡643000

出　　处：《组合机床与自动化加工技术》

基　　金：国家自然科学基金(11705122);2017年四川省第一批科技计划重点研发项目(2017GZ0068);人工智能四川省重点实验室开放基金(2017RYJ01;2015RYY01;2017RYY02);材料腐蚀与防护四川省重点实验室开放基金资助(2017CL09);四川理工学院人才引进项目(2017RCL10;2017RCL53);四川理工学院研究生创新基金(y2017036);四川省教育厅项目(18ZB0418;18Z0419);四川省科技厅项目(2017JY0338)

年　　份：2019

期　　号：4

起止页码：14-19

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、INSPEC、RCCSE、ZGKJHX、核心刊

摘　　要：针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。

关 键 词：TDOA/AOA 改进变异粒子群算法  变异操作  惯性权重 定位算法  

分 类 号：TH162] TG506]