典型文献
KPCA/改进RBF神经网络辅助的GPS/UWB协同定位方法
文献摘要：
针对车辆协同定位系统中,由于超宽带(UWB)信号中断导致协同定位解算精度下降的问题,提出基于核主成分分析(KPCA)/改进径向基(RBF)神经网络辅助的全球定位系统(GPS)/UWB紧组合协同定位方法.通过KPCA提取输入数据的非线性主成分进行降维处理,并利用改进K均值算法及遗传算法(GA)优化RBF神经元中心及连接权值等重要参数;当UWB信号中断时,利用训练好的神经网络对GPS/UWB紧组合系统进行补偿,解算出可靠的状态估计信息.实验结果表明,所提算法与无辅助时及基于粒子群(PSO)/RBF辅助时相比,平均定位误差分别减小56.1％和28％,有效提升车辆协同定位精度及稳定性.
文献关键词：
神经网络;紧组合;协同定位;核主成分分析;遗传算法
中图分类号：
作者姓名：
孙伟;曹红阳
作者机构：
辽宁工程技术大学 测绘与地理科学学院,辽宁 阜新 123000
文献出处：
引用格式：
[1]孙伟;曹红阳-.KPCA/改进RBF神经网络辅助的GPS/UWB协同定位方法)[J].导航定位学报,2022(06):112-121
A类：
B类：
KPCA,RBF,GPS,UWB,协同定位,定位方法,超宽带,定位解算,核主成分分析,径向基,全球定位系统,紧组合,输入数据,降维处理,GA,连接权值,重要参数,练好,组合系统,状态估计,PSO,平均定位误差,定位精度
AB值：
0.285011
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
