典型文献
基于无监督学习和粒子滤波的非视距信号检测
文献摘要：
全球卫星导航系统(GNSS)是目前应用最广泛的定位技术,研究城市峡谷中的定位问题时,由于高楼大厦的阻塞,仍存在非视距传播导致的性能退化问题.为此,提出了无监督学习粒子滤波(UL-PF)算法.在卫星信号分类阶段,使用核k-means聚类的无监督学习分类方法,在定位阶段,使用通过聚类算法优化的粒子滤波方法.所提算法考虑了采样粒子在状态空间分布中的内在相似性,探索在每个聚类中选择一个粒子作为重要粒子,利用时间序列相关技术提高重采样粒子集的多样性.实验表明:在城市场景中,所提算法的平均定位精度从传统算法的15 m提高到约5 m,收敛时间从500 s缩短到200 s左右.
文献关键词：
全球卫星导航系统;非视距分类;核k-means;粒子滤波;无监督学习
中图分类号：
作者姓名：
侯宁宁;李灯熬;赵菊敏
作者机构：
太原理工大学 信息与计算机学院, 太原 030024;山西省空间信息网络工程技术研究中心, 太原 030024;太原理工大学 大数据学院, 太原 030024
文献出处：
引用格式：
[1]侯宁宁;李灯熬;赵菊敏-.基于无监督学习和粒子滤波的非视距信号检测)[J].北京航空航天大学学报,2022(11):2250-2258
A类：
非视距分类
B类：
无监督学习,粒子滤波,非视距信号,信号检测,全球卫星导航系统,GNSS,定位技术,峡谷,定位问题,高楼大厦,非视距传播,性能退化,UL,PF,卫星信号,信号分类,means,分类方法,位阶,聚类算法,算法优化,滤波方法,法考,状态空间,序列相关,技术提高,重采样,子集,城市场景,定位精度,传统算法,收敛时间
AB值：
0.353583
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。
