恶劣条件下GNSS定位的鲁棒统计

全球导航卫星系统(GNSS)作为定位信息的主要来源,在智慧工厂、智慧能源、智慧交通的未来应用中发挥着重要作用。此外,GNSS为电网或股市等关键应用提供定时同步功能。然而,GNSS的性能很容易因自然现象和信号反射而降低。由于存在严重的多径效应,在观测到的伪距测量中会产生较大误差,因此城市场景中的导航结果尤其具有挑战性。大多数定位技术都是基于最大似然(ML)估计的,因为它在高斯分布观测噪声的假设下提供了最优解。尽管这一假设通常适用于GNSS开放天空条件,但在信号退化的情况下定位对ML估计器(如最小二乘(LS)构成了挑战。

鲁棒估计器最初是在20世纪70年代初提出用于一般数据分析的,其研究经历了实质性的增长,其应用已扩展到多个领域:信号处理、生物医学、电力系统等。在全球导航卫星系统的范围内,基于所谓的鲁棒干扰抑制[20-26],鲁棒方法已成功应用于增强具有抗干扰能力的接收器。在基于卫星的导航中,将稳健估计量应用于计算位置、速度和时间(PVT)解也吸引了许多作者,包括无记忆SPP和递归估计。在PVT的背景下,鲁棒技术的性能已经在模拟和真实数据上得到了证明,本文试图用以下术语来描述这些估计量。

一.鲁棒统计原则

鲁棒统计原则是指用于统计分析的方法和技术,以确保即使在数据中存在异常值或偏离假定统计模型的情况下,所得出的结论也是可靠的。这些原则在处理现实世界数据时尤为重要,因为异常值和误差是常见的。

以下是鲁棒统计的一些关键原则:

1. 抗干扰性 :  鲁棒统计方法被设计为能够抵御数据中异常值或极端值的影响。它们更加关注数据的中心趋势,而不是过分依赖每个数据点。

2. 基于中位数的估计 : 与传统的统计方法通常使用均值进行估计不同,鲁棒统计通常使用中位数。中位数受极端值影响较小,并在存在异常值时提供更可靠的中心趋势测量。

3. 非参数方法 :  鲁棒统计包括不依赖于数据底层分布的特定假设的非参数方法。这些方法灵活,并且可以应用于各种数据集,而无需严格的分布假设。

4. 自举和重抽样 :  鲁棒统计技术通常使用自举和重抽样方法来评估估计值和推断统计量的变异性。这些技术涉及从观察到的数据中生成多个样本,并对它们进行分析以获得参数和置信区间的鲁棒估计。

5. 修剪均值和温索化: 修剪均值涉及在计算均值之前移除一定百分比的极端值。温索化将极端值替换为较小的极值,以减少它们对分析的影响。

6. 鲁棒回归 :  鲁棒回归技术,如M-估计和Huber回归,用于拟合对数据中异常值不太敏感的回归模型。这些方法在参数估计过程中减小了异常值的影响,从而获得更可靠的回归系数。

鲁棒统计原则旨在在数据异常情况下提供更准确和可靠的结果,使其在金融、工程和环境科学等各个领域都至关重要。

二.GNSS鲁棒统计原则

GNSS定位涉及利用来自卫星(如GPS、GLONASS、Galileo和BeiDou)的信号来估计地球表面上接收器的位置。在GNSS定位中使用健壮统计方法是为了处理接收到的信号中的异常值、偏差和错误。以下是在GNSS定位中常用的一些鲁棒统计技术:

1. 中值滤波:通常情况下,基于中值的估计器比基于均值的估计器更能抵抗异常值。中值滤波用于通过用指定窗口内的中值替换每个数据点来平滑位置估计。

2. 迭代加权最小二乘法(IRLS):该方法通过迭代地将模型拟合到数据上,对异常值赋予较低的权重,对内点赋予较高的权重。这种方法通常用于估计接收器位置和钟差等参数。

3. M-估计:M-估计是一种鲁棒估计方法,它最小化残差的函数,称为目标函数或损失函数。常见的损失函数选择包括Huber损失和Tukey的双权函数,这些函数比最小二乘估计中使用的平方损失更加激进地减小异常值的影响。

4. 鲁棒卡尔曼滤波:卡尔曼滤波在GNSS定位中被广泛应用于状态估计和导航。鲁棒卡尔曼滤波的版本,如基于Huber或M-估计的卡尔曼滤波,结合了健壮统计技术,以提高在存在异常值和测量误差的情况下的性能。

5. RANSAC(随机抽样一致性):RANSAC是一种用于从可能包含异常值的观测数据集中估计数学模型参数的鲁棒拟合算法。在GNSS定位中,RANSAC可用于从一组嘈杂的卫星测量中健壮地估计接收器位置和速度等参数。

6. 修剪估计:修剪估计器在计算最终估计之前丢弃指定比例的异常值。在GNSS定位中,修剪估计方法可用于减轻异常值对位置解的影响。

7. 鲁棒加权最小二乘法(RWLS):RWLS是一种将最小二乘估计的好处与健壮M-估计技术相结合的健壮回归技术。在GNSS定位中,RWLS可用于估计接收器位置和钟差等参数,同时减少异常值的影响。

通过采用这些鲁棒统计技术,GNSS定位系统可以在存在显著噪声、偏差和异常值的挑战性环境中实现更高的准确性和可靠性。

三、真实严酷条件下的实验

针对在恶劣条件下的GNSS定位的精度和可靠性提高,进行具体的国产模拟场景实验是非常可行的。以下是一个可能的实验设计:

### 实验场景设定:

1. **恶劣条件模拟**:使用实验室条件或者特定的测试场地,模拟弱信号、多路径效应和信号干扰等恶劣条件。这可以通过减小信号功率、引入反射体或干扰源等方式实现。

2. **测试区域**:选择一个具有一定复杂性的测试区域,包括城市、郊区和山区等不同地形,以模拟实际使用场景。

3. **国产GNSS接收机**:选择国产的GNSS接收机作为实验设备,确保它们能够适应本土环境并提供较高的性能。

4. **多路径环境模拟**:使用合适的工具或软件模拟多路径环境,例如通过引入反射体来模拟建筑物反射等。

### 实验步骤:

1. **基准测试**:在正常条件下进行基准测试,记录GNSS接收机的定位精度和稳定性。

2. **恶劣条件测试**:通过调整实验环境,模拟恶劣条件,如增加信号干扰或减小信号强度等。记录在这些条件下的定位性能。

3. **鲁棒性方法应用**:在恶劣条件下,逐步应用各种鲁棒性方法,如自适应滤波器、多路径抑制技术等,并记录定位性能的改善情况。

4. **容错技术验证**:在信号质量极差的情况下,验证采用容错技术(如增加冗余信息)对定位鲁棒性的提升效果。

5. **多传感器融合测试**:结合其他传感器(如惯性导航系统、视觉传感器)的信息,验证对定位精度和鲁棒性的提升效果。

### 实验评估:

1. **定位精度**:通过与基准测试结果的对比,评估各种条件下的定位精度改善程度。

2. **鲁棒性**:评估各种鲁棒性方法对恶劣条件下定位性能的提升效果,包括对信号干扰和多路径效应的抑制能力。

3. **可靠性**:评估各种方法对定位结果的稳定性和可靠性,包括在恶劣条件下是否能够保持一定的定位精度。

4. **实用性**:考虑各种方法的实际可行性、成本和实现难度,选择最适合实际应用的鲁棒性方法。

### 实验记录和分析:

1. **数据采集**:记录各种条件下的实验数据,包括接收信号强度、多路径影响情况、定位精度等。

2. **数据分析**:对实验数据进行统计分析和比较,评估各种鲁棒性方法的效果和优劣。

3. **结论和建议**:根据实验结果,提出改进建议和实际应用推荐,以提高GNSS定位在恶劣条件下的性能和可靠性。

通过以上实验设计,可以全面评估国产GNSS定位在恶劣条件下的性能,并验证各种鲁棒性方法的有效性和实用性,为进一步提高定位系统的性能提供重要参考。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/796212.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

JavaScript实现扁平数组与树结构的相互转换

扁平数组转为树结构 题目描述: 给定以下数据格式的扁平数组: const flatArray [{ id: 1, parentId: null, name: root1 },{ id: 2, parentId: 1, name: child1 },{ id: 3, parentId: 1, name: child2 },{ id: 4, parentId: 2, name: grandchild1 },{…

《LeetCode力扣练习》代码随想录——二叉树(合并二叉树---Java)

《LeetCode力扣练习》代码随想录——二叉树(合并二叉树—Java) 刷题思路来源于 代码随想录 617. 合并二叉树 二叉树-前序遍历 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode…

【THM】Exploit Vulnerabilities(利用漏洞)-

介绍 在这个房间里,我们将讨论一些识别漏洞的方法,并结合我们的研究技能来了解这些漏洞是如何被滥用的。 此外,您还会发现一些公开可用的资源,这些资源是您在执行漏洞研究和利用时的技能和工具的重要补充。然后,您将在房间的最后将所有这些应用到实际挑战中。 自动化与…

HTML5.Canvas简介

1. Canvas.getContext getContext(“2d”)是Canvas元素的方法,用于获取一个用于绘制2D图形的绘图上下文对象。在给定的代码中,首先通过getElementById方法获取id为"myCanvas"的Canvas元素,然后使用getContext(“2d”)方法获取该Ca…

STM3定时器输入捕获、超声波测距

1、超声波测距模块介绍 1、HC-SR04共四个引脚:VCC、GND、Trig、Echo,如下图 2、使用 1、通过gpio口向Trig引脚发送一个脉冲信号。 2、HC-SR04接收到脉冲信号后,就会向外发送一段超声波,模块会将echo拉高。 …

pandas 数据排序.sort_index()和.sort_values()使用教程

import pandas as pd df pd.DataFrame(……) 说明:以下“df”为DataFrame对象。 1. df. sort_values() 作用:既可以根据列数据,也可根据行数据排序。 注意:必须指定by参数,即必须指定哪几行或哪几列;无法…

rpm、yum和编译安装软件

一、rpm 1.rpm包管理工具 建立统一的数据库文件(一张对应表将信息写入) 详细记录软件包安装、卸载等变化信息,自动分析软件包依赖关系 2.rpm一般命令格式 bash-4.1.2-15.el6_4.x86_64.rpm bash(shell软件名称) …

STM32CubeIDE基础学习-定时器PWM实验

STM32CubeIDE基础学习-定时器PWM实验 文章目录 STM32CubeIDE基础学习-定时器PWM实验前言第1章 硬件介绍第2章 工程配置2.1 基础工程配置部分2.2 生成工程代码部分 第3章 代码编写3.1 查看PWM波3.2 设置单个比较值3.3 呼吸灯 第4章 实验现象总结 前言 在平时单片机开发时&#…

JQuery(一)---【JQuery简介、安装、初步使用、各种事件】

零.前言 在学习JQuery前,您需要具备以下知识: HTML相关知识(DOM)CSS相关知识JavaScript相关知识 一.JQuery 1.1JQuery简介 JQuery是一个JavaScript的“函数库”,不是JavaScript的一个框架,与“VUE、REACT”有本质区别&#x…

字符串匹配问题(strs)(栈)

字符串匹配问题(strs) 【题目描述】 字符串中只含有括号 (),[],<>,{},判断输入的字符串中括号是否匹配。如果括号有互相包含的形式&#xff0c;从内到外必须是<>,(),[],{}&#xff0c;例如。输入: [()] 输出:YES&#xff0c;而输入([])&#xff0c;([)]都应该输出…

IPSEC VPN双机热备份的配置讲解一

IPSEC VPN双机热备份的配置讲解一 VPN 是一种专用网络&#xff0c;可使用公共网络连接两个或两个以上的远程站点。VPN 可使用通过公共网络路由&#xff08;以隧道方式发送&#xff09;的虚拟连接&#xff0c;而非网络之间的专用连接。IPsec VPN 是一项协议&#xff0c;由建立 …

HTML如何设置字体样式?

HTML如何设置字体样式&#xff1f; 我们开发一个页面时&#xff0c;会经常涉及到文字部分。HTML 默认的字体样式为宋体&#xff0c;12px。如果我们不想设置字体为宋体的话&#xff0c;需要为它更改样式。HTML 字体样式的更改需要用到 CSS。 CSS 常用的字体属性有五种&#xf…

DHCP-PXE

Dynamic Host Configuration Protocol 动态主机配置协议 1.Selinux 调试为Permission 防火墙配置 搭建DHCP的主机必须有一个静态地址&#xff0c;提前配置好 安装DHCP软件 服务名为dhcpd DHCP地址分配四次会话&#xff0c; DISCOVERY发现 OFFER 提供 REQUEST 回应 A…

【C++】每日一题 380 O(1)时间插入,删除和获取随机元素

实现RandomizedSet 类&#xff1a; RandomizedSet() 初始化 RandomizedSet 对象 bool insert(int val) 当元素 val 不存在时&#xff0c;向集合中插入该项&#xff0c;并返回 true &#xff1b;否则&#xff0c;返回 false 。 bool remove(int val) 当元素 val 存在时&#xf…

代码随想录算法训练营第42天| 背包问题、416. 分割等和子集

01 背包 题目描述&#xff1a;有n件物品和一个最多能背重量为w 的背包。第i件物品的重量是weight[i]&#xff0c;得到的价值是value[i] 。每件物品只能用一次&#xff0c;求解将哪些物品装入背包里物品价值总和最大。 二维dp数组01背包&#xff1a; 确定dp数组以及下标的含义 …

实景三维技术也是一种新质生产力

实景三维技术作为一种新兴的技术手段&#xff0c;正在逐渐被认为是一种新质生产力。它通过高精度的数据采集、处理和可视化&#xff0c;为多个行业领域提供了全新的工作方式和解决方案&#xff0c;从而推动了生产力的发展和创新。以下是实景三维技术作为新质生产力在不同方面的…

2024年华为OD机试真题-最长的指定瑕疵度的元音子串-Java-OD统一考试(C卷)

题目描述: 开头和结尾都是元音字母(aeiouAEIOU)的字符串为 元音字符串 ,其中混杂的非元音字母数量为其 瑕疵度 。比如: “a” 、 “aa”是元音字符串,其瑕疵度都为0 “aiur”不是元音字符串(结尾不是元音字符) “abira”是元音字符串,其瑕疵…

Mac 配置 Aria2

文章目录 1. Aria2 安装1.1 安装 brew1.2 安装 Aria2 2. 配置 Aria22.1 创建配置文件 aria2.conf 和空对话文件 aria2.session2.2 编辑配置文件 aria2.conf 3. 开机启动设置3.1 创建用户启动文件3.2 管理自启动项 4. 配置 BT tracker 自动更新4.1 XIU2/TrackersListCollection …

通义灵码-ai编码

https://developer.aliyun.com/topic/lingma/activities/202403?taskCode14508&recordIdb1ef3ba27250a5818b1b6ffe418af658#/?utm_contentm_fission_1 「通义灵码 体验 AI 编码&#xff0c;开 AI 盲盒」

Python笔记|列表推导式

用列表推导式创建列表的方式更简洁。常见的用法为&#xff0c;对序列或可迭代对象中的每个元素应用某种操作&#xff0c;用生成的结果创建新的列表&#xff1b;或用满足特定条件的元素创建子序列。 例如&#xff0c;创建平方值的列表&#xff1a; >>> squares [] &…