共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 一种基于观测数据集密度中心的新型RAIM算法显示文摘针对当前接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)中多个粗差难以快速有效识别的问题,在相关分析粗差检验理论的基础上,提出了一种基于观测数据集密度中心的多粗差探测RAIM算法。首先,利用QR检校法构建观测数据集;其次,使用改进的Mean Shift模型估计观测数据集密度中心;最后,对观测特征点与密度中心相关距离进行检验,实现多个粗差探测识别。利用实测数据仿真粗差,对粗差卫星和正常卫星与检校向量的相关距离差异进行分析,在存在单个、两个、3个粗差的情况下,粗差卫星和正常卫星与密度中心的相关距离平均差异分别为1.122 m和1.516 m、1.021 m和1.266 m、1.177 m和1.588 m;粗差卫星和正常卫星与残差向量的相关距离差异分别为0.639 m和1.142 m、0.497 m和0.510 m、0.108 m和0.198 m。结果表明,与基于残差向量的相关分析RAIM算法相比,在两个或多个粗差存在的情况下,基于密度中心相关分析的RAIM算法具有更优的粗差探测识别性能,可有效提高多系统定位可靠性。 | 刘一 谷守周 边少锋 秘金钟 崔聪聪 | 2021 | 武汉大学学报(信息科学版)2021，46，12： | 3 |
| 2 | 基于Mean Shift模型的多粗差探测RAIM算法显示文摘针对当前接收机自主完备性监测(receiver autonomous integrity monitoring,RAIM)算法中存在多粗差探测识别能力较弱、计算效率不足等问题,提出一种基于Mean Shift(MS)模型的多粗差探测RAIM算法。首先利用QR奇偶检校法构建样本数据集和QR检验向量;其次基于MS模型估计样本密度中心,并以此作为MS检校向量,使用观测向量与MS检校向量的距离来评价观测值可靠程度,从而确定异常观测卫星;最后联合观测向量、MS和QR检校向量构建基于距离关系的权系数函数,对多个异常观测进行处理。实验结果表明,基于MS检校向量的粗差判别方法在多粗差存在的情况下,具有更灵敏的粗差识别能力;相比最小二乘残差法,新型RAIM算法改善了多粗差探测识别能力和计算效率,可有效提高多系统融合单点定位的可靠性。 | 刘一 周威 金际航 边少锋 谷守周 | 2022 | 系统工程与电子技术2022，44，2： | 2 |
您所在的机构暂未开通此部分的功能，请联系管理员