基于粒子群优化算法的多因子自适应滤波

聂建亮; 程传录; 郭春喜; 蒋光伟

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于粒子群优化算法的多因子自适应滤波

聂建亮, 程传录, 郭春喜, 蒋光伟

文章导航 > 武汉大学学报 ( 信息科学版) > 2013 > 38(2): 136-139

聂建亮, 程传录, 郭春喜, 蒋光伟. 基于粒子群优化算法的多因子自适应滤波[J]. 武汉大学学报 ( 信息科学版), 2013, 38(2): 136-139.

引用本文:

聂建亮, 程传录, 郭春喜, 蒋光伟. 基于粒子群优化算法的多因子自适应滤波[J]. 武汉大学学报 ( 信息科学版), 2013, 38(2): 136-139.

NIE Jianliang, CHENG Chuanlu, GUO Chunxi, JIANG Guangwei. Multi Adaptive Kalman Filtering with Particle Swarm Optimization[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 136-139.

Citation:

NIE Jianliang, CHENG Chuanlu, GUO Chunxi, JIANG Guangwei. Multi Adaptive Kalman Filtering with Particle Swarm Optimization[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 136-139.

基于粒子群优化算法的多因子自适应滤波

国家测绘地理信息局大地测量数据处理中心, 西安市友谊东路334号, 710054

基金项目: 国家自然科学基金资助项目(41004013)

详细信息

作者简介:
聂建亮,博士,研究方向为测量数据处理。E-mail:niejianliang@163.com

中图分类号: P228.4

Multi Adaptive Kalman Filtering with Particle Swarm Optimization

Centre of Geodetic Data Processing National Administration of Surveying, Mapping and Geoinformation, 334 East Youyi Road, Xi'an 710054, China

摘要: 在抗差多因子自适应滤波的基础上,提出基于粒子群优化智能算法进一步搜索自适应因子的优化值,提高自适应因子的可靠性。在基于状态不符值构造的自适应因子的基础上,构造适应性函数,采用粒子群优化算法搜索更有效的自适应多因子。利用动态导航数据进行验证,结果表明,基于粒子群优化的多因子自适应滤波能更有效地控制异常影响,提高动态导航精度。
- 粒子群优化算法 /
- 多因子 /
- 自适应滤波 /
- 抗差估计
Abstract: The key problem of adaptive navigation is to determine the adaptive factors,in order to control the outlying effects of dynamic model errors.The optimal adaptive factors,however,are difficult to be obtained.On the base of multi adaptive robust Kalman filtering,a new kind of multi adaptive robust filtering,which uses particle swarm optimization to determine the factors,is proposed.The adaptive factors optimized by particle swarm optimization have higher reliability than those from current methods.First,multi adaptive factors are computed according to difference of the predicted state and calculated one;then particle swarm optimization is employed to look for more accurate factors if the reasonable fitting function is chosen.An actual dynamic GPS data set is employed to test the new adaptive filtering procedure.It is shown that multi adaptive robust filtering with particle swarm optimization can control the influence of outliers more efficiently,and improve the accuracy of navigation.
- particle swarm optimization /
- multi factors /
- adaptive filtering /
- robust estimation

[1]	郭建锋. 尺度因子的MAD估计及其在测量平差中的应用 . 武汉大学学报 ( 信息科学版), 2021, 46(11): 1636-1640. doi: 10.13203/j.whugis20190166
[2]	聂建亮, 刘晓云, 田婕, 李秀明, 赵大江, 黄功文, 张海平. 利用自适应水准网动态平差建立山东垂直运动速度模型 . 武汉大学学报 ( 信息科学版), 2020, 45(4): 620-625. doi: 10.13203/j.whugis20180296
[3]	刘韬, 徐爱功, 隋心, 王长强. 新息向量的抗差Kalman滤波方法及其在UWB室内导航中的应用 . 武汉大学学报 ( 信息科学版), 2019, 44(2): 233-239. doi: 10.13203/j.whugis20170067
[4]	戴卿, 隋立芬, 田源, 田翌君, 曾添. 变分优化的高斯混合滤波及其在导航中的应用 . 武汉大学学报 ( 信息科学版), 2019, 44(5): 699-705. doi: 10.13203/j.whugis20170235
[5]	高晓, 戴吾蛟, 张超, 余文坤. 多星座组合精密动态定位的抗差扩展Kalman滤波方法研究 . 武汉大学学报 ( 信息科学版), 2015, 40(10): 1329-1333. doi: 10.13203/j.whugis20130668
[6]	张小红, 潘宇明, 左翔, 汪杰. 一种改进的抗差Kalman滤波方法在精密单点定位中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(7): 858-864. doi: 10.13203/j.whugis20130577
[7]	郭际明, 黄长军, 喻小东, 聂智平. 利用BEMD-自适应滤波去除SAR干涉图噪声 . 武汉大学学报 ( 信息科学版), 2014, 39(4): 422-427. doi: 10.13203/j.whugis20120013
[8]	韩贤权, 朱庆, 丁雨淋, 周东波. 散乱点云数据精配准的粒子群优化算法 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1214-1220.
[9]	高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法 . 武汉大学学报 ( 信息科学版), 2014, 39(11): 1323-1328.
[10]	王坚, 刘超, 高井祥, 许长辉. 基于抗差EKF的GNSS/INS紧组合算法研究 . 武汉大学学报 ( 信息科学版), 2011, 36(5): 596-600.
[11]	吴富梅, 杨元喜, 崔先强. 利用部分状态不符值构造的自适应因子在GPS/INS紧组合导航中的应用 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 156-159.
[12]	闫浩文, 应申, 李霖. 多因子影响的地图居民地自动聚群与综合研究 . 武汉大学学报 ( 信息科学版), 2008, 33(1): 51-54.
[13]	吴江飞, 黄珹. 非线性自适应抗差滤波定轨算法 . 武汉大学学报 ( 信息科学版), 2008, 33(2): 187-190.
[14]	隋立芬, 刘雁雨, 王威. 自适应序贯平差及其应用 . 武汉大学学报 ( 信息科学版), 2007, 32(1): 51-54.
[15]	张双成, 杨元喜, 张勤, 高为广. 一种基于Bancroft算法的GPS动态抗差自适应滤波 . 武汉大学学报 ( 信息科学版), 2007, 32(4): 309-311.
[16]	高为广, 杨元喜, 崔先强, 张双成. IMU/GPS组合导航系统自适应Kalman滤波算法 . 武汉大学学报 ( 信息科学版), 2006, 31(5): 466-469.
[17]	杨元喜, 高为广. 基于多传感器观测信息抗差估计的自适应融合导航 . 武汉大学学报 ( 信息科学版), 2004, 29(10): 885-888.
[18]	胡威, 殷蔚明. 一种地形遥测图像自适应滤波器 . 武汉大学学报 ( 信息科学版), 2003, 28(5): 534-537.
[19]	杨元喜, 徐天河. 基于移动开窗法协方差估计和方差分量估计的自适应滤波 . 武汉大学学报 ( 信息科学版), 2003, 28(6): 714-718.
[20]	奚锐锋, 刘经南, 陶本藻, 陆立发. 水下机动目标轨迹跟踪的自适应估计方法 . 武汉大学学报 ( 信息科学版), 1996, 21(1): 25-30.

点击查看大图

计量

文章访问数: 478
HTML全文浏览量: 39
PDF下载量: 56
被引次数: 0

基于粒子群优化算法的多因子自适应滤波

国家测绘地理信息局大地测量数据处理中心, 西安市友谊东路334号, 710054

基金项目: 国家自然科学基金资助项目(41004013)

作者简介:
聂建亮,博士,研究方向为测量数据处理。E-mail:niejianliang@163.com

收稿日期: 2012-12-05
刊出日期: 2013-02-05

中图分类号: P228.4

关键词:

粒子群优化算法 /

多因子 /

自适应滤波 /

抗差估计

摘要: 在抗差多因子自适应滤波的基础上,提出基于粒子群优化智能算法进一步搜索自适应因子的优化值,提高自适应因子的可靠性。在基于状态不符值构造的自适应因子的基础上,构造适应性函数,采用粒子群优化算法搜索更有效的自适应多因子。利用动态导航数据进行验证,结果表明,基于粒子群优化的多因子自适应滤波能更有效地控制异常影响,提高动态导航精度。