基于非高斯分布的自适应实时多径消除及抗差定位方法.pdf
Ja****44
亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于非高斯分布的自适应实时多径消除及抗差定位方法.pdf
本发明公开了一种基于非高斯分布的自适应实时多径消除及抗差定位方法,不对发生故障或偏差的卫星个数做出假定,而是修改了传统定位模型中误差的高斯分布假定,将其变为高斯混合分布,即一种非高斯分布,通过基于实时观测数据的极大似然方法求解参数,自适应的计算每一个卫星故障偏差范围大小的概率分布情况,可用于多个故障下的识别及抗差定位,也可用于多径环境下的抗差定位及多径消除,本发明解决了现有的RAIM和抗差定位方法的缺点,目前现有的故障检测及识别方法运算量较大,依赖于故障个数的先验假设,并且误判率较高,而本发明所提供的方法
基于BP算法的自适应多径消除方法研究的任务书.docx
基于BP算法的自适应多径消除方法研究的任务书任务书一、研究背景多径效应(PM)是移动通信系统中的一种常见信道传输问题。它由于信号的反射、衍射、散射等原因,导致相同信息信号传输的多路径同时到达接收机,从而增强或减少了原信号的强度和质量,严重影响了无线通信的可靠性和传输速率。因此,多径消除(MPE)技术对于移动通信系统的性能和服务质量至关重要。目前,基于BP算法的自适应多径消除方法正成为一种重要的解决方案。二、研究目的和意义本课题旨在研究基于BP算法的自适应多径消除方法,探究其在移动通信系统中的应用,从而提高
基于实时多策略与逆向学习的自适应差分进化算法的开题报告.docx
基于实时多策略与逆向学习的自适应差分进化算法的开题报告1.研究背景随着智能化技术的发展和应用需求的增加,越来越多的应用场景需要灵活、高效、智能地优化决策。作为一个全局优化方法,差分进化(differentialevolution,DE)算法在优化问题中广泛应用,但其计算效率和优化性能始终是研究的热点和难点。实时多策略与逆向学习是两个用于增强学习的方法,前者采用多个策略同时进行,后者利用奖励的反向信号让模型学会不同的决策。这两个方法都适用于在决策过程中实现智能化自适应。因此,本文旨在结合实时多策略与逆向学习
基于多模态的移动目标实时跟踪定位系统和方法.pdf
本发明提出了基于多模态的移动目标实时跟踪定位方法及系统,包括:获得移动目标多种模态信息,包括在运动场景中采集的移动目标图像信息,以及利用移动目标携带的采集设备采集的移动目标不同方向的加速度;基于移动目标图像信息获得带有检测框的移动目标的图像;基于移动目标多种模态信息得到所述移动目标的状态量;基于带有检测框的移动目标的图像及移动目标的状态量对移动目标位置跟踪及运动位置预测。本发明结合软件硬件多模态共同作用方式,进行球员跟踪与定位,能够减小误差,实现更精确更稳定效果。
多径环境下基于信号传播路径推算的无线定位方法.pdf
本发明公开一种多径环境下基于信号传播路径推算的无线定位方法,该方法包括如下步骤:S1、基站广播无线信号;S2、移动台接收到无线信号后向基站发出定位请求;S3、基站借助地理信息系统GIS对移动台进行基于信号传播路径推算的无线定位,并将定位结果发送至移动台。本发明所述技术方案解决了消除了多径传播对定位性能的影响,仿真结果表明,在控制角度测量值误差的情况下,本发明所述技术方案取得了较好的定位效果。将本发明所述技术方案应用在室内环境和微蜂窝小区环境下,有较强的实用性。