"非高斯噪声下的车载GPS信号定位算法 (2010年),作者:陈宇波,宋迎春,发表于《中南大学学报(自然科学版)》第41卷第4期,2010年8月,关键词:卡尔曼滤波、非高斯噪声、Bayes估计、车载GPS定位,中图分类号:TP301.6,文献标志码:A,文章编号:1672-7207(2010)04-1462-05"
车载GPS信号定位在现代交通系统中起着至关重要的作用,但其精度受到多种因素的影响,尤其是异常观测噪声。传统的卡尔曼滤波算法在处理这些噪声时表现出较高的敏感性,可能导致定位误差增大。针对这一问题,文章提出了基于Bayes定理的一种新的滤波算法,旨在改善在非高斯噪声环境下的车载GPS定位性能。
首先,卡尔曼滤波是一种广泛应用的在线估计算法,它假设系统噪声和观测噪声均服从高斯分布。然而,在实际应用中,尤其是在车载GPS定位中,观测噪声往往呈现出非高斯特性,如尖峰或多重模态分布,这会严重干扰滤波器的性能。因此,单纯依赖卡尔曼滤波可能无法有效处理这类噪声。
论文引入了Bayes理论,这是一种统计推断方法,可以处理非高斯分布的数据。作者提出了一种观测噪声服从污染正态分布的Bayes滤波算法。这种污染正态分布考虑了非高斯噪声的特性,允许滤波器更准确地估计系统的状态,从而提高定位精度。通过将Bayes估计与动态模型相结合,新算法能够更好地适应和抵消异常观测噪声的影响。
实证研究表明,提出的Bayes滤波算法能显著抑制异常噪声对车载GPS定位的影响,提高了定位的准确性和可靠性。通过具体的实例解算,算法的效果得到了验证,进一步证明了其在实际应用中的有效性。
这篇论文提供了一种解决车载GPS定位中非高斯噪声问题的新方法,对于改进车载导航系统和自动驾驶技术的定位精度具有重要意义。通过采用Bayes滤波,不仅可以克服传统卡尔曼滤波的局限性,还能增强系统对异常观测数据的鲁棒性,为未来车载GPS信号处理提供了有价值的理论支持和技术参考。