动态模型偏差校正在列车组合定位中的应用

• 作者: 刘昊 李少远 杨菊花 陈光武 魏宗寿
• 来源期刊: 自动化学报
• 关键词: 扩展卡尔曼滤波 最小二乘支持向量机 非线性 动态模型 Allan方差
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2281-2293
• 页数: 13页
• 字数: 9473字
• 语种: 中文
• DOI: 10.16383/j.aas.c190170

摘要

扩展卡尔曼滤波(Extended Kalman filter,EKF)的准确性依赖于观测的质量、观测对象的非线性程度及动态模型的准确性.该方法通常假设其动态模型是不变的,而且默认为非线性程度较弱,这些在实际的车辆运动中都是不可靠的处理方式.本文提出了一种利用最小二乘支持向量机(Least squares support vector machine,LSSVM)的技术增强扩展卡尔曼滤波的新算法.LSSVM改进后的EKF算法(LSSVM-EKF)一定程度上弥补了EKF处理强非线性问题的不足;而且可以自适应地估计历史数据的动态建模偏差,并使用估计偏差来补偿动态模型.开发了一种引入Allan方差的K折交叉验证方法来确定LSSVM的训练参数;将动态模型偏差通过有限数据集与LSSVM一起训练;并引入无损变换将LSSVM与EKF进行了集成.为了验证算法,最后设计了车载试验,并采用列车数据验证了文中所提的方法,结果表明LSSVM-EKF可以较好地适应实际车辆运动环境,可以提供一种可用的车辆定位方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李少远	上海交通大学电子信息与电气工程学院	170	3277	31.0	48.0
2	杨菊花	兰州交通大学交通运输学院	31	144	7.0	10.0
3	陈光武		26	60	4.0	7.0
4	魏宗寿		5	11	2.0	3.0
5	刘昊		1	0	0.0	0.0