[发明专利]基于径向基神经网络和无迹卡尔曼滤波多径估计方法

说明书

本发明公开了一种基于径向基神经网络和无迹卡尔曼滤波多径估计方法，属于卫星导航多径参数估计领域，主要应用于提高定位精度，它主要包含两个部分，第一部分为：采用无迹卡尔曼滤波对待估计的参数初步估计，解决传统卡尔曼滤波不能应用于非线性系统以及EKF在处理非线性系统只能达到二阶精度的问题，使参数估计在高斯噪声下达到三阶精度。第二部分为：在无迹卡尔曼滤波新息项中引入径向基神经网络作为非高斯补偿，并采用最小误差熵代替均方误差对径向基神经网络的权重调整，从而使整个系统的随机性最小，采用梯度下降法实现权重的在线迭代更新。提出的多径估计算法，能够在非线性非高斯系统中，具有更高的估计精度，有效降低估计误差。

技术领域

本发明属于卫星导航系统中的多径参数估计领域，具体涉及一种基于径向基神经网络和无迹卡尔曼滤波理论的多径参数估计。

背景技术

近年来，随着现代全球卫星导航系统的应用与发展，基于位置服务应用的需求在我国日益增长，人们对定位精度的要求也日益提高，因此，高精度定位已成为导航领域的研究热点。而多径干扰是卫星导航系统中高精度定位的主要误差源之一，多径干扰是指卫星发射的直接信号在传播过程中，由于传播环境和建筑物的反射而产生的反射信号。多径信号的存在使接收机无法准确跟踪直接信号，导致伪距的测量出现偏差，使定位精度降低，带来多径误差。基于数据处理的多径误差抑制技术首先估计多径参数，并根据估计的多径参数重构多径信号，最后从接收到的信号中减去多径信号，达到抑制多径信号的影响、提高定位精度的目的。

根据所处噪声环境的不同，基于数据处理的多径估计方法主要分为：针对高斯噪声的基于卡尔曼滤波框架的多径估计方法和针对非高斯噪声的基于粒子滤波框架的多径估计方法。高斯噪声下，基于扩展卡尔曼滤波(EKF)的多径估计方法只能对估计误差的二阶统计信息进行准确估计，而且线性化操作的存在会造成估计误差的累计和传播。在实际的导航系统中，非高斯噪声，如脉冲噪声，是普遍存在的。非高斯环境噪声下，基于粒子滤波(PF)的多径估计方法是一种基于序列蒙特卡罗方法的贝叶斯估计方法。虽然基于PF的多径估计方法对噪声没有要求，但PF固有的缺点，如粒子退化和粒子枯竭，影响了其估计性能，而且要达到满意性能时所需要的的粒子数随着估计问题维数的增加而显著增加，导致系统的计算复杂度提高。

因此，对非高斯噪声环境下的多径估计对提高系统的定位精度、推广导航系统的应用具有重要意义。

发明内容

本发明是这样实现的，基于径向基神经网络和无迹卡尔曼滤波多径估计方法，包括如下步骤：

1)首先给定初始待估计参数值作为初始状态量和初始的状态协方差，并设置迭代初值k、迭代次数N和最小误差熵的样本值Ns；

2)设置UKF相关参数β、α、κ、n、λ并计算相关权重W_m，W_c；

3)设置RBF的核宽σ，基函数的中心点的选取，初始权值W₁；

4)对状态量进行UT变换获得2n+1个sigma点，并对sigma点非线性变换后取对应权重得到预测状态量的均值和协方差；

5)对预测状态量进行UT变换，得到观测量的sigma点，并对sigma点非线性变换后取对应权重得到观测量预测均值和协方差；

6)更新获得UKF的估计状态值和新息量

7)判断k<＝Ns,满足条件在执行步骤8)，否则跳至步骤9)；

8)保存新息量到伪新息量s_k以及计算径向基函数并保存；

9)计算径向基函数并保存；

10)更新伪新息量