基于样本均值和中位值的粒子群优化定位算法
来源期刊：东北大学学报(自然科学版)2018年第7期
论文作者：黄越洋 井元伟 张嗣瀛 石元博
文章页码：913 - 917
关键词：定位;非视距;样本均值;样本中值;粒子群优化;
摘 要：针对室内LOS/NLOS混合环境,提出基于假设检验的方法确定NLOS状态,并采用具有收缩因子的粒子群优化算法进行定位.在采样值存在异常情况时,样本中位值性能优于样本均值.因此,在LOS和NLOS状态下,分别采用样本均值和样本中位值建立最小平方误差代价函数.为了增强算法的全局和局部搜索能力,在粒子群优化算法的基础上引入收缩因子.仿真实验表明,在NLOS遮挡比较严重的情况下,所提出的基于样本均值和样本中位值改进的粒子群优化定位算法较只采用样本均值改进的粒子群优化算法和一般的粒子群优化算法定位精度高.
黄越洋1,2，井元伟1，张嗣瀛1，石元博1
1. 东北大学信息科学与工程学院2. 辽宁石油化工大学信息与控制工程学院
摘 要：针对室内LOS/NLOS混合环境,提出基于假设检验的方法确定NLOS状态,并采用具有收缩因子的粒子群优化算法进行定位.在采样值存在异常情况时,样本中位值性能优于样本均值.因此,在LOS和NLOS状态下,分别采用样本均值和样本中位值建立最小平方误差代价函数.为了增强算法的全局和局部搜索能力,在粒子群优化算法的基础上引入收缩因子.仿真实验表明,在NLOS遮挡比较严重的情况下,所提出的基于样本均值和样本中位值改进的粒子群优化定位算法较只采用样本均值改进的粒子群优化算法和一般的粒子群优化算法定位精度高.
关键词：定位;非视距;样本均值;样本中值;粒子群优化;
