返回
Random Forest-Based Optimization Algorithm for Shipborne GNSS Vector Tracking Loop
DOI:10.1080/01490419.2025.2575974.png)
摘要
En 中文
全球导航卫星系统(GNSS)是实现全球定位的关键技术。在GNSS接收机中,矢量跟踪环(VTL)作为一种先进的信号处理方法,相较于标量跟踪环(STL),具有更强的抗干扰能力和动态环境下的鲁棒性。然而,传统VTL在低信噪比(SNR)、信号遮挡、多径效应和非视距场景等条件下面临严峻挑战。这些挑战可能影响系统的稳定性和可靠性,导致显著的定位误差或导航失败。为解决此问题,本文提出了一种基于随机森林(RF)的船载GNSS VTL优化方法。首先,识别卫星信号SNR、卫星仰角和坐标信息为关键特征,而VTL在良好信号条件下得到的伪距和伪距率误差作为输出变量。通过采用改进的集成袋装决策树学习方法,构建了伪距和伪距率误差的预测模型。船载实验结果表明,在信号遮挡区域,所提出的基于RF的VTL(RFVTL)优化方法相较于传统VTL和带环路滤波器的VTL,分别将水平定位精度提升了94%和72%。
Keyword:
random forest
vector tracking loop
ship navigation system
期刊
M
IF:
1.4
论文数:
21
被引数:
1
机构
引用论文
A Low-Cost GNSS/INS integration method aided by Cascade-LSTM Pseudo-Velocity measurement for bridging GNSS outages一种辅助Cascade-LSTM伪速度测量的低成本GNSS/INS集成方法,用于桥接GNSS中断
MEASUREMENT
IF5.6
Rampant Smoothing (RTS) Algorithm: an optimized consensus mechanism for private Blockchain enabled technologies泛滥平滑(RTS)算法:一种针对私有区块链赋能技术的优化共识机制
A comparative study on different machine learning approaches with periodic items for the forecasting of GPS satellites clock bias
SCIENTIFIC REPORTS
IF3.9
Bayesian uncertainty estimation of adsorption closure models in the computational simulation of contaminant transport吸附闭合模型在污染物运移计算模拟中的贝叶斯不确定性估计
Solving Data Overlapping Problem Using A Class-Separable Extreme Learning Machine Auto-Encoder使用类可分离极限学习机自编码器解决数据重叠问题

