针对传统的遍历法无法满足多全球卫星导航系统(global navigation satellite system,GNSS)组合导航选星的实时性需求,提出了一种基于灰狼优化(grey wolf optimization,GWO)算法的快速选星方法。该算法利用自适应收敛因子和信息反馈机制...针对传统的遍历法无法满足多全球卫星导航系统(global navigation satellite system,GNSS)组合导航选星的实时性需求,提出了一种基于灰狼优化(grey wolf optimization,GWO)算法的快速选星方法。该算法利用自适应收敛因子和信息反馈机制,在局部寻优与全局搜索之间实现平衡,表现出良好的求解性能,即可以保证在获得理想几何构型的同时大幅减少接收机运算量。经过仿真实验,分析了参数选取对GWO快速选星算法结果的影响。利用实测数据对所提算法进行验证,结果表明,所提算法在四系统组合下,从49颗可见星中选择7颗进行定位时,与遍历法相比,几何精度因子(geometric dilution of precision,GDOP)误差仅为1.8%,而计算效率提高了71.7%。该算法适用于多GNSS组合导航定位不同选星数目的情况,还可以拓展至区域导航卫星系统。展开更多
文摘针对传统的遍历法无法满足多全球卫星导航系统(global navigation satellite system,GNSS)组合导航选星的实时性需求,提出了一种基于灰狼优化(grey wolf optimization,GWO)算法的快速选星方法。该算法利用自适应收敛因子和信息反馈机制,在局部寻优与全局搜索之间实现平衡,表现出良好的求解性能,即可以保证在获得理想几何构型的同时大幅减少接收机运算量。经过仿真实验,分析了参数选取对GWO快速选星算法结果的影响。利用实测数据对所提算法进行验证,结果表明,所提算法在四系统组合下,从49颗可见星中选择7颗进行定位时,与遍历法相比,几何精度因子(geometric dilution of precision,GDOP)误差仅为1.8%,而计算效率提高了71.7%。该算法适用于多GNSS组合导航定位不同选星数目的情况,还可以拓展至区域导航卫星系统。