【技术实现步骤摘要】
跟踪目标的定位优化方法
[0001]本专利技术涉及智能导航定位领域，特别是涉及一种跟踪目标的定位优化方法。
技术介绍
[0002]车辆、共享单车、无人机、轮船等水陆空交通工具的轨迹预测是跟踪目标卫星定位中的重要组成部分，是一种辅助跟踪目标卫星定位、提升驾驶导航体验、改善交通出行安全等过程的有利工具，使得民用卫星系统在车辆定位导航现有基础上大大提升定位精度。针对这一问题，研究者建立了很多预测模型。在卫星定位过程中，噪声大小直接影响定位精度，当噪声较强的情况下，观测轨迹与目标运行轨迹之间会出现较大误差。于是研究人员致力于开发一种在观测噪声较大的情况下，跟踪目标的定位优化方法，优化精度较差的跟踪目标卫星导航轨迹。
技术实现思路
[0003]针对现有技术中所存在的不足，本专利技术提供了一种跟踪目标的定位优化方法，以解决相关技术中当噪声较强的情况下，观测轨迹与目标运行轨迹之间会出现较大误差，定位不够准确的问题。
[0004]根据本专利技术的实施例，本专利技术提供了一种跟踪目标的定位优化方法，该方法包括以下步骤：...
【技术保护点】
【技术特征摘要】
1.一种跟踪目标的定位优化方法，其特征在于，该方法包括以下步骤：获取目标运动状态实时数据；根据所述目标运动状态实时数据，得到目标运行轨迹；对目标运行轨迹进行优化，得到卡尔曼滤波轨迹、BP神经网络轨迹和粒子滤波轨迹；根据当前时刻所述卡尔曼滤波轨迹、所述BP神经网络轨迹和所粒子滤波轨迹上距离最近的两点的中点，计算下一时刻卡尔曼滤波预测结果和BP神经网络预测结果；根据所述卡尔曼滤波预测结果和所述BP神经网络预测结果，得到目标预测结果。2.如权利要求1所述的跟踪目标的定位优化方法，其特征在于，根据所述卡尔曼滤波预测结果和所述BP神经网络预测结果，得到目标预测结果，其中，得到目标预测结果的方式为：根据上一时刻卡尔曼滤波预测结果和所述BP神经网络预测结果与目标运行轨迹距离的比值的倒数为当前时刻卡尔曼滤波预测结果和所述BP神经网络预测结果分配权重，加权平均后得到目标预测结果。3.如权利要求1所述的跟踪目标的定位优化方法，其特征在于，根据所述卡尔曼滤波预测结果和所述BP神经网络预测结果，得到目标预测结果，其中，得到目标预测结果的方式为：根据当前时刻的预设前序时间区间，分别计算所述卡尔曼滤波预测结果和所述BP神经网络预测结果的角度变化的方差值；选择所述角度变化的方差值较小的对应预测结果。4.如权利要求2所述的跟踪目标的定位优化方法，其特征在于，根据当前时刻的预设前序时间区间，分别计算所述卡尔曼滤波预测结果和所述BP神经网络预测结果的角度变化的方差值，其中，所述方差值的计算公式为：卡尔曼滤波预测结果角度变化方差值计算：BP神经网络预测结果角度变化方差值计算：其中，Δc
t
＝|c
t
‑
c
t
‑1|；Δc
t
为t时刻的角度变化量；c
t
为t时刻的角度；为卡尔曼滤波轨迹t时刻实时角度变化量方差，样本量为t
‑
a；为BP神经网络轨迹t时刻实时角度变化量方差，样本量为t
‑
a；Δc
KFi
为卡尔曼滤波轨迹中，在时间区间[t
‑
a,t]内，的第i个角度变化量；c
KFi
为卡尔曼滤波轨迹中，在时间区间[t
‑
a,t]内，的第i个角度；Δc
BPi
为BP神经网络轨迹中，在时间区间[t
‑
a,t]内，的第i个角度变化量；c
BPi
为BP神经网络轨迹中，在时间区间[t
‑
a,t]内，的第i个角度。5.如权利要求1
‑
4任一项所述的跟踪目标的定位优化方法，其特征在于，获取目标运动状态实时数据，包括：
利用GPS模块收集车辆的位置数据；利用方向传感器收集车辆的方向数据；对所述位置数据和所述方向数据进行预处理，得到目标运动状态实时数据。6.如权利要求5所述的跟踪目标的定位优化方法，其特征在于，对所述位置数据和所述方向数据进行预处理，得到目标运动状态实时数据，其中，对位置数据进行预处理的方式包括：当车辆从k
‑
1时刻到k时刻的位置变化大于k时刻阈值Th＝v(k
‑
1)*T*d+q时，用替代超过阈值的坏值；其中：v(k
‑
1)为k
‑
1时刻速度，T为更新时长，d为放大常数(d∈(1，2))，q为方差的白噪声，通过matlab的rand函数生成；pd为修正值，l(k
‑
1)、l(k
‑
2)、l(k
‑
3)、l(k
‑
4)、l(k
‑
5)分别为从k
‑
1时刻到k时刻的移动距离、从k
‑
2时刻...
【专利技术属性】
技术研发人员：白云，曾诚，谢晶晶，夏瑞雪，李川，
申请(专利权)人：重庆工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。