《表1 不同场景中卫星噪声设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数据驱动的无人机加权最小二乘定位算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本文算法的有效性，本文仿真了无人机飞行时接收机接收到的卫星数据。仿真地点为江苏省南京市，仿真生成6颗GPS卫星数据。设置卫星观测误差时，尽可能消除对流层和电离层等系统误差。为了更好地验证本文算法，仿真进行了3次，具体为场景1、场景2和场景3。每次仿真为20 min，采样频率为10 Hz。每次仿真的每颗卫星均为具有随机误差均值为0和不同标准差的高斯白噪声。仿真无人机轨迹如图2所示，不同场景中卫星噪声设置如表1所示。数据驱动加权最小二乘法中的窗口设置长度为100，解算后与普通最小二乘法进行比较，3种场景在地心地固坐标系得到的三轴误差结果如图3所示，图中红色部分为采用加权最小二乘法得出的结果，蓝色部分为采用最小二乘法得出的结果。表2给出了3种场景下x、y和z轴与3D的均方根误差（RMSE）结果。可见，当各个卫星的噪声标准差较接近时，加权最小二乘法可以提高无人机定位精度，但与最小二乘法差别不大。随着各卫星的随机噪声差别不断增大，基于最小二乘法的无人机定位误差显著上升，从场景1到场景3总误差均方根误差增大了52.9%。由于基于加权最小二乘法的结果从场景1到场景3仅增大了13.5%，并通过自适应调节不同卫星的权重，可将无人机定位误差控制在一定范围内。因此采用了加权最小二乘法的本文算法具有一定的抗干扰能力，可快速适应不同环境下的卫星数据特征，从而给出较高精度的定位导航解。