《表1 三种定位方法性能比较》

  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

《基于非线性最小二乘法的无人机机载光电平台目标定位》

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

伪线性化后的递推最小二乘算法（recursive least squares，RLS）和扩展卡尔曼滤波法（EKF）都是对目标实时定位中常用的算法。图9、图10和图11分别是利用最小二乘-高斯牛顿混合非线性算法、伪线性化后的递推最小二乘算法（RLS）和扩展卡尔曼滤波法（EKF）对目标进行定位的经度、纬度、高度结果，图12为目标定位的经纬高误差。逐渐递增样本集数是模拟无人机实时获取数据的过程。利用前5个样本集数据的最小二乘粗解（34.4971°N，109.0242°E，-647.4062 m）作为NLS算法的迭代初值、RLS和EKF的递推初值。本文提出的混合算法在样本集大于10后就能收敛到较高的精度。其中，经度误差收敛至（1.37×10-5）°，折合1.45m，纬度误差收敛至（6.31×10-5）°，折合7.00 m，高度误差收敛至1.78 m，平面误差和空间误差收敛至7.15 m2和7.37 m3。而RLS法对经度和纬度在样本集小于100时就能收敛到较高水平，但对高度没有收敛能力。EKF法对经度和纬度的收敛能力均一般，对于高度收敛较好，但是相比于混合算法整体收敛时间较长。三种方法收敛后的定位误差比较见表1。