在基于粒子滤波的时延差定位估计方法中,重要密度函数的选取将直接影响估计的性能,为此,提出了基于容积粒子滤波的时延差估计(BCPF-TDE)算法.该算法利用最新的数据检测信息,通过容积卡尔曼滤波(CKF)获取粒子滤波的重要性密度函数.仿真实验表明,在粒子数目相同的情况下,基于容积粒子滤波的时延差估计(BCPF-TDE)方法与基于扩展粒子滤波的时延差估计(BEPF-TDE)方法相比,定位估计误差只有后者的50%左右,而运行时间相当.

在基于粒子滤波的时延差定位估计方法中, 重要密度函数的选取将直接影响估计的性能, 为此, 提出了基 于容积粒子滤波的时延差估计(BCPF-TDE) 算法. 该算法利用最新的数据检测信息, 通过容积卡尔曼滤波(CKF) 获 取粒子滤波的重要性密度函数. 仿真实验表明, 在粒子数目相同的情况下, 基于容积粒子滤波的时延差估计(BCPF- TDE) 方法与基于扩展粒子滤波的时延差估计(BEPF-TDE) 方法相比, 定位估计误差只有后者的50% 左右, 而运行时 间相当.