共查询到18条相似文献，搜索用时 171 毫秒
1.
《武汉大学学报(信息科学版)》2016,(8)
针对Lenstra-Lenstra-Lovász(LLL)规约算法在高维情况下规约耗时较大的特点,采用贪心算法和部分列向量规约,减少LLL算法规约过程中的基向量交换和尺度规约次数,以降低LLL算法的计算复杂度。通过模拟和实测的数据验证,该改进方法可以降低LLL算法的规约耗时,因而对高维模糊度的快速解算具有一定的参考应用价值。 相似文献
2.
3.
模糊度降相关的整数分块正交化算法 总被引：1，自引：1，他引：0
随着模糊度实数解协方差矩阵维数的增加,由于取整运算舍入误差的影响,LLL降相关算法的成功率低、降相关效果差。本文引入分块正交的思想,设计了整数分块Gram-Schmidt正交化算法,同时联合LLL算法提出了基于整数分块正交化的LLL降相关算法（IBGS-LLL）。利用随机模拟的方法,分析了不同维数下不同分块方式的降相关效果,明确了不同模式下算法的分块方式。在动态和静态模式下与改进的LLL算法进行了比较,证明了IBGS-LLL算法在模糊度协方差矩阵降相关方面具有更优的效果和更高的成功率。 相似文献
4.
在GNSS模糊度解算的过程中,由于模糊度之间存在相关性,为减少搜索时间需要对模糊度的协方差矩阵进行降相关处理。降相关算法的优劣将直接影响到模糊度搜索的效率。本文基于Householder正交变换提出了一种新的降相关算法,并利用随机模拟数据和北斗实测数据,从谱条件数、平均相关系数和规约时间3个方面将Householder算法与目前较为流行的LLL算法以及逆整数Cholesky算法进行了对比。通过实验分析得出,Householder算法能够明显改善降相关处理的效果。但是该算法仍存在规约时间较长的不足,需要进一步完善。 相似文献
5.
《测绘科学》2020,(2)
针对整数最小二乘模糊度降相关平差(LAMBDA)算法解算高维整周模糊度效率比较低的问题,该文从模糊度解算一般规则是一个非线性整数规划问题的角度出发,提出了一种改进模拟植物生长算法。该算法是一种智能优化算法。通过多组高维模拟数据和实测数据,将该文算法与LAMBDA算法及MLAMBDA算法进行了对比分析。结果显示,当模糊度维数等于45维和50维时,该文算法在运算效率上略优于LAMBDA算法。当维数达到55维及以上时,相比于LAMBDA和MLAMBDA算法运算速度分别提高了至少52.8%和19.2%。因此改进模拟植物生长算法对于快速固定高维整周模糊度具有一定的应用参考价值。 相似文献
6.
改进的GPS模糊度降相关LLL算法 总被引：2，自引：1，他引：1
模糊度降相关技术可以有效提高模糊度求解的效率及成功率,LLL(A.K.Lenstra,H.W.Lenstra,L.Lovasz)算法是新出现的模糊度降相关方法。详细分析LLL算法,针对该算法中存在的缺陷,提出逆整数乔勒斯基、整数高斯算法和升序调整矩阵辅助的改进LLL算法。利用谱条件数及平均相关系数为准则,以300个随机模拟的对称正定矩阵作为模糊度方差-协方差矩阵,对LLL算法和改进的LLL算法进行仿真计算。比较与分析结果表明,改进LLL算法模糊度降相关处理更加彻底,能有效地加速整周模糊度搜索及成功解算。 相似文献
7.
8.
GPS模糊度降相关LLL算法的一种改进 总被引：2，自引：0，他引：2
针对LLL(Lenstra,Lenstra,Lovasz algorithm)算法的不足,提出了具有自适应性的整数正交变换算法,并采用此算法和升序排序调整矩阵对LLL算法进行了改进。通过LLL算法和改进的LLL算法对随机模拟的600个对称正定矩阵的模糊度方差-协方差阵和30组实测数据进行处理分析,发现改进的LLL算法能够更有效地降低协方差阵的条件数,减小备选模糊度组合数,更有利于整周模糊度的搜索和解算。 相似文献
9.
一种改进的LLL模糊度降相关算法 总被引：1，自引：0，他引：1
针对GNSS载波相位精密定位中的整周模糊度解算问题,引入格基规约的思想,基于系统旋转的Householder正交变换对现有的LLL规约算法进行了改进,并将长度规约的比较范围扩大到n维,对规约基向量进行预排序,提出了HE-LLL规约算法。在不同观测时段长度和不同基线长度的情况下,分别从条件数、规约时间、非正交化指标以及正交化列向量长度变化趋势等方面将HE-LLL规约算法与改进前算法的规约效果进行了比较,结果表明,HE-LLL算法大大提高了规约效率,且对正交化列向量的长度具有很好的约束作用。 相似文献
10.
GNSS多频率组合RTK定位逐步进入实际应用,存在模糊度维数增多、搜索空间增大,导致模糊度搜索运算量增大及模糊度固定效率低等问题。文中提出一种多星座部分模糊度解算算法,该算法综合考虑卫星高度角、模糊度固定成功率及Ratio值来筛选卫星进行模糊度解算。通过一组动态跑车实验分析表明:相比于全模糊度解算(FAR),部分模糊度解算(PAR)可以有效地提高BDS/GPS组合RTK的模糊度固定率,其模糊度固定率从79.9%(FAR)提高到99.1%(PAR),且PAR算法定位结果可靠性更高。 相似文献
11.
下三角Cholesky分解的整数高斯变换算法 总被引：1，自引：0，他引：1
针对全球导航卫星系统(GNSS)载波相位测量中,基于整数最小二乘估计准则解算整周模糊度问题。目前以LAMBDA降相关算法和Lenstra-Lenstra-Lovász(LLL)为代表的规约算法应用最为广泛。由于不同算法采用的模糊度方差-协方差阵的分解方式不同,导致难以合理地进行不同算法性能的比较。该文通过分析LAMBDA算法的降相关特点,从理论上推出基于下三角Cholesky分解多维情形下的整数高斯变换的降相关条件及相应公式,并与分解方式不同的LAMBDA和LLL算法作了对比。实验结果表明,降相关采用的分解方式将会直接影响计算复杂度和解算性能,因此该文推导的整数高斯变换算法便于今后基于下三角Cholesky分解的降相关算法间的合理比较。 相似文献
12.
针对差分全球定位系统(DGPS)模糊度解算过程中效率低,搜索慢的问题,对鸡群优化算法(CSO)进行适应性改进,并将改进后的鸡群优化算法(ICSO)应用到整周模糊度的快速解算中,利用卡尔曼滤波求出双差模糊度的浮点解和协方差矩阵,采用Lenstra-Lenstra-Lovasz (LLL)降相关算法对模糊度的浮点解和方差协方差矩阵进行降相关处理,以降低模糊度各分量之间的相关性,在基线长度固定的情况下,利用ICSO搜索整周模糊度的最优解. 采用经典算例进行仿真,仿真结果表明,与已有文献相比在整周模糊度的解算过程中改进的鸡群优化算法能有效提高搜索速度和求解成功率. 相似文献
13.
采用方向余弦矩阵描述姿态,建立GPS/陀螺组合姿态确定系统模型,由矩阵Kalman滤波方法解算整周模糊度的浮点解,然后再利用MCLambda方法得到整周模糊度固定解。仿真实验结果表明,附加方向余弦矩阵约束的Kalman滤波方法可以有效地提高整周模糊度浮点解的精度,使得整周模糊度的固定成功率和效率均得到提高,尤其是在GPS观测条件较差的情况下。 相似文献
14.
GNSS模糊度降相关算法及其评价指标研究 总被引：4，自引：0，他引：4
针对Gauss、LDL和LLL算法构造整数阵存在的实数阵元素计算、实数至整数阵转换的排序问题,分别研究了相应的元素升序降相关算法和整逆型(先求逆后取整)降相关算法。分析了谱条件数、降相关系数和平均相关系数等降相关算法评价指标的优缺点,提出了等效相关系数评价指标。研究结果表明,等效相关系数较其他3种指标能更有效地评价不同维数方差阵,尤其是高维情况的降相关算法效果;逆整型优于整逆型降相关算法,升序(逆整型)降相关算法更佳,且优劣顺序为升序LDL、升序Gauss和升序LLL算法。 相似文献
15.
单频全球定位系统模糊度在航解算过程中存在法方程病态的问题,利用历元间坐标差信息可以在一定程度上削弱法方程的病态性,提高模糊度浮点解的精度和模糊度收敛速度。为进一步提高历元间坐标差法固定模糊度的效率,提出了一种改进的历元间坐标差方法,该方法对历元间坐标差虚拟观测误差方程进行了重构,并给出了新的虚拟观测值方差阵。实验结果表明,新方法较之以往的历元间坐标差方法具有更优的稳定性和效率。 相似文献
16.
The LLL reduction of lattice vectors and its variants have been widely used to solve the weighted integer least squares (ILS)
problem, or equivalently, the weighted closest point problem. Instead of reducing lattice vectors, we propose a parallel Cholesky-based
reduction method for positive definite quadratic forms. The new reduction method directly works on the positive definite matrix
associated with the weighted ILS problem and is shown to satisfy part of the inequalities required by Minkowski’s reduction
of positive definite quadratic forms. The complexity of the algorithm can be fixed a priori by limiting the number of iterations.
The simulations have clearly shown that the parallel Cholesky-based reduction method is significantly better than the LLL
algorithm to reduce the condition number of the positive definite matrix, and as a result, can significantly reduce the searching
space for the global optimal, weighted ILS or maximum likelihood estimate. 相似文献
17.