在阻塞情景下，利用GWO（遗传算法 Optimization of Wikipedia）对观测权重和GNSS（全球导航卫星系统）集成参数进行联合优化

《Scientific Reports》：Joint optimization of observation weighting and GNSS integration parameters via GWO under blocking scenarios

　　

摘要

卫星可见性遮挡是制约全球导航卫星系统（GNSS）应用的主要因素之一，因为它会减少可观测卫星的数量并降低空间几何精度，从而严重影响定位的准确性和可靠性。本研究提出了一种新的框架，用于在遮挡条件下同时优化观测权重和多星座GNSS集成。在该框架中，加权最小二乘（WLS）方法中权重系数的 determination 被构建为一个多目标优化问题，并采用灰狼优化器（GWO）进化算法生成自适应的、数据驱动的观测权重。目标函数同时考虑了通过均方根（RMS）量化到的定位误差最小化，以及基于精度稀释（DOP）指数来改善卫星几何精度。所提出的方法利用真实的GNSS数据，在静态和动态场景中，以及在严重的天空视野遮挡条件下进行了评估。结果表明，当将其应用于集成多星座GNSS（IGNSS）时，在三种研究场景中，DOP平均提高了约66%、52%和77%；RMS定位误差平均分别降低了约52%、58%和49%。此外，与其他优化算法（如粒子群优化（PSO）、蚁群优化（ACO）和模拟退火（SA）的对比分析显示，基于GWO的方法具有更快的收敛速度和更高的解决方案稳定性。总体而言，研究结果表明，所提出的框架为在充满遮挡挑战的环境中提高多星座GNSS定位的准确性和可靠性提供了一种强大而有效的解决方案。