基于MCPF算法的列车组合定位应用研究

为了克服传统粒子滤波中出现的粒子匮乏现象,提高其应用于列车组合定位的精度,在粒子滤波中应用容积卡尔曼滤波来产生重要性密度函数,并融入了马尔科夫链蒙特卡洛方法到重采样环节,以此增加了粒子的多样性和有效性,进而改进滤波的性能。使用MATLAB仿真对比,结果表明MCPF比CPF具有更高的估计精度,使得列车组合定位的误差更小。