农业机械学报

作者：王法安，朱时亮，张兆国，贾梦楠，梁晋豪，卢彦博，刘赢，沈成

单位：昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,东南大学,清华大学,清华大学,农业农村部南京农业机械化研究所,

关键词：温室;超宽带定位;Chan-Taylor;改进沙猫群优化算法;粒子滤波

基金：国家自然科学基金青年科学基金项目（52402497）、云南省应用基础研究青年项目（202401AU070196）、云南省应用基础研究面上项目（202501AT070296）和国家重点研发计划项目(2022YFD2002004)

针对农业温室复杂环境中的超宽带（Ultra wide band，UWB）定位精度受非视距（Non line of sight，NLOS）效应和多路径影响的问题，本文提出了一种融合Chan-Taylor与改进沙猫群优化粒子滤波（Chan-Taylor and improved sand cat swarm intelligence optimization particle filter，CT+ISCSO-PF）定位算法。首先，利用Chan-Taylor算法实现对目标初始位置的快速估算，为粒子滤波提供准确初值;随后，引入ISCSO（Improved sand cat swarm optimization particle filter）引导粒子向高似然区域移动，通过三角游走策略提升全局搜索能力，结合Levy飞行机制增强局部收敛效率，从而有效抑制粒子退化问题。本文模拟了3种不同噪声水平的环境。仿真结果表明，CT+ISCSO-PF算法在3种环境下，相比于传统的粒子滤波（Particle filter，PF）、Chan-Taylor与粒子滤波(Chan-Taylor and particle filter，CT+PF)、Chan-Taylor与沙猫群优化粒子滤波(Chan-Taylor and sand cat swarm intelligence optimization particle filter，CT+SCSO-PF)、Chan-Taylor与灰狼优化粒子滤波(Chan-Taylor and grey wolf optimizer particle filter，CT+GWO-PF)均表现出明显优势。 进一步以农用履带车辆为载体开展温室环境定位试验，结果显示：在LOS场景下，该算法较PF、CT+PF、CT+SCSO-PF和CT+GWO-PF的均方根误差分别降低27.9%、17.8%、7.8%和10.2%;在NLOS场景下，均方根误差降幅分别达21.4%、15.6%、7.6%和5.2%。

来源：2025年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第10期