PAC-ZNN鲁棒定位模型

高阶噪声下不失效

引入多项式抗噪补偿项和对数映射激活函数，解决传统ZNN在高阶时变噪声下难以收敛的问题，在复杂多径环境中仍保持稳定跟踪。

Song, Zhiyuan · Songjie, Huang · Xie, Qin · 肖秀春

Sensors 2026

技术优势

抗高阶噪声

多项式抗噪补偿项直接抵消高阶时变噪声的累积影响，使模型在噪声环境下仍能收敛。

收敛更快

对数映射激活函数加速收敛过程，使系统更快达到稳定解。

复杂环境仍稳健

在存在多径效应的复杂环境中仍能维持跟踪性能，无需额外环境建模。

应用场景

• 无线传感器网络定位：在高阶噪声干扰下提升定位精度，替代传统ZNN方案
• 复杂环境目标跟踪：在多径环境下维持稳健跟踪，降低环境建模成本
• 机器人协同定位：提升机器人间测量噪声下的协同定位精度
• 无人机编队导航：在动态噪声中保持编队导航的收敛稳定性