神经网络在SINS/GPS组合定位中的应用

地籍测量中,单一系统无法满足定位要求,组合定位技术应运而生. 其中,捷联惯性导航系统(SINS)和GPS组合定位应用最为广泛.在卫星信号受到干扰失效区域,系统进入纯SINS解算,定位误差会逐渐累积,无法满足定位精度要求. 针对此问题,提出一种长短期记忆(LSTM)神经网络辅助的组合定位算法. 根据LSTM神经网络能够有效运用于长距离时间序列的特性,在GPS有效区域,用卡尔曼滤波(KF)算法对SINS/GPS信号进行数据融合得到精确定位信息,同时利用惯性测量单元(IMU)、GPS和SINS输出信息对神经网络进行训练;在GPS失效区域,利用训练好的神经网络预测GPS位置信息,使得系统能继续用卡尔曼滤波器滤波. 最后结合地籍测量特点,设计了仿真实验,证明了该算法在GPS信号失效时可以有效抑制系统误差发散、提高定位精度,在不同运动状态下依然可以满足定位精度要求、鲁棒性强.      

GPS短时失效条件下SINS/GPS组合导航数据处理方法

在SINS/GPS组合导航实际应用中GPS短时失效的情况难以避免,这会导致组合导航的效果下降。针对该问题,本文提出了基于偏最小二乘PLSR辅助高斯过程回归GPR的SINS/GPS组合导航的无味四元数估计器USQUE,以解决组合导航中的GPS短时失效问题。该方法以PLSR估计的位置误差作为输入,以GPS提供的位置信息作为输出对GPR进行训练。在组合导航系统出现GPS短时失效后,使用通过PLSR辅助粒子群算法优化超参数的GPR直接对辅助导航设备的位置进行预测,作为USQUE算法的量测量,从而使得USQUE算法可以正常进行量测更新。在实验中,使用车载MEMS/GPS数据,将PLSR-GPR-USQUE,PLSR-USQUE与隔离量测量的USQUE算法组合导航的效果进行比较。实验结果表明,在GPS短时失效的情况下,PLSR-GPR-USQUE具有良好的估计精度。     

基于多尺度预处理的GPS/SINS组合导航系统

基于多尺度分析的思想,以离散小波变换为工具,利用小波对惯性元件输出的信息进行并行阈值消噪以削弱惯性元件误差对SINS及组合系统性能的影响;然后,对GPS输出的信息进行并行多尺度预处理,并结合传统的Kalman滤波方法,对系统进行综合滤波;将上述方法引入到GPS/SINS组合导航系统中,利用实测数据进行验证,并给出了基于不同方法的大量实验曲线。实验结果表明,该方法可以有效削弱惯性元件以及GPS误差对系统的影响,提高了GPS/SINS组合导航系的精度和可靠性。     

三星定位性能分析及其与SINS的融合方法

针对三星定位技术,本文首先分析其定位算法,并推导其误差分布模型。同时根据输出信息的特点,给出三星定位与SINS（捷联惯性导航系统）进行组合的算法。然后,对三星定位系统的定位误差特性进行仿真试验,从而揭示该系统的误差分布特性。最后,对三星定位／SINS组合系统进行半实时的静态与动态试验,组合结果证明该组合系统定位精度良好,在中纬度区域接近于GPS的精度。     

一种GPS辅助的低精度捷联惯导动态对准方法

针对低精度SINS的陀螺不能辨识地球自转角速度,难以完成自对准的问题,该文引入GPS的位置观测信息利用5级-CKF简化算法辅助低精度SINS完成初始对准;因为低精度SINS粗对准给出的初始姿态质量很差,不满足小失准角的条件,所以必须采用大失准角非线性误差模型和非线性滤波方法。该文提出5级-CKF算法,并在系统模型噪声和量测噪声均为加性噪声且量测方程为线性方程时,对5级-CKF算法进行简化,其需要在kalman滤波的基础上利用5级容积采样点对非线性状态方程的状态及其方差进行预测。设计仿真实验验证了该方法的有效性,并分析了大失准角情况下载体运动状态对航向角估计的影响。     

神经网络辅助的GPS/INS组合导航故障检测算法

针对GPS/INS松组合导航系统观测信息无冗余,而且观测信息可能存在故障的情形,提出一种神经网络辅助的组合导航故障检测算法。该算法克服了基于模型的故障检测算法受模型误差影响的局限性;能够自动地对观测信息进行故障的检测、定位和剔除;能够基于故障检测后可靠的观测信息进一步调整动力学模型信息对导航解的贡献;能够在GPS失锁时,较好地进行导航预报。最后利用车载实测数据进行验证,结果表明该算法能够很好地从模型误差中分离出观测信息含有的故障信息,降低了故障检测算法存在的虚警率,避免故障信息对导航解的影响;且GPS失锁时,神经网络的预报输出在一定程度上能够进一步提高导航解的精度。     

本期导读

利用掩星和地基GPS研究日食电离层效应(王泽民,等)一文利用COSMIC掩星GPS数据和地基CORS网GPS数据来共同分析2009-07-22发生在亚洲东部和太平洋西部的日全食,进而分析了日食期间电离层效应的物理过程。基于多尺度预处理的GPS/SINS组合导航系统(李廷军,等)一文基于多尺度分析的思想,以离散小波变换为工具,利用小波对惯性元件输出的信息进行并行阈值消噪以削弱惯性元件误差对SINS及组合系统性能的影响;对GPS输出的信息进行并行多尺度预处理,并结合传统的Kal man滤波方法,对系统进行综合滤波;将上述方法引入到GPS/SINS组合导航系统中,利用实测数据进行验证,并给出了基于不     

面向城市道路的多传感器融合定位导航技术

方便地获取高精度、高可靠的轨迹数据是交通、旅游等行业智能化发展的关键。鉴于此，本文设计一款集GPS、SINS和OBD于一体的多源车载组合导航系统来收集轨迹数据，提出数据融合的方法来弥补因传感器噪声导致的位置累积误差，并在GPS失锁时有效预测轨迹位置信息。此方法通过梯度提升与决策树相结合建立INS误差补偿模型，并引用粒子群算法优化模型的回归参数，可有效避免误差积累；再利用联邦滤波器实现GPS、SINS和OBD数据融合，提高了轨迹信息的准确性。实际道路测试证明，基于此方法的组合导航系统，在多种路况下可收集连续精准的轨迹数据。     

GA-BP神经网络的GPS可降水量预测

针对传统BP神经网络模型存在的学习速度慢、易陷入局部极值以及网络结构参数取值的不确定性等问题,该文研究了一种基于遗传算法与BP神经网络相结合的GPS可降水量预测的新方法。该方法利用遗传算法对BP神经网络的初始权值和阈值进行优化,并对该模型进行训练,以提高预测模型的性能。实验结果证明了遗传BP神经网络模型用于GPS可降水量预测的可行性,其预测结果的均方根误差为0.16 mm、平均绝对百分误差为0.23%。相对于BP神经网络和小波神经网络模型,均方根误差分别降低了0.37和0.19 mm,平均绝对百分误差分别降低了0.62%和0.33%。同时遗传BP神经网络模型亦显示了很好的非线性拟合能力,能更好地预测GPS可降水量,对实际工作具有较强的参考价值。     

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。     

基于GPS软件接收机的SINS／GPS紧组合系统仿真

为了系统验证SINS／GPS紧组合系统的性能,基于GPS软件接收机,进行了仿真系统构建。仿真系统由轨迹发生器、GPS中频信号模拟器、IMU信号模拟器、GPS软件接收机、SINS导航解算模块、组合滤波算法和导航性能分析模块等部分构成,其中详细设计了GPS软件接收机中的捕获和跟踪算法、SINS解算以及基于伪距和伪距率的组合滤波算法。仿真结果表明：紧组合导航系统收敛性较好,能够一定程度上抑制惯导系统误差的积累,有较好的导航性能。设计的该系统满足紧组合导航系统性能验证的需要,也为后续的超紧组合研究奠定了良好的基础。     

一种SINS/GPS深组合导航系统技术问题分析

为了满足高动态用户及强干扰条件下的应用需求,提出了一种基于卫星信号矢量跟踪的SINS/GPS深组合导航方法,设计了基于FPGA硬件平台的实施方案。利用组合卡尔曼滤波器反馈回路取代了传统接收机中独立、并行的跟踪环路,能够同时完成所有可视卫星信号的跟踪和导航信息处理;通过矢量跟踪算法对所有可视卫星信号进行集中处理,能够增强跟踪通道对信号载噪比变化的适应能力,从而提高接收机在强干扰或信号中断条件下的跟踪性能;根据SINS导航参数和星历信息推测GPS伪码相位和多普勒频移等参数,用以辅助卫星信号的捕获和跟踪,能够大大缩短接收机的搜索捕获时间,并增强接收机在高动态条件下的跟踪性能。基于矢量跟踪的深组合方法不仅在GPS信号短暂中断期间,能够保证系统的导航精度和可靠性,而且在强干扰环境中能够维持较好的伪码相位和载波频率跟踪性能。     

基于泛在位置服务的嵌入式导航计算机系统研究与设计

分析了全球定位系统(GPS)、捷联惯导系统(SINS)和无线定位技术(WLAN)在城市复杂环境下室内外定位时的优缺点,提出了在城市复杂环境下采用基于卡尔曼滤波松组合的SINS／GPS组合导航定位方式,在室内环境下时,单独使用WLAN无线定位技术时易受室内复杂环境的影响,比如天花板、墙壁造成的多径效应,在传播过程中易受相近频段电器的干扰等等;提出了采用基于卡尔曼滤波的SINS／WLAN的组合导航定位技术来实现,从而实现更加平滑的导航定位结果。同时兼顾全组合导航系统高精度、低功耗、小型化的要求,设计出基于TMS320C6713和FPGA架构的嵌入式导航计算机平台。通过该平台系统的搭建,能够有效解决人们对泛在位置服务的需求问题。      

基于SINS／GPS的无人机组合导航系统建模与仿真

根据无人机的飞行特点以及SINS(捷联惯导)和GPS(全球定位系统)的优缺点,利用轨迹发生器设计无人机的飞行轨迹,建立基于SINS/GPS的无人机组合导航系统,依据卡尔曼滤波的相关原理对系统进行数学建模和计算仿真,验证无人机SINS/GPS组合导航系统的可靠性。     

Performance of GPS and GPS/SINS navigation in the CE-5T1 skip re-entry mission

A CE-5T1 spacecraft completed a high-speed skip re-entry to the earth after a circumlunar flight on October 31, 2014. In addition to the strapdown inertial navigation system (SINS), a lightweight GPS receiver with rapid acquisition was developed as a navigation sensor in the re-entry capsule. The GPS receiver effectively solved the poor accuracy problem of long-term navigation using only the SINS. In contrast to ground users and low-earth-orbit spacecraft, numerous factors, including high altitude and kinetic characteristics in high-speed skip re-entry, are important for GPS positioning feasibility and were presented in accordance with the flight data. GPS solutions started at nearly 4900 km orbital altitude during the phases of re-entry process. These solutions were combined by an inertial measurement unit in a loosely coupled integrated navigation method and SINS navigation initialization. A simplified GPS/SINS navigation filter for limited resources was effectively developed and implemented on board for spacecraft application. Flight data estimation analyses, including trajectory, attitude, position distribution of GPS satellite, and navigation accuracy, were presented. The estimated accuracy of position was better than 42 m, and the accuracy of velocity was better than 0.1 m/s.     

一种低成本、低精度SINS/GPS组合导航系统及试验研究

在SINS（捷联式惯性导航系统）与GPS组合时，航向角的可观测性较弱，经过卡尔曼滤波后，航向角误差虽有所改善，但仍呈发散趋势，当采用低成本、低精度SINS时，该趋势进一步加剧。为了抑制该发散趋势，针对某型低成本、低精度SINS硬件组成（包括AHRS（姿态和航向参考系统）与IMU（惯性测量器件））的特点，提出了利用AHRS代替SINS航向角信息的方法。实际静态与动态试验表明，利用该方法可有效地抑制组合系统航向角的发散趋势，定位精度较高。     

GPS浮标/SINS组合水下导航与定姿若干问题讨论

介绍了GPS浮标／SINS组合用于水下设备的导航与定姿的优点,推导了水下设备载体坐标系与GPS定位的WGS84坐标系的转换关系,并根据陆地GPS／SINS力学编排的原理推导了水下GPS／SINS的误差状态方程。     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。