神经网络在SINS/GPS组合定位中的应用

• 作者: 储诚涛 吴峻
• 来源期刊: 全球定位系统
• 关键词: 卡尔曼滤波(KF) 组合定位 地籍测量 信号失效 神经网络
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 技术与应用
• 页码范围: 104-110
• 页数: 7页
• 分类号: P227.9|P228.49
• 语种: 中文
• DOI: 10.12265/j.gnss.2020120802

摘要

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.