神经网络辅助的GPS/MEMS-INS组合导航算法     

刘庆元  郝立良  黄书捷  朱山昱 《测绘学院学报》2014,(4)

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。  相似文献   

CNS/SINS组合导航系统仿真分析     

黄志远  黄声享 《测绘工程》2013,22(4):34-37

天文导航和捷联惯性导航(CNS/SINS)相结合构成的组合导航系统,实现导航优势的互补,提高导航的精度和可靠性。文中阐述在惯性系下,以弹道导弹为研究对象而建立CNS/SINS组合导航的数学模型,并利用MATLAB编程设计基于离散型卡尔曼滤波的组合导航系统仿真,对比SINS和CNS/SINS对载体位置误差、速度误差以及姿态角估计的影响,进而验证CNS/SINS组合导航系统的可靠性。  相似文献   

基于简易惯导/GPS组合和无线网络的搜救机器人群开发     

纪龙  闻新  回亚斌  柳明星 《全球定位系统》2013,38(3)

为解决灾后受困人员的快速搜救和精确定位问题,提出了一种基于简易惯导/GPS组合导航和无线网络的多功能搜救机器人群的设计方案,将BP神经网络和遗传算法组成的混合算法与卡尔曼滤波相结合,应用到简易惯导/GPS组合导航系统中,并进行了样机研制.实验结果表明:在复杂环境下或室内,采用该方法可以有效提高组合导航系统的定位速度和精度以及解决快速搜索和精确定位问题.  相似文献   

神经网络辅助的GPS/INS组合导航自适应滤波算法   总被引：11，自引：2，他引：9  

高为广  杨元喜  张婷 《测绘学报》2007,36(1):26-30

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。  相似文献   

车辆GPS/DR组合导航系统研究   总被引：2，自引：0，他引：2  

杨晓云  何恒  施浒立 《测绘通报》2007,(9):1-4

车辆导航系统常采用GPS/DR组合导航方式,很多该类组合导航系统采用联邦滤波器,分别对GPS信号和DR信号进行处理,再通过主滤波器融合两个子滤波器的计算结果。使用联邦滤波器有很多优点,特别是当GPS或DR其中任何一个子系统出现故障时联邦滤波器仍然可继续为用户提供导航服务。但是,联邦滤波器设计结构复杂,各种参数选取对滤波器的性能影响较大,选取不当反而引起导航精度的降低。设计一种GPS/DR滤波器,这种滤波器当GPS接收机在城市中受到遮挡引起失锁时仍能够为用户导航,并且该滤波器与联邦滤波器相比,结构简单,设计简易。通过在城市中进行车辆实测导航实验,验证了该滤波器能够满足导航精度要求,适用于城市中车辆导航应用。  相似文献   

抑制卡尔曼滤波发散的组合导航算法研究     

谭攀  伍仲南  康跃耀 《地理空间信息》2019,17(9)

卡尔曼滤波是一种递推线性最小方差估计算法,在组合导航数据融合中得到了广泛应用;但由于卡尔曼滤波要求系统模型和噪声统计特性精确已知,而实际中很难做到,因此常常出现滤波发散现象。鉴于此,着重研究了衰减记忆自适应卡尔曼滤波和渐消记忆卡尔曼滤波在INS/GPS组合导航中的应用,并通过对仿真数据的处理,验证了两种滤波算法在抑制滤波发散、提高组合导航系统精度和稳定性方面的可行性。  相似文献   

一种车辆GPS/DR/DMAP组合导航系统     

杨晓云  何恒  施浒立 《测绘科学》2008,33(5)

车辆导航系统常采用GPS/DR组合导航方式,在实际使用中若采用联邦滤波器,由于设计结构复杂,各种参数选取对滤波器的性能影响较大,选取不当反而引起导航精度的降低。本文设计了一种GPS/DR滤波器,这种滤波器当GPS接收机在失锁时仍能够为用户导航,并且该滤波器结构简单,设计简易。本文采用了DMAP,纠正了车辆相对于道路的偏差。实测导航实验验证了该滤波器能够满足导航精度要求,适用于城市中车辆导航应用。  相似文献   

一种提高导航精度的改进滤波方法     

洪海斌  郭杭  殷红  李英成 《测绘通报》2013,(6):9-11

卡尔曼滤波技术是目前GPS/IMU组合导航中应用最广的误差估计关键技术之一。本文在捷联式惯导系统正向导航滤波算法与逆向导航滤波算法基础之上,提出一种将二者有机结合的组合滤波算法,用于事后IMU/GPS联合解算中,以提高组合导航的精度,并通过实际的机载飞行试验数据解算结果验证该方法的可行性。组合滤波后的位置精度达到厘米级,速度误差小于0.02 m/s,航向角精度约为0.2°。  相似文献   

UKF在GPS/INS组合导航系统中的应用     

毛克诚  孙付平  李海丰 《测绘学院学报》2007,(3)

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统工程实现中常用的一种数据融合方式。但EKF线性化误差在一定程度上影响了GPS/INS组合导航系统精度的提高。Unscented卡尔曼滤波器(UKF)是一种非线性滤波器,它能有效地减小线性化误差对GPS/INS组合导航系统精度的影响。基于四元数法建立了GPS/INS组合导航系统的非线性误差方程模型;最后通过数字仿真验证了UKF组合导航系统应用中的性能。  相似文献   

LSTM辅助车载GNSS/INS组合导航算法及性能分析     

刘东亮  成芳  沈朋礼  李晓婉  呼宇航 《全球定位系统》2023,(5):21-31

针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能.  相似文献   

BP神经网络在GPS导航中的应用   总被引：3，自引：0，他引：3  

高为广  原亮  杨华 《测绘工程》2006,15(5):7-10

Kalman滤波常用于GPS动态数据的处理,由于系统存在的不确定性和非先验性,导致滤波产生较大的估计误差,甚至发散。介绍了BP神经网络算法及其非线性逼近能力,并基于BP神经网络的非线性逼近性能设计了BP神经网络进行GPS导航的新算法。实测数据计算结果表明该算法能够真实地反映载体运动轨迹,其导航解具有良好的精度和可靠性。  相似文献   

利用神经网络预测的GPS/SINS组合导航系统算法研究   总被引：2，自引：0，他引：2  

林雪原  鞠建波 《武汉大学学报(信息科学版)》2011,(5):601-604

提出了一种基于神经网络预测的GPS/SINS组合导航系统算法。GPS信号可用时,该算法分别将惯性传感器的输出以及卡尔曼滤波器的输出信息作为神经网络的输入及理想输出信息,并进行在线训练;当GPS信息失锁时,利用已经训练好的神经网络预测各导航参数误差,并校正SINS。地面静态实验与动态跑车实验结果证明了该方法的可行性与有效性。  相似文献   

基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用     

聂建亮  冯来平 《测绘科学与工程》2007,27(3):27-30

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。  相似文献   

顾及动力学模型误差影响的GPS/INS组合导航自适应滤波算法   总被引：1，自引：1，他引：0  

高为广  杨元喜  张双成 《武汉大学学报(信息科学版)》2008,33(2):191-194

在顾及动力学模型随机误差的情况下,设计了一种GPS/INS自适应滤波算法.针对BP神经网络存在的训练速度慢、易陷入局部极小值等问题,对神经网络学习算法进行了改进.利用神经网络进一步减小系统误差对导航解的影响,给出了顾及动力学模型随机误差和系统误差的GPS/INS自适应滤波算法,并利用实测数据验证了算法的有效性.  相似文献   

Comparing DGPS corrections prediction using neural network, fuzzy neural network, and Kalman filter     

M. R. Mosavi 《GPS Solutions》2006,10(2):97-107

Position information obtained from standard global positioning system (GPS) receivers has time variant errors. For effective use of GPS information in a navigation system, it is essential to model these errors. A new approach is presented for improving positioning accuracy using neural network (NN), fuzzy neural network (FNN), and Kalman filter (KF). These methods predict the position components’ errors that are used as differential GPS (DGPS) corrections in real-time positioning. Method validity is verified with experimental data from an actual data collection, before and after selective availability (SA) error. The result is a highly effective estimation technique for accurate positioning, so that positioning accuracy is drastically improved to less than 0.40 m, independent of SA error. The experimental test results with real data emphasize that the total performance of NN is better than FNN and KF considering the trade-off between accuracy and speed for DGPS corrections prediction.  相似文献   

Kalman滤波在高铁桥梁变形预测分析中的应用     

胡小伍 《测绘信息与工程》2014,(5):58-61

针对高速铁路桥梁架梁后许多沉降变形点沉降量级较小,变形曲线呈现＂小量级,大波动＂特点,观测数据中可能存在大量的随机噪声,对沉降变形分析产生干扰,影响预测结果的可信度,本文将Kalman滤波引入到高速铁路桥梁变形分析数据预处理中,建立基于Kalman滤波的动态模糊神经网络模型。通过应用实例分析表明,基于Kalman滤波的动态模糊神经网络模型的预测精度有所改善,具有一定的优势。  相似文献   

大气可降水量预测模型的自适应Kalmam滤波改进     

王建敏  黄佳鹏  席克伟  祝会忠 《测绘科学》2017,(12):127-133

针对现有可降水量预报模型存在预报精度不高等问题,该文提出采用方差分量估计自适应卡尔曼滤波对可降水量数据进行预处理,用以提高径向基神经网络预测模型的预测精度,从而形成高精度预报模型。通过比较不同基站不同时间的数据,分析使用方法的预报精度。实验结果表明:将预测模型应用于全国7个测站进行实验,预测相对精度的平均值可达95%以上,预报残差在10-5左右,残差值小于0.001的占90%以上。在影响因素方面,使用较短时间作为模型原始数据进行预测会得到较好的预测结果。实验证明本预测方法在预报大气可降水量值方面具有较高的精度。  相似文献   

基于自适应UKF的BP神经网络及其在高程拟合中的应用     

聂建亮  秦勇  刘辉 《测绘科学》2007,32(6):120-122

针对BP神经网络收敛速度慢、容易陷入局部极小值点和泛化能力差等问题,基于自适应Kalman滤波理论,提出一种自适应非线性滤波(UKF)训练BP神经网络的方法。该方法采用Kalman滤波框架,引入自适应因子,对神经网络的连接权进行训练,提高了神经网络的学习质量。高程异常拟合算例表明,基于自适应UKF的BP神经网络比标准BP神经网络收敛速度快,泛化能力强,从而证明了该方法是一种有效的连接权训练方法。  相似文献   

Comparing the Kalman filter with a Monte Carlo-based artificial neural network in the INS/GPS vector gravimetric system   总被引：4，自引：1，他引：3  

X. Li 《Journal of Geodesy》2009,83(9):797-804

Rigorous physical and mathematical analysis has been intensively developed to obtain the gravity disturbance vector from the inertial navigation system and the global positioning system. However, the combination of the observation noise and the systematic INS errors make it very challenging to accurately and efficiently describe the dynamics of the system with rigorous equations. Thus, the accuracy of the gravity disturbance estimates, especially in the horizontal components, is limited by the insufficient error models. To overcome the difficulty of directly modeling the systematic errors with exact mathematical equations, a Monte Carlo based artificial neural network is successfully applied in the moving base gravimetric system. The computation results show significant improvement in the precision of all components of the gravity disturbance estimates.  相似文献   

基于神经网络的变形预报方法研究     

李井春  张文朗  夏立福 《测绘与空间地理信息》2011,34(1):151-153,156

对BP,RBF,Elman 3种神经网络模型进行了简要概括,将其应用于实际工程案例中,经过多角度综合分析,验证了3种模型进行变形预报的可行性,同时得出对实际工程具有指导性意义的结论。  相似文献