留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

神经网络在SINS/GPS组合定位中的应用

储诚涛 吴峻

储诚涛, 吴峻. 神经网络在SINS/GPS组合定位中的应用[J]. 全球定位系统, 2021, 46(2): 104-110. doi: 10.12265/j.gnss.2020120802
引用本文: 储诚涛, 吴峻. 神经网络在SINS/GPS组合定位中的应用[J]. 全球定位系统, 2021, 46(2): 104-110. doi: 10.12265/j.gnss.2020120802
CHU Chengtao, WU Jun. Application of neural network in SINS/GPS combined positioning[J]. GNSS World of China, 2021, 46(2): 104-110. doi: 10.12265/j.gnss.2020120802
Citation: CHU Chengtao, WU Jun. Application of neural network in SINS/GPS combined positioning[J]. GNSS World of China, 2021, 46(2): 104-110. doi: 10.12265/j.gnss.2020120802

神经网络在SINS/GPS组合定位中的应用

doi: 10.12265/j.gnss.2020120802
详细信息
    作者简介:

    储诚涛:(1995—),男,硕士研究生,研究方向为SINS/GPS 组合导航

    吴峻:(1965—)男,博士研究生,副教授,研究方向为导航、制导与控制

    通讯作者:

    储诚涛 E-mail:13767129667@163.com

  • 中图分类号: P227.9;P228.49

Application of neural network in SINS/GPS combined positioning

  • 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.

     

  • 图  1  RNN结构

    图  2  LSTM循环网络“细胞”

    图  3  组合定位系统结构图

    图  4  运动轨迹路线图

    图  5  LSTM神经网络模型结构

    图  6  学习曲线

    图  7  东向位置误差

    图  8  北向位置误差

    图  9  东向速度误差

    图  10  北向速度误差

    表  1  GPS信号“失效”

    序号“失效”时间段/s运动状态时间长度/s
    #1360~375直线15
    #2420~450左转弯30
    #3756~786右转弯30
    #4830~860直线30
    下载: 导出CSV

    表  2  验证集

    序号时间段/s运动状态时间长度/s
    @1186~216左转弯30
    @2590~620直线30
    @3980~1 010右转弯30
    下载: 导出CSV

    表  3  不同位置RMSE m

    序号SINS/GPSSINS/LSTMSINS
    东向北向东向北向东向北向
    #10.019850.057260.195530.696940.294690.28168
    #20.038340.115820.454340.658700.106111.02962
    #30.011700.064540.352560.264160.152563.54656
    #40.050200.118560.280490.564770.834222.87904
    下载: 导出CSV

    表  4  速度RMSE m/s

    序号SINS/GPSSINS/LSTMSINS
    东向北向东向北向东向北向
    #10.009300.024200.061710.018840.047360.04916
    #20.006120.013030.051770.014500.081210.06416
    #30.008460.004230.016450.008020.306600.05234
    #40.004870.010880.046590.013670.245640.06179
    下载: 导出CSV
  • [1] 严恭敏, 邓瑀. 传统组合导航中的实用Kalman滤波技术评述[J]. 导航定位与授时, 2020, 7(2): 50-64.
    [2] 付梦印, 邓志红, 闫莉萍. Kalman 滤波理论及其在导航系统中的应用[M]. 2版. 北京: 科学出版社, 2010.
    [3] 张健. 基于地籍测量的GNSS/SINS组合定位技术研究[D]. 南京: 东南大学, 2016.
    [4] 王永杰, 吴峻. 改进型CKF算法及其在GNSS/INS中的应用[J]. 测控技术, 2018, 37(4): 112-115, 119. DOI: 10.3969/j.issn.1000-8829.2018.04.025
    [5] 严甲汉, 郭承军. 卷积神经网络辅助的组合导航自适应滤波算法[C]//第九届中国卫星导航学术年会, 2018: 61-64.
    [6] 徐晓苏, 周峰, 张涛, 等. 遗传算法优化的神经网络在SINS/GPS中的应用[J]. 中国惯性技术学报, 2015, 23(3): 322-327.
    [7] 陈光武, 李文元, 于月, 等. 基于改进径向基神经网络的MEMS惯导系统误差抑制方法[J]. 中国惯性技术学报, 2019, 27(1): 15-22, 94.
    [8] 陈光武, 程鉴皓, 杨菊花, 等. 基于改进神经网络增强自适应UKF的组合导航系统[J]. 电子与信息学报, 2019, 41(7): 1766-1773. DOI: 10.11999/JEIT181171
    [9] WANG G C, XU X S, YAO Y Q, et al. A novel BPNN-based method to overcome the GPS outages for INS/GPS system[J]. IEEE access, 2019(99): 1-1. DOI: 10.1109/ACCESS.2019.2922212
    [10] DAI H F, BIAN H W, WANG R Y, et al. An INS/GNSS integrated navigation in GNSS denied environment using recurrent neural network[J]. Defence technology, 2020, 16(2): 334-340. DOI: 10.1016/j.dt.2019.08.011
    [11] FANG W, JIANG J G, LU S Q, et al. A LSTM algorithm estimating pseudo measurements for aiding INS during GNSS signal outages[J]. Remote sensing, 2020, 12(2): 256. DOI: 10.3390/rs12020256
    [12] ZHANG Y X. A fusion methodology to bridge GPS outages for INS/GPS integrated navigation system[J]. IEEE access, 2019(7): 61296-61306. DOI: 10.1109/ACCESS.2019.2911025
    [13] 强明辉, 蒋文. 改进的自适应滤波算法在BDS/INS组合导航中的应用[J]. 全球定位系统, 2018, 43(3): 1-6.
    [14] 陈怀宇, 尹达一, 张泉. LSTM网络提高MEMS惯导定位精度的分析及验证[J]. 中国惯性技术学报, 2018, 26(5): 610-615.
    [15] 李世玺, 孙宪坤, 尹玲, 等. 一种基于混沌理论和LSTM的GPS高程时间序列预测方法[J]. 导航定位学报, 2020, 8(1): 65-73. DOI: 10.3969/j.issn.2095-4999.2020.01.012
  • 加载中
图(10) / 表(4)
计量
  • 文章访问数:  588
  • HTML全文浏览量:  249
  • PDF下载量:  78
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-12-08
  • 网络出版日期:  2021-04-28
  • 刊出日期:  2021-05-13

目录

    /

    返回文章
    返回