朱 楠,赵洪博,孙 超,冯文全
(北京航空航天大学 电子信息工程学院,北京 100191)
一种基于EKF和ANN的车载组合导航方法
朱 楠,赵洪博,孙 超,冯文全
(北京航空航天大学 电子信息工程学院,北京 100191)
车载组合导航通常选用GPS和INS作为子系统,由于车载导航中实时性的要求,选用复杂度较低的扩展卡尔曼(EKF)作为组合导航滤波方法。提出了一种基于神经网络(ANN)和EKF相结合的方法进行组合导航。当GPS信号有效时,对ANN进行训练;当GPS发生间隔时,ANN的输出分量去修正INS输出偏差。同时考虑到GPS和INS信号中高频噪声的存在,采用小波变换方法进行预处理去噪,从而提高ANN训练样本的精度。跑车试验证明,所提出的车载组合导航方法,位置定位平均误差小于 3.5 m,可满足车载导航的实际需求。
车载导航;扩展卡尔曼;神经网络;小波多尺度分析
全球定位系统(GPS)被广泛应用于车载导航领域,当可见卫星数目达到4个或以上时,该系统可以提供连续、精确的导航信息,但GPS信号遮挡会造成定位精度降低。而惯性导航系统(INS)是个独立运行系统,仅具有短期精度。由于传感器累积误差,INS的导航性能会随着时间的推移而降低。
为了克服各自系统的不足,现代车载导航系统通常将两种方法相结合。GPS具有长时精度,因此被用来更新INS位置和速度分量,并抑制INS误差累计。INS提供精确的短期信息,可以弥补GPS信号遮挡造成的短时间隔。卡尔曼滤波器(KF)是用于随机模型和先验知识已知情况下的信息融合算法[1],其缺点如下:(1)在低质量传感器条件下,精确的数学模型难以获得;(2)车载导航系统和测量设备的先验信息难以精确确定。……