專(zhuān)利名稱(chēng)：一種基于stkf和wnn的gps/ins組合導(dǎo)航方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，屬于車(chē)輛導(dǎo)航定位技術(shù)領(lǐng)域。
背景技術(shù)：
隨著交通事業(yè)的不斷發(fā)展，交通需求不斷增長(zhǎng)，智能交通系統(tǒng)也隨之不斷發(fā)展。智能交通系統(tǒng)是采用先進(jìn)的信息、電子、系統(tǒng)工程等高科技手段來(lái)對(duì)道路網(wǎng)絡(luò)進(jìn)行更有效地控制和管理，以便更大限度的發(fā)揮現(xiàn)有道路系統(tǒng)的交通效率。在智能交通系統(tǒng)中，關(guān)鍵問(wèn)題是要準(zhǔn)確地知道車(chē)輛當(dāng)前所在位置。進(jìn)入90年代以來(lái)，隨著計(jì)算機(jī)和通信技術(shù)的飛速發(fā)展，車(chē)輛導(dǎo)航定位系統(tǒng)開(kāi)始進(jìn)入真正的實(shí)用階段。特別是美國(guó)全球定位系統(tǒng)(GPS)的建立，為全球范圍內(nèi)的用戶(hù)提供了一種廉價(jià)、實(shí)用的定位手段，使得車(chē)輛導(dǎo)航定位系統(tǒng)的發(fā)展進(jìn)入了聞潮。由于其成本低、便攜式、易與其他傳感器或通信設(shè)備進(jìn)行融合等特點(diǎn)，以GPS為主的車(chē)輛定位系統(tǒng)目前幾乎占據(jù)了全部的市場(chǎng)。但是GPS也有其缺點(diǎn)，普通GPS接收機(jī)由于受到衛(wèi)星鐘差、電離層誤差、大氣層誤差、多路徑誤差等影響，其定位精度為30米左右，遠(yuǎn)遠(yuǎn)不能滿(mǎn)足車(chē)道級(jí)定位的需求。慣性導(dǎo)航系統(tǒng)(INS, Inertial navigation system)是基于慣性傳感器的自主式導(dǎo)航系統(tǒng)，它利用慣性傳感器測(cè)量運(yùn)動(dòng)的角速度和加速度，經(jīng)計(jì)算確定車(chē)輛位置，實(shí)現(xiàn)車(chē)輛的自主定位。但慣性元件的漂移誤差和標(biāo)定誤差將使累積誤差隨著時(shí)間逐漸積累，最終達(dá)到無(wú)法忍受的程度。而且目前高精度的INS系統(tǒng)價(jià)格高昂，很難在車(chē)載導(dǎo)航系統(tǒng)中得到推廣。多傳感器融合技術(shù)的出現(xiàn)極大的推動(dòng)了車(chē)載定位技術(shù)的發(fā)展，利用多傳感器融合技術(shù)，將低精度的GPS和INS組合在一起，即能得到高精度的組合導(dǎo)航定位結(jié)果。GPS/INS組合導(dǎo)航系統(tǒng)能夠使導(dǎo)航系統(tǒng)維持長(zhǎng)時(shí)間的穩(wěn)定和高精度，但是其導(dǎo)航性能依然受到環(huán)境的限制。比如當(dāng)載體長(zhǎng)期運(yùn)行于城市、隧道等環(huán)境時(shí)，由于建筑物遮擋，GPS信號(hào)可能會(huì)出現(xiàn)長(zhǎng)時(shí)間的失鎖，INS不能提供長(zhǎng)時(shí)間、高精度導(dǎo)航的缺點(diǎn)會(huì)導(dǎo)致GPS/INS組合導(dǎo)航系統(tǒng)出現(xiàn)嚴(yán)重的性能下降。因此，針對(duì)GPS長(zhǎng)期失鎖狀況下的INS導(dǎo)航誤差補(bǔ)償研究顯得尤為重要。針對(duì)GPS失鎖狀況下對(duì)INS導(dǎo)航誤差進(jìn)行補(bǔ)償?shù)倪@一類(lèi)問(wèn)題，國(guó)內(nèi)外學(xué)者提出了一些解決方法，大致可以分為兩類(lèi):一是增加其他傳感器或其他輔助設(shè)備，如車(chē)載GPS/INS組合導(dǎo)航系統(tǒng)與視覺(jué)傳感器、里程計(jì)、地圖匹配、路網(wǎng)輔助以及車(chē)輛協(xié)同等方法的結(jié)合，這些方法在一定程度上很好的解決的GPS失鎖帶來(lái)的影響，但勢(shì)必也增加了成本，提高了系統(tǒng)復(fù)雜性；二是利用人工智能輔助算法建立INS導(dǎo)航誤差模型，在GPS失鎖的時(shí)候利用建立的模型對(duì)INS導(dǎo)航誤差進(jìn)行補(bǔ)償。其中人工智能輔助算法由于其實(shí)現(xiàn)簡(jiǎn)單且成本低廉而得到了廣泛關(guān)注。

發(fā)明內(nèi)容
本發(fā)明提出了一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，該方法克服了 GPS失鎖帶來(lái)的組合導(dǎo)航系統(tǒng)精度下降的問(wèn)題，能夠提供持久的高精度導(dǎo)航。該方法首先在GPS信號(hào)良好的情況下利用小波神經(jīng)網(wǎng)絡(luò)(WNN)建立INS導(dǎo)航誤差模型，以先前時(shí)刻STKF(強(qiáng)跟蹤濾波器，英文Strong Tracking Kalman Filter)的輸出作為WNN的輸入，以當(dāng)前時(shí)刻STKF的輸出作為WNN的理想輸出對(duì)WNN進(jìn)行訓(xùn)練，當(dāng)GPS信號(hào)失鎖時(shí)，依靠訓(xùn)練好的WNN模型對(duì)INS系統(tǒng)誤差進(jìn)行補(bǔ)償。本發(fā)明為解決其技術(shù)問(wèn)題采用如下技術(shù)方案:
一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，包括下列步驟:
(1)將GPS/INS組合導(dǎo)航系統(tǒng)的運(yùn)行區(qū)域分為訓(xùn)練區(qū)域和誤差補(bǔ)償區(qū)域兩部分，所述訓(xùn)練區(qū)域?yàn)镚PS信號(hào)良好的區(qū)域，所述補(bǔ)償區(qū)域?yàn)镚PS信號(hào)失鎖時(shí)的區(qū)域；
(2)在訓(xùn)練區(qū)域，GPS和INS導(dǎo)航系統(tǒng)同時(shí)正常工作，首先將INS測(cè)量得到的位置、速度信息與GPS測(cè)量得到的位置、速度信息作差，并將作差結(jié)果輸入強(qiáng)跟蹤卡爾曼濾波器(STKF)進(jìn)行數(shù)據(jù)融合，以得到INS系統(tǒng)導(dǎo)航誤差的估計(jì)值；
(3)在采用STKF進(jìn)行數(shù)據(jù)融合，并得到INS導(dǎo)航誤差估計(jì)值的同時(shí)，將先前時(shí)刻得到的該導(dǎo)航誤差估計(jì)值作為WNN誤差模型的輸入，將當(dāng)前時(shí)刻得到的導(dǎo)航誤差估計(jì)值作為WNN誤差模型的理想輸出，對(duì)WNN誤差模型進(jìn)行建模訓(xùn)練；
(4)當(dāng)GPS失鎖時(shí)，即車(chē)輛進(jìn)入誤差補(bǔ)償區(qū)域，在這一區(qū)域，GPS/INS組合導(dǎo)航系統(tǒng)無(wú)法得到GPS信號(hào)，利用INS完成自主導(dǎo)航，此時(shí)利用在訓(xùn)練區(qū)域得到的WNN誤差模型對(duì)INS輸出的導(dǎo)航信息進(jìn)行誤差補(bǔ)償，以得到導(dǎo)航定位結(jié)果。步驟(I)中所述GPS/INS組合導(dǎo)航系統(tǒng)，其組合方式為位置速度誤差松組合方式。步驟(2)中所述數(shù)據(jù)融合方法包含卡爾曼濾波、粒子濾波，以及基于卡爾曼和粒子濾波的改進(jìn)數(shù)據(jù)融合方法。步驟(3)中所述的WNN誤差模型為一種先驗(yàn)誤差模型，即模型的輸入為STKF先前時(shí)刻輸出的估計(jì)誤差，模型的理想輸出為STKF當(dāng)前時(shí)刻輸出的估計(jì)誤差。本發(fā)明的有益效果如下:
(I)提出了新的INS導(dǎo)航誤差先驗(yàn)?zāi)Ｐ?，其輸入為先前時(shí)刻STKF輸出的INS導(dǎo)航誤差估計(jì)值，輸出為當(dāng)前時(shí)刻STKF輸出的INS導(dǎo)航誤差估計(jì)值。該模型充分考慮到INS導(dǎo)航誤差的趨勢(shì)性，能夠得到比傳統(tǒng)方法精度更高的INS導(dǎo)航誤差補(bǔ)償結(jié)果。(2) 利用強(qiáng)跟蹤卡爾曼濾波器對(duì)INS和GPS的輸出信息進(jìn)行數(shù)據(jù)融合，能得到比傳統(tǒng)卡爾曼濾波器更準(zhǔn)確的濾波結(jié)果。(3) 利用小波神經(jīng)網(wǎng)絡(luò)對(duì)INS導(dǎo)航誤差進(jìn)行建模，可得到精度較高的誤差預(yù)測(cè)模型。


圖1為基于STKF和WNN的GPS/INS導(dǎo)航誤差訓(xùn)練框圖。圖2為基于STKF和WNN的GPS/INS導(dǎo)航誤差補(bǔ)償框圖。圖3為WNN訓(xùn)練框圖。圖4為WNN預(yù)測(cè)框圖。
具體實(shí)施例方式 下面結(jié)合附圖對(duì)本發(fā)明創(chuàng)造做進(jìn)一步詳細(xì)說(shuō)明。本發(fā)明的原理是:GPS/INS是目前應(yīng)用最廣泛的組合導(dǎo)航系統(tǒng)。盡管GPS能夠?yàn)榈厍蛏先魏蔚攸c(diǎn)的用戶(hù)提供導(dǎo)航信息，但GPS要求捕獲四顆或更多的衛(wèi)星，所以在城市、峽谷或者森林等地區(qū)，由于受建筑物、山體、樹(shù)木等遮擋，導(dǎo)致GPS信號(hào)衰減或失鎖，此時(shí)組合導(dǎo)航系統(tǒng)中只有INS能夠正常使用，INS在長(zhǎng)時(shí)間工作時(shí)的漂移會(huì)導(dǎo)致整個(gè)系統(tǒng)導(dǎo)航定位精度下降，甚至無(wú)法正常工作。因此必須對(duì)GPS失鎖情況下的INS誤差進(jìn)行補(bǔ)償。在傳統(tǒng)的對(duì)INS誤差進(jìn)行建模及補(bǔ)償?shù)姆椒ㄖ校嗖捎萌斯ぶ悄芊椒ń⑤斎霝橥勇輧x、加速度計(jì)輸出信號(hào)，輸出為INS位置誤差和速度誤差的模型，該方法能夠有效的在GPS失鎖時(shí)對(duì)INS誤差進(jìn)行預(yù)測(cè)，得到良好的誤差補(bǔ)償結(jié)果。但是，傳統(tǒng)方法忽略了 INS誤差的趨勢(shì)性，即當(dāng)前時(shí)刻的INS誤差是與先前時(shí)刻的INS誤差有關(guān)的。因此，本發(fā)明提出了一種先驗(yàn)INS誤差模型，即以先前時(shí)刻的INS誤差作為模型輸入，以當(dāng)前時(shí)刻的INS誤差作為模型輸出來(lái)對(duì)模型進(jìn)行訓(xùn)練，從而在GPS失鎖時(shí)對(duì)INS誤差進(jìn)行預(yù)測(cè)并補(bǔ)償。為了得到高精度的模型，本發(fā)明將STKF和WNN引入到模型中，并得到了良好的建模和誤差補(bǔ)償結(jié)果。如圖1為基于STKF和WNN的GPS/INS導(dǎo)航誤差訓(xùn)練框圖，由圖可見(jiàn):當(dāng)GPS正常工作時(shí)，以先前時(shí)刻STKF輸出的位置、速度誤差為輸入，以當(dāng)前時(shí)刻STKF輸出的位置、速度誤差為輸出對(duì)WNN進(jìn)行訓(xùn)練。WNN訓(xùn)練如圖3所示:在訓(xùn)練區(qū)域，GPS與INS同時(shí)工作，首先將GPS測(cè)量的位置、速度信息與INS測(cè)量的位置、速度信息作差，并將作差結(jié)果輸入STKF濾波器進(jìn)行數(shù)據(jù)融合，得出INS導(dǎo)航誤差并對(duì)系統(tǒng)輸出進(jìn)行補(bǔ)償；同時(shí)，將先前時(shí)刻STKF輸出的INS導(dǎo)航誤差估計(jì)值作為WNN的輸入，將當(dāng)前時(shí)刻STKF輸出的INS導(dǎo)航誤差估計(jì)值作為WNN的理想輸出，對(duì)WNN進(jìn)行訓(xùn)練，建立INS誤差模型。預(yù)測(cè)過(guò)程如圖2所示，WNN的預(yù)測(cè)模型如圖4所示。當(dāng)載體進(jìn)入GPS失鎖區(qū)域時(shí)，GPS/INS組合導(dǎo)航系統(tǒng)進(jìn)入誤差補(bǔ)償階段。在這一區(qū)域，組合導(dǎo)航系統(tǒng)無(wú)法獲得GPS測(cè)量結(jié)果，只能依靠INS完成這一部分的自主導(dǎo)航。此時(shí)INS利用在訓(xùn)練區(qū)域得到的WNN誤差模型對(duì)測(cè)量的導(dǎo)航信息進(jìn)行誤差補(bǔ)償，得到最優(yōu)的導(dǎo)航信息。從而避免了因GPS無(wú)法工作導(dǎo)致的導(dǎo)航精度迅速下降的問(wèn)題，具有良好的誤差補(bǔ)償效果。
權(quán)利要求
1.一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，其特征在于，包括下列步驟: (1)將GPS/INS組合導(dǎo)航系統(tǒng)的運(yùn)行區(qū)域分為訓(xùn)練區(qū)域和誤差補(bǔ)償區(qū)域兩部分，所述訓(xùn)練區(qū)域?yàn)镚PS信號(hào)良好的區(qū)域，所述補(bǔ)償區(qū)域?yàn)镚PS信號(hào)失鎖時(shí)的區(qū)域； (2)在訓(xùn)練區(qū)域，GPS和INS導(dǎo)航系統(tǒng)同時(shí)正常工作，首先將INS測(cè)量得到的位置、速度信息與GPS測(cè)量得到的位置、速度信息作差，并將作差結(jié)果輸入強(qiáng)跟蹤卡爾曼濾波器進(jìn)行數(shù)據(jù)融合，得到INS系統(tǒng)導(dǎo)航誤差的估計(jì)值； (3)在采用強(qiáng)跟蹤卡爾曼濾波器進(jìn)行數(shù)據(jù)融合，并得到INS導(dǎo)航誤差估計(jì)值的同時(shí)，將先前時(shí)刻得到的該導(dǎo)航誤差估計(jì)值作為WNN誤差模型的輸入，將當(dāng)前時(shí)刻得到的導(dǎo)航誤差估計(jì)值作為WNN誤差模型的理想輸出，對(duì)WNN誤差模型進(jìn)行建模訓(xùn)練； (4)當(dāng)GPS失鎖時(shí)，即車(chē)輛進(jìn)入誤差補(bǔ)償區(qū)域，在這一區(qū)域，GPS/INS組合導(dǎo)航系統(tǒng)無(wú)法得到GPS信號(hào)，利用INS完成自主導(dǎo)航，此時(shí)利用在訓(xùn)練區(qū)域得到的WNN誤差模型對(duì)INS輸出的導(dǎo)航信息進(jìn)行誤差補(bǔ)償，以得到導(dǎo)航定位結(jié)果。
2.根據(jù)權(quán)利要求1中所述的一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，其特征在于:步驟(I)中所述GPS/INS組合導(dǎo)航系統(tǒng)，其組合方式為位置速度誤差松組合方式。
3.根據(jù)權(quán)利要求1中所述的一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，其特征在于:步驟(2)中所述數(shù)據(jù)融合方法包含卡爾曼濾波、粒子濾波，以及基于卡爾曼和粒子濾波的改進(jìn)數(shù)據(jù)融合方法。
4.根據(jù)權(quán)利要求1中所述的一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，其特征在于:步驟(3)中所述的WNN誤差模型為一種先驗(yàn)誤差模型，即模型的輸入為STKF先前時(shí)刻輸出的估計(jì)誤差，模型的理想輸出為STKF當(dāng)前時(shí)刻輸出的估計(jì)誤差。
全文摘要
本發(fā)明涉及一種基于STKF和WNN的GPS/INS組合導(dǎo)航方法，屬于車(chē)輛導(dǎo)航定位技術(shù)領(lǐng)域。該方法步驟如下一、在GPS信號(hào)有效時(shí)，利用小波神經(jīng)網(wǎng)絡(luò)(WNN)建立INS導(dǎo)航系統(tǒng)的導(dǎo)航誤差模型；二、在GPS信號(hào)失鎖時(shí)，依靠之前訓(xùn)練得到的WNN誤差模型對(duì)導(dǎo)航系統(tǒng)誤差進(jìn)行補(bǔ)償。本方法可以有效解決GPS失鎖對(duì)GPS/INS組合導(dǎo)航系統(tǒng)的影響，提供長(zhǎng)時(shí)間、高精度的導(dǎo)航定位結(jié)果。
文檔編號(hào)G01C21/28GK103149580SQ20131004234
公開(kāi)日2013年6月12日 申請(qǐng)日期2013年2月4日 優(yōu)先權(quán)日2013年2月4日
發(fā)明者陳熙源, 申沖, 徐元, 黃浩乾, 方琳 申請(qǐng)人:東南大學(xué)