[發明專利]一種Adaboost優化的車載MIMUs/GPS信息融合方法及系統

在審

• 申請號: 201711062540.2
• 申請日: 2017-10-26
• 公開（公告）號: CN107944467A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 夏琳琳;趙耀;馬文杰;叢靖宇;田海軍;陳東升
• 申請（專利權）人: 東北電力大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G01S19/49;G01C21/16;G01C21/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種Adaboost優化的車載MIMUs/GPS信息融合方法，其特征在于，包括如下步驟：

S1：GPS可用時，系統在速度-位置組合模式下工作，采集MIMUs慣性器件的輸出和同一時刻INS、GPS分別解算的速度、位置信息的差值，將Kalman濾波觀測值作為訓練樣本；

S2：利用步驟S1所采集到的訓練樣本，采用Adaboost方法對BP神經網絡進行離線訓練，得到一個強學習器；

S3：GPS失鎖時，利用上一步訓練得到的強學習器對組合導航系統的濾波觀測值進行在線預測；

S4：將步驟S3得到的預測信息送入Kalman濾波器，完成組合導航系統的信息融合。

2.如權利要求1所述的一種Adaboost優化的車載MIMUs/GPS信息融合方法，其特征在于，具體包括如下步驟：

S1：在GPS正常工作時，MIMUs/GPS組合導航系統正常工作，采集MEMS陀螺儀的輸出wibb和加速度計的輸出fb作為訓練的輸入樣本，同時采集MIMUs解算出的速度、位置信息與GPS接收機的輸出值，將二者作差，作為輸出期望值；

S2：利用上述所采集的樣本，采用BP算法進行一次訓練，得到一個學習器，基于此學習器，采用Adaboost方法進行3次迭代，分別得到弱學習器l₁(x)、l₂(x)、l₃(x)，加權后得到一個用于GPS失鎖時組合導航系統觀測值的預測的強學習器；

S3：GPS失鎖時，將MEMS慣性器件的輸出作為步驟S2中訓練得到的強學習器的輸入，對MIMUs與GPS輸出之間的誤差，即Kalman濾波的觀測值進行在線預測，將得到的預測信息送入Kalman濾波器，完成組合導航系統的信息融合。

3.如權利要求2所述的一種Adaboost優化的車載MIMUs/GPS信息融合方法，其特征在于，所述的Adaboost方法實現的具體步驟如下：

(1)給定一個訓練算法和訓練集；

(2)初始化訓練集中各個訓練樣本的分布，將初始時的樣本分布D₁(i)設為均勻分布，設樣本總數為N，則D₁(i)＝1/N，其中，i為樣本序數；

(3)根據訓練樣本的概率分布D_t(i)采集訓練樣本，得到一個弱學習器l_t(x)，其中，t為當前迭代次數；

(4)計算在當前得到的學習器下各訓練樣本的誤差e(i)以及誤差的平均值e_t：

et=1NΣi=1Ne(i);]]>

(5)計算當前學習器的權重W_t：

Wt=12ln(1-etet);]]>

(6)調整下次迭代時的樣本分布，公式為：

Dt+1(i)=Dt(i)(et1-et)-e(i)]]>

對樣本分布進行歸一化處理，確保各樣本的采樣概率和為1；

(7)重復步驟(3)-(6)，直至迭代次數為T為止；

(8)將T個弱學習器的權重W_t歸一化之后加權結合，得到最終的強學習器L(x)；

L(x)=Σt=1TWtlt(x).]]>