[發(fā)明專利]一種Adaboost優(yōu)化的車載MIMUs/GPS信息融合方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201711062540.2
• 申請(qǐng)日: 2017-10-26
• 公開（公告）號(hào): CN107944467A
• 公開（公告）日: 2018-04-20
• 發(fā)明（設(shè)計(jì)）人: 夏琳琳;趙耀;馬文杰;叢靖宇;田海軍;陳東升
• 申請(qǐng)（專利權(quán)）人: 東北電力大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/08;G01S19/49;G01C21/16;G01C21/20
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及組合導(dǎo)航信息處理領(lǐng)域，具體涉及一種Adaboost優(yōu)化的車載MIMUs/GPS信息融合方法及系統(tǒng)。

背景技術(shù)

現(xiàn)有的基于MEMS的IMU/GPS組合導(dǎo)航系統(tǒng)具有尺寸小，可靠性高的特點(diǎn)，可為車載導(dǎo)航系統(tǒng)提供成本較低、精度較高的導(dǎo)航方案。但由于GPS存在多路徑效應(yīng)影響、抗干擾能力差、低信噪比等缺點(diǎn)，而陸地載體在運(yùn)行過(guò)程中不可避免地存在在外部環(huán)境的干擾(如遇高建筑物遮擋，駛過(guò)隧道等)，從而會(huì)導(dǎo)致衛(wèi)星信號(hào)接收不良。一旦GPS信號(hào)發(fā)生異常，或接收到信號(hào)的衛(wèi)星數(shù)不足以完成衛(wèi)星定位，工作在速度一位置模式下的組合導(dǎo)航系統(tǒng)將失去意義，此時(shí)整個(gè)系統(tǒng)將工作在純慣性導(dǎo)航的模式下。可以預(yù)見(jiàn)的是，由于MEMS慣性測(cè)量元件的精度不高，必會(huì)引起導(dǎo)航參數(shù)的誤差隨時(shí)間逐漸積累，導(dǎo)航精度無(wú)法保證。

為了在GPS失鎖期間得到持續(xù)的、高精度的導(dǎo)航信息，出現(xiàn)一種人工神經(jīng)網(wǎng)絡(luò)計(jì)算智能的方法來(lái)輔助組合導(dǎo)航系統(tǒng)是必要的。

發(fā)明內(nèi)容

為解決上述問(wèn)題，本發(fā)明提供了一種Adaboost優(yōu)化的車載MIMUs/GPS信息融合方法及系統(tǒng)，采用基于Adaboost改進(jìn)的BP方法能有效地預(yù)測(cè)出松組合模式下導(dǎo)航系統(tǒng)濾波的觀測(cè)值，在不損失系統(tǒng)實(shí)時(shí)性的前提下，確保濾波器具有了理想的導(dǎo)航預(yù)測(cè)穩(wěn)定性和預(yù)測(cè)精度。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

一種Adaboost優(yōu)化的車載MIMUs/GPS信息融合方法，包括如下步驟：

S1：GPS可用時(shí)，系統(tǒng)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(shí)刻INS、GPS分別解算的速度、位置信息的差值，將Kalman濾波觀測(cè)值作為訓(xùn)練樣本；

S2：利用步驟S1所采集到的訓(xùn)練樣本，采用Adaboost方法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練，得到一個(gè)強(qiáng)學(xué)習(xí)器；

S3：GPS失鎖時(shí)，利用上一步訓(xùn)練得到的強(qiáng)學(xué)習(xí)器對(duì)組合導(dǎo)航系統(tǒng)的濾波觀測(cè)值進(jìn)行在線預(yù)測(cè)；

S4：將步驟S3得到的預(yù)測(cè)信息送入Kalman濾波器，完成組合導(dǎo)航系統(tǒng)的信息融合。

優(yōu)選地，具體包括如下步驟：

S1：在GPS正常工作時(shí)，MIMUs/GPS組合導(dǎo)航系統(tǒng)正常工作，采集MEMS陀螺儀的輸出wibb和加速度計(jì)的輸出fb作為訓(xùn)練的輸入樣本，同時(shí)采集MIMUs解算出的速度、位置信息與GPS接收機(jī)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(jìn)行一次訓(xùn)練，得到一個(gè)學(xué)習(xí)器，基于此學(xué)習(xí)器，采用Adaboost方法進(jìn)行3次迭代，分別得到弱學(xué)習(xí)器l₁(x)、l₂(x)、l₃(x)，加權(quán)后得到一個(gè)用于GPS失鎖時(shí)組合導(dǎo)航系統(tǒng)觀測(cè)值的預(yù)測(cè)的強(qiáng)學(xué)習(xí)器；

S3：GPS失鎖時(shí)，將MEMS慣性器件的輸出作為步驟S2中訓(xùn)練得到的強(qiáng)學(xué)習(xí)器的輸入，對(duì)MIMUs與GPS輸出之間的誤差，即Kalman濾波的觀測(cè)值進(jìn)行在線預(yù)測(cè)，將得到的預(yù)測(cè)信息送入Kalman濾波器，完成組合導(dǎo)航系統(tǒng)的信息融合。

其中，所述的Adaboost方法實(shí)現(xiàn)的具體步驟如下：

(1)給定一個(gè)訓(xùn)練算法和訓(xùn)練集；

(2)初始化訓(xùn)練集中各個(gè)訓(xùn)練樣本的分布，將初始時(shí)的樣本分布D₁(i)設(shè)為均勻分布，設(shè)樣本總數(shù)為N，則D₁(i)＝1/N，其中，i為樣本序數(shù)；

(3)根據(jù)訓(xùn)練樣本的概率分布D_t(i)采集訓(xùn)練樣本，得到一個(gè)弱學(xué)習(xí)器l_t(x)，其中，t為當(dāng)前迭代次數(shù)；

(4)計(jì)算在當(dāng)前得到的學(xué)習(xí)器下各訓(xùn)練樣本的誤差e(i)以及誤差的平均值e_t：

(5)計(jì)算當(dāng)前學(xué)習(xí)器的權(quán)重W_t：

(6)調(diào)整下次迭代時(shí)的樣本分布，公式為：

對(duì)樣本分布進(jìn)行歸一化處理，確保各樣本的采樣概率和為1；

(7)重復(fù)步驟(3)-(6)，直至迭代次數(shù)為T為止；

(8)將T個(gè)弱學(xué)習(xí)器的權(quán)重W_t歸一化之后加權(quán)結(jié)合，得到最終的強(qiáng)學(xué)習(xí)器L(x)；

本發(fā)明還提供了一種Adaboost優(yōu)化的車載MIMUs/GPS信息融合系統(tǒng)，系統(tǒng)的狀態(tài)方程為：

對(duì)于陸地載體，不對(duì)其天向速度和高度信息進(jìn)行估計(jì)，狀態(tài)變量表示為：