[發明專利]一種基于北斗GNSS的高精度定位方法、裝置及系統

在審

• 申請號: 202010634769.4
• 申請日: 2020-07-02
• 公開（公告）號: CN111796310A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 宋欣
• 申請（專利權）人: 武漢北斗星度科技有限公司
• 主分類號: G01S19/37
• 分類號: G01S19/37;G06N3/04;G06N3/08
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 廉海濤

1.一種基于北斗GNSS的高精度定位方法，其特征在于，包括如下步驟：

接收隨機噪聲，構建LSGAN神經網絡模型；

當北斗GNSS信號可用時，LSGAN神經網絡處于訓練模式：將慣性導航系統輸出的三維位置信息以及經卡爾曼濾波器融合后輸出的慣性導航系統誤差補償值作為LSGAN神經網絡訓練的輸入樣本；獲取真實的所述輸入樣本，對所述輸入樣本進行不同幅度的變換，保存輸入樣本和所述變換輸入樣本，得到變換輸入樣本集；將所述變換輸入樣本集中的變換輸入樣本分別輸入到判別網絡的多通道卷積網絡的各個通道中，進行特征的提取和融合，得到輸出結果；

當北斗GNSS信號缺失時，LSGAN神經網絡進入預測模式，以慣性導航系統輸出的導航位置信息作為訓練后的網絡的輸入，利用訓練后的LSGAN神經網絡模型預測出慣性導航系統的誤差值，利用該誤差值得到修正后的三維位置信息。

2.根據權利要求1所述的基于北斗GNSS的高精度定位方法，其特征在于，還包括：

當LSGAN神經網絡實際輸出與期望輸出樣本之間的誤差值大于設定的閾值，循環利用LSGAN神經網絡算法得到其網絡權值的更新值，直至LSGAN神經網絡的實際輸出與期望的輸出之間的誤差小于設定的閾值。

3.根據權利要求1所述的基于北斗GNSS的高精度定位方法，其特征在于，所述LSGAN的生成網絡包括：依次相連的第一全連接層、第一微步幅卷積層、第二微步幅卷積層、第三微步幅卷積層、第四微步幅卷積層、第五微步幅卷積層、第六微步幅卷積層、第七微步幅卷積層和第二全連接層共九層。

4.根據權利要求1所述的基于北斗GNSS的高精度定位方法，其特征在于，所述LSGAN的判別網絡包括：依次相連的第一特征提取層、第一特征映射層、第一inception層、第二特征提取層、第二特征映射層、第二inception層和第一全連接層和最小二乘損失計算層。

5.根據權利要求1至4中任一項所述的基于北斗GNSS的高精度定位方法，其特征在于，所述對所述輸入樣本進行變換，得到變換輸出樣本的過程，包括：對所述卡爾曼濾波器融合后輸出的慣性導航誤差補償值中的航向角、橫滾角、俯仰角分別進行水平方向，四十五度方向，六十度方向，九十度方向，一百二十度方向，一百三十五度方向，一百五十度方向得到變換的輸出樣本。

6.根據權利要求5所述的基于北斗GNSS的高精度定位方法，其特征在于，將所述變換樣本集中的變換樣本分別輸入到判別網絡的多通道卷積網絡的各個通道中，進行特征的提取和融合的過程包括：將所述變換輸入樣本集中的七種變換樣本按照梯度變化相應的輸入到判別網絡的多通道卷積網絡中的七個通道，每個通道提取相應的變換樣本的特征，將七個通道的特征通過隨機形式進行特征融合。

7.一種基于北斗GNSS的高精度定位裝置，包括生成模塊、變換模塊、判別模塊，

生成模塊，用于接收噪聲和獲取當前三維位置以及卡爾曼濾波器融合后輸出的慣性導航誤差補償值，生成三維信息；

變換模塊，用于接收真實的卡爾曼濾波器融合后輸出的慣性導航系統誤差補償值，對所述慣性導航系統誤差補償值作不同角度的變換，保存所述慣性導航系統誤差補償值和其變換值作為輸入樣本，得到變換樣本集；

判別模塊，利用LSGAN神經網絡將所述變換輸入樣本集中的變換輸入樣本分別輸入到判別網絡的多通道卷積網絡的各個通道中，進行特征的提取和融合，得到輸出結果。

8.根據權利要求7所述基于北斗GNSS的高精度定位裝置，其特征在于，所述生成模塊包括生成網絡單元，所述生成網絡單元包括依次相連的第一全連接層、第一微步幅卷積層、第二微步幅卷積層、第三微步幅卷積層、第四微步幅卷積層、第五微步幅卷積層、第六微步幅卷積層、第七微步幅卷積層和第二全連接層共九層。