[發明專利]利用神經網絡模型在線學習和補償的GNSS/INS組合導航方法

有效

• 申請號: 202310769700.6
• 申請日: 2023-06-28
• 公開（公告）號: CN116499469B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 薛瑞;鄧子朋
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01S19/37;G01S19/45
• 代理公司: 北京天達知識產權代理事務所有限公司 11386
• 代理人: 李明里

本發明涉及一種利用神經網絡模型在線學習和補償的GNSS/INS組合導航方法，屬于組合導航技術領域；包括：GNSS/INS組合導航過程中GNSS正常時，在設定的周期內，交替訓練第一神經網絡和第二神經網絡；通過逐個周期循環，使第一神經網絡和第二神經網絡中始終有一個處于訓練過程的訓練狀態和另一個處于訓練好的待命狀態；其中，訓練好的神經網絡用于實現根據輸入的INS數據預測出偽GNSS信號功能；當導航過程中GNSS丟失時，將處于待命狀態的神經網絡接入組合導航的組合結構；將INS數據輸入到接入的神經網絡，利用神經網絡預測出的偽GNSS信號通過卡爾曼濾波器對INS原始數據進行補償輸出定位結果。本發明在GNSS丟失時能做出符合用戶當前所處環境的預測，具有很強的實時性和靈活性。

技術領域

本發明涉及組合導航技術領域，尤其涉及一種利用神經網絡模型在線學習和補償的GNSS/INS組合導航方法。

背景技術

GNSS/INS組合導航由于其較高的定位精度和泛用性，成為了導航領域研究的熱點。但當GNSS信號失鎖時，僅靠INS進行導航服務時，由于INS的累計誤差，導航的精度會急劇下降。因此，如何在GNSS信號失鎖時補償INS的累計誤差，將組合導航的精度維持在較高的范圍，是提高GNSS/INS組合導航可用性的重要課題。

近幾年人工智能技術的興起，為解決GNSS信號失鎖時組合導航精度下降問題提供了新的方向。目前，利用神經網絡解決組合導航中GNSS信號失鎖問題的方法主要有兩種，分別是神經網絡輸出偽GNSS信號和神經網絡輸出INS信號的誤差。目前的研究大多存在一些缺陷，一些研究都沒有考慮歷史導航信息的影響，而考慮了歷史導航信息的研究大多采用了較為復雜的神經網絡（如CNN-LSTM串聯神經網絡等），訓練成本較高，這導致它們無法進行實時的訓練，必須在投入應用前利用已有的數據集進行訓練，這將使他們的神經網絡模型無法根據用戶當時的環境做出預測，使其在實際應用中的精度和靈活性有所降低。因此，能夠實時訓練的神經網絡輔助組合導航系統具有探索和研究的價值。

發明內容

鑒于上述的分析，本發明旨在公開了一種利用神經網絡模型在線學習和補償的GNSS/INS組合導航方法；用于在GNSS失鎖時提高GNSS/INS組合導航的精度。

本發明公開了一種利用神經網絡模型在線學習和補償的GNSS/INS組合導航方法，包括：

步驟S1、GNSS/INS組合導航過程中GNSS正常時，在設定的周期內，交替訓練第一神經網絡和第二神經網絡；通過逐個周期循環，使第一神經網絡和第二神經網絡中始終有一個處于訓練過程的訓練狀態和另一個處于訓練好的待命狀態；其中，訓練好的神經網絡用于實現根據輸入的INS數據預測出偽GNSS信號功能；

步驟S2、當導航過程中GNSS丟失時，將處于待命狀態的神經網絡接入組合導航的組合結構；將INS數據輸入到接入的神經網絡，利用神經網絡預測出的偽GNSS信號通過卡爾曼濾波器對INS原始數據進行補償輸出定位結果。

進一步地，所述步驟S1包括：

步驟S101、在GNSS正常工作時，收集INS原始輸出數據和GNSS輸出的位置變化量數據，在設定的周期內，將收集的數據進行打包處理；

步驟S102、對打包處理后的INS原始數據中的包括比力和角速度在內的數據進行去噪和標準化處理得到用于神經網絡訓練的INS數據；

步驟S103、對設為訓練狀態的第一神經網絡或第二神經網絡進行訓練；訓練中，將用于神經網絡訓練的INS數據作為訓練神經網絡的輸入特征，將打包處理后的GNSS位置變化量作為神經網絡的輸出特征的目標數據；所述訓練的過程不超過半個周期；

步驟S104、將訓練好的神經網絡設為待命狀態，同時將另一神經網絡設為訓練狀態進行訓練；所述訓練過程同樣不超過半個周期；

進入下一個周期后，重復步驟S101-S104，交替訓練兩個神經網絡。