卫星信号短暂缺失时的组合导航技术研究与实现

• 作 者: 赵雪峰
• 出 处: 电子科技大学
• 发表日期: 2017年01期
• 关键词: GPS/SINS组合导航 Kalman数据融合 GPS信号缺失 神经网络预测

基于GPS/SINS的组合导航技术可以为移动载体提供高精度的导航和定位信息,因此成为大多数移动设备和应用首选的导航方式。但是受到外部环境的影响,尤其当GPS接收机处于隧道、信号阻隔区、密集的高楼或者茂密的树林时,卫星信号容易受阻,从而导致GPS信号缺失或者质量变差。此时GPS/SINS组合导航系统的导航精度会迅速下降。为了解决这个问题,本文首先设计了基于低成本的GPS/SINS组合导航硬件平台,对在GPS信号正常情况下,导航系统输出的数据进行了分析;然后在卫星信号受阻短暂缺失时,设计了神经网络预测模型对捷联惯性导航系统的输出误差进行预测与补偿。本文主要做了以下几方面的工作:首先,研究了低成本的GPS/SINS组合导航原理和系统组成,重点对SINS导航解算过程进行了分析。利用MEMS惯性传感器MPU9250和Ublox GPS模块设计了基于位置-速度松耦合的组合导航硬件平台,并设计了数据处理程序对传感器的误差进行消除,对捷联惯性导航算法进行了软件实现,设计了 Kalman滤波数据融合处理程序对导航数据进行融合;然后,研究了神经网络预测模型在组合导航中的应用方式。针对GPS信号缺失时的导航问题,设计了静态BP神经网络和动态Elman神经网络预测模型,来对SINS的误差模型进行学习;当GPS信号缺失时,利用训练好的神经网络预测出SINS的输出误差并补偿SINS的输出;最后,利用设计的低成本组合导航硬件模块对某一线路进行实地测量,将采集到的位置、速度和姿态角等信息进行预处理,组成训练神经网络的样本数据对设计的BP神经网络和Elman神经网络模型进行训练。并对GPS信号分别缺失30s和50s两种情况进行预测。结果表明:利用神经网络模型预测后,系统输出的位置误差大大小于单一的SINS的输出;并且Elman神经网络预测结果要优于比BP网络的预测结果。