專利名稱：基于遺傳粒子濾波與模糊神經網絡的gps/ins組合定位方法
技術領域：
本發明涉及一種基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，屬于復雜環境下組合導航技術領域。
背景技術：
近年來，對載體精確導航定位的需求推動了導航技術的發展，并且在未來的很長一段時間內，這種發展趨勢仍將保持不變。在現有的導航 方式當中，慣性導航和衛星導航是最常用的兩種方式。慣性導航系統(Inertial Navigation System, INS)的基本原理是牛頓提出的相對慣性空間力學定律，利用陀螺儀、加速度計測量載體相對慣性空間的角運動和線運動參數，在給定的運動初始條件下，由計算機進行積分運算，便能夠連續、實時地提供載體的位置、速度和姿態信息。INS完全依靠自身的慣性敏感元件，不依賴于任何外界信息測量導航參數，具有隱蔽性好、不受氣候條件限制、抗干擾性強和短時精度高等優點，是一種完全自主式、全天候的導航系統。但是，INS也有其自身的不足。由于捷聯算法中的積分原理，慣性期間的誤差會導致導航誤差隨時間累積，因此單純的INS難以滿足遠程、長時間運動載體的高精度導航要求。全球衛星導航系統(Global Positioning System,GPS)是另外一種最常用的導航方式。它的優點是定位精度高，導航誤差不隨時間積累，可全天時、全天候的工作。但是其易受電磁干擾、遮擋等外界環境影響的缺點限制了其應用范圍，特別是室內、地下巷道等一些密閉的、環境復雜的場景，GPS信號被嚴重遮擋，從而無法進行有效的工作。為了獲取相對穩定的定位精度，許多學者利用智能算法將INS與GPS組合起來，形成GPS/INS組合導航系統。GPS/INS組合導航能夠使導航系統維持長時間的穩定，但是其導航精度依然受到環境的限制。比如當載體長期運行于城市或隧道中時，由于建筑物遮擋，GPS信號可能會出現長時間的失鎖，INS不能提供長時高精度導航的缺點會導致GPS/INS組合導航系統出現嚴重的精度下降。因此，針對GPS長期失鎖狀況下的INS誤差補償研究顯得尤為重要。
發明內容
本發明克服現有技術的不足，提出了一種基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，該方法首先在GPS信號良好的情況下采用模糊神經網絡(FNN)對INS的導航誤差模型進行訓練，當GPS信號失鎖時，依靠訓練好的FNN模型對INS系統誤差進行補償。該方法克服了 GPS失鎖帶來的組合導航系統精度下降的問題，能夠提供持久的高精度導航。本發明為解決其技術問題采用如下技術方案
一種基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，包括下列步驟
(1)將組合導航系統運行的區域分為訓練區域和補償區域兩部分，所述訓練區域為GPS信號良好的區域，所述補償區域為GPS信號失鎖的區域；
(2)在訓練區域，GPS和INS導航系統同時工作，首先將GPS測量的位置、速度信息與INS測量的位置、速度信息作差，并將作差結果輸入濾波器進行數據融合，以得到INS系統的測量誤差；
(3)在采用遺傳粒子濾波進行數據融合，并得出INS導航誤差的同時，將該誤差信息作為誤差模型的理想輸出，將INS中陀螺儀和加速度計的輸出作為誤差模型的輸入，對誤差模型進行建模訓練；
(4)當GPS失鎖時，即載體進入誤差補償區域 ，在這一區域，組合導航系統無法得到GPS導航信息，而只能利用INS完成這一區域的自主導航，此時利用在訓練區域訓練得到的誤差模型對INS測量得出的導航信息進行誤差補償，得到最優導航信息。步驟(2)中訓練區域，進行數據融合的濾波器為遺傳粒子濾波器，該濾波器利用遺傳算法優化粒子濾波中的重采樣過程，以解決粒子濾波中存在的粒子退化現象。步驟(3)中所述利用INS中陀螺和加速度計的輸出作為輸入、濾波器得出的誤差信息作為理想輸出對誤差模型進行建模訓練，其所用誤差模型為模糊神經網絡。本發明的有益效果如下
(I)利用人工智能算法對INS誤差進行建模，能夠在GPS失鎖后對INS誤差進行有效的補償，從而提高了 GPS/INS組合導航系統的適用范圍。(2)利用遺傳算法優化粒子濾波的重采樣過程，可有效的抑制粒子退化現象。(3)利用模糊神經網絡對INS誤差進行建模，可得到精度較高的預測模型。
圖I為基于GPF與FNN的GPS/INS系統誤差訓練框圖。圖2為基于FNN的GPS/INS系統誤差補償框圖。
具體實施例方式 下面結合附圖對本發明創造做進一步詳細說明。如圖I為基于GPF與FNN的GPS/INS系統誤差訓練框圖。在訓練區域，GPS與INS同時工作，首先將GPS測量的位置、速度信息與INS測量的位置、速度信息作差，并將作差結果輸入濾波器進行數據融合，得出INS導航誤差并對系統輸出進行補償；同時，將遺傳粒子濾波(GPF)輸出的誤差作為FNN的理想輸出，將INS中陀螺儀和加速度計的輸出作為模糊神經網絡(FNN)的輸入，對FNN進行訓練，建立基于INS中陀螺儀和加速度計輸出的INS誤差模型。當載體進入GPS失鎖區域時，則組合導航系統進入誤差補償階段，如圖2所示。在這一區域，組合導航系統無法獲得GPS測量結果，只能依靠INS完成這一部分的自主導航。此時INS利用在訓練區域得到的FNN誤差模型對測量的導航信息進行誤差補償，得到最優的導航信息。從而避免了因GPS無法工作導致的導航精度迅速下降的問題，具有良好的可行性和前瞻性。本發明的原理是GPS/INS是目前應用最廣泛的組合導航系統。盡管GPS能夠為地球上任何地點的用戶提供導航信息，但GPS要求捕獲四顆或更多的衛星，所以在城市、峽谷或者森林等地區，由于受建筑物、山體、樹木等遮擋，導致GPS信號衰減或失鎖，此時組合導航系統中只有INS能夠正常使用，從而導致整個系統導航定位精度下降，甚至無法正常工作。因此必須對GPS失鎖情況下的INS誤差進行補償。由于INS位置誤差、速度誤差和姿態誤差是由INS中的陀螺儀和加速度計誤差引起的，所以可以利用人工智能方法建立輸入為陀螺儀、加速度計誤差，輸出為INS位置誤差、速度誤差和姿態誤差的模型。粒子濾波器(Particle Filter，PF)是目前應用較為廣泛一種信息融合算法，它利用一批具有相應權重的離散隨機樣本粒子，根據量測信息不斷調整粒子的權重和位置，來近似狀態向量的后驗概率密度，并根據這些粒子及其權重來計算狀態估計值。在粒子算法中，普遍存在的一個問題是粒子退化現象。可以用有效樣本數來衡量一個樣本的退化程度，有效樣本數定義如下
權利要求
1.一種基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，其特征在于，包括下列步驟 (1)將組合導航系統運行的區域分為訓練區域和補償區域兩部分，所述訓練區域為GPS信號良好的區域，所述補償區域為GPS信號失鎖的區域； (2)在訓練區域，GPS和INS導航系統同時工作，首先將GPS測量的位置、速度信息與INS測量的位置、速度信息作差，并將作差結果輸入濾波器進行數據融合，以得到INS系統的測量誤差； (3)在采用遺傳粒子濾波進行數據融合，并得出INS導航誤差的同時，將該誤差信息作為誤差模型的理想輸出，將INS中陀螺儀和加速度計的輸出作為誤差模型的輸入，對誤差模型進行建模訓練； (4)當GPS失鎖時，即載體進入誤差補償區域，在這一區域，組合導航系統無法得到GPS導航信息，而只能利用INS完成這一區域的自主導航，此時利用在訓練區域訓練得到的誤差模型對INS測量得出的導航信息進行誤差補償，得到最優導航信息。
2.根據權利要求I中所述的基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，其特征在于步驟(2)中訓練區域，進行數據融合的濾波器為遺傳粒子濾波器，該濾波器利用遺傳算法優化粒子濾波中的重采樣過程，以解決粒子濾波中存在的粒子退化現象。
3.根據權利要求I中所述的基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，其特征在于步驟(3)中所述利用INS中陀螺和加速度計的輸出作為輸入、濾波器得出的誤差信息作為理想輸出對誤差模型進行建模訓練，其所用誤差模型為模糊神經網絡。
全文摘要
本發明涉及一種基于遺傳粒子濾波與模糊神經網絡的GPS/INS組合定位方法，屬于復雜環境下的組合導航定位技術領域。該方法將模糊神經網絡(FNN)作為遺傳粒子濾波(GPF)的輔助算法進行應用在GPS信號有效時，利用FNN算法建立INS導航系統的導航誤差模型；在GPS信號失鎖時，依靠之前訓練得到的FNN誤差模型對導航系統誤差進行補償。該方法克服了在城市、峽谷或森林環境下GPS信號失鎖時，傳統的GPS/INS組合導航系統無法提供持久的高精度實時導航問題。該方法可應用于車輛在城市、隧道等密閉復雜環境下的長距離長時間高精度導航定位。
文檔編號G01S19/49GK102768361SQ20121023443
公開日2012年11月7日 申請日期2012年7月9日 優先權日2012年7月9日
發明者劉虎, 徐元, 申沖, 陳熙源, 黃浩乾 申請人:東南大學