结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

高为广; 陈谷仓

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

高为广, 陈谷仓

文章导航 > 武汉大学学报 ( 信息科学版) > 2014 > 39(11): 1323-1328

高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法[J]. 武汉大学学报 ( 信息科学版), 2014, 39(11): 1323-1328.

引用本文:

高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法[J]. 武汉大学学报 ( 信息科学版), 2014, 39(11): 1323-1328.

Gao Weiguang, Chen Gucang. Integrated GNSS/INS Navigation Algorithms Combining Adaptive Filter with Neural Network[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1323-1328.

Citation:

Gao Weiguang, Chen Gucang. Integrated GNSS/INS Navigation Algorithms Combining Adaptive Filter with Neural Network[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1323-1328.

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

高为广^1,2,
陈谷仓³

¹北京航空航天大学电子信息工程学院北京 100191;²北京跟踪与通信技术研究所北京 100094;³中国卫星导航系统管理办公室北京 100034

基金项目: 国家自然科学基金资助项目41304024 高等学校全国优秀博士学位论文作者专项资金资助项目201162

详细信息

作者简介:
高为广博士副研究员主要从事卫星导航总体设计与试验评估工作

中图分类号: P228

Integrated GNSS/INS Navigation Algorithms Combining Adaptive Filter with Neural Network

Gao Weiguang^1,2,
Chen Gucang³

¹School of Electronic and Information Engineering Beijing University of Aeronautics and Astronautics Beijing 100191 China;²Beijing Institute of Tracking and Telecommunication Technology Beijing 100094 China;³China Satellite Navigation Office Beijing 100034 China

摘要: 针对GNSS/lNS松组合导航系统观测信息无冗余，而且观测信息可能存在异常的情形，结合自适应滤波算法和神经网络算法，提出了两种UNSS/lNS抗差自适应组合导航解算方案，根据观测信息和动力学模型信息异常情况，给出了1种GNSS/lNS抗差自适应滤波算法。利用实测数据进行了验证，结果表明，1种抗差自适应滤波算法在观测信息不足的情况下，不但能够抑制动力学模型扰动异常对导航解的影响，而且能够较好地抑制异常观测信息对导航解的影响。
- 神经网络 /
- 自适应滤波 /
- 抗差估计 /
- GNSS/lNS组合导航
Abstract: Kalman filter has been widely used in GNSS/INS integrated navigation system，and manyadaptive Kalman algorithms have been developed to avoid divergence caused by various exceptions，such as abnormal observations and dynamic model disturbance etc. In the GNSS/INS loosely integrated navigation system，the adaptive filter is generally constructed based on the predicted residual because the observations are deficient compared to the state parameter number. Thus，the GNSS/INSloosely integrated navigation system is highly dependent on observations. The system performanceand stability will degrade when the impact of abnormal observations cannot be decreased effectively.To improve the filter robustness in the GNSS/INS loosely integrated navigation system，the neuralnetwork algorithm is employed to monitor the abnormal observations，and combined with the traditional adaptive algorithm to form enhanced adaptive filter. Based on the proposed method，four adaptively robust Kalman filtering algorithms are developed，which is tested on the raw GNSS/INS data.Results show that，the new algorithms can not only improve the filter estimation accuracy，but alsoreduce the impacts of abnormal observations and dynamical model disturbance.
- neural network /
- adaptive filtering /
- robust estimator /
- GNSS /INS integrated navigation

[1]	聂建亮, 刘晓云, 田婕, 李秀明, 赵大江, 黄功文, 张海平. 利用自适应水准网动态平差建立山东垂直运动速度模型 . 武汉大学学报 ( 信息科学版), 2020, 45(4): 620-625. doi: 10.13203/j.whugis20180296
[2]	戴卿, 隋立芬, 田源, 田翌君, 曾添. 变分优化的高斯混合滤波及其在导航中的应用 . 武汉大学学报 ( 信息科学版), 2019, 44(5): 699-705. doi: 10.13203/j.whugis20170235
[3]	刘韬, 徐爱功, 隋心, 王长强. 新息向量的抗差Kalman滤波方法及其在UWB室内导航中的应用 . 武汉大学学报 ( 信息科学版), 2019, 44(2): 233-239. doi: 10.13203/j.whugis20170067
[4]	张小红, 潘宇明, 左翔, 汪杰. 一种改进的抗差Kalman滤波方法在精密单点定位中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(7): 858-864. doi: 10.13203/j.whugis20130577
[5]	薛树强, 杨元喜. 抗差高斯-雅克比组合平差法 . 武汉大学学报 ( 信息科学版), 2015, 40(7): 932-937. doi: 10.13203/j.whugis20130247
[6]	李晓杰, 郭睿, 黄金, 朱陵凤, 谭红力, 董恩强. 神经网络在北斗导航卫星轨道预报中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1253-1258. doi: 10.13203/j .whu g is20130603
[7]	高晓, 戴吾蛟, 张超, 余文坤. 多星座组合精密动态定位的抗差扩展Kalman滤波方法研究 . 武汉大学学报 ( 信息科学版), 2015, 40(10): 1329-1333. doi: 10.13203/j.whugis20130668
[8]	聂建亮, 程传录, 郭春喜, 蒋光伟. 基于粒子群优化算法的多因子自适应滤波 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 136-139.
[9]	王坚, 刘超, 高井祥, 许长辉. 基于抗差EKF的GNSS/INS紧组合算法研究 . 武汉大学学报 ( 信息科学版), 2011, 36(5): 596-600.
[10]	林雪原, 鞠建波. 利用神经网络预测的GPS/SINS组合导航系统算法研究 . 武汉大学学报 ( 信息科学版), 2011, 36(5): 601-604.
[11]	吴富梅, 杨元喜, 崔先强. 利用部分状态不符值构造的自适应因子在GPS/INS紧组合导航中的应用 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 156-159.
[12]	高为广, 杨元喜, 张婷. 一种提高神经网络泛化能力的自适应UKF滤波算法 . 武汉大学学报 ( 信息科学版), 2008, 33(5): 500-503.
[13]	吴江飞, 黄珹. 非线性自适应抗差滤波定轨算法 . 武汉大学学报 ( 信息科学版), 2008, 33(2): 187-190.
[14]	隋立芬, 刘雁雨, 王威. 自适应序贯平差及其应用 . 武汉大学学报 ( 信息科学版), 2007, 32(1): 51-54.
[15]	张双成, 杨元喜, 张勤, 高为广. 一种基于Bancroft算法的GPS动态抗差自适应滤波 . 武汉大学学报 ( 信息科学版), 2007, 32(4): 309-311.
[16]	高为广, 杨元喜, 崔先强, 张双成. IMU/GPS组合导航系统自适应Kalman滤波算法 . 武汉大学学报 ( 信息科学版), 2006, 31(5): 466-469.
[17]	杨元喜, 高为广. 基于多传感器观测信息抗差估计的自适应融合导航 . 武汉大学学报 ( 信息科学版), 2004, 29(10): 885-888.
[18]	胡威, 殷蔚明. 一种地形遥测图像自适应滤波器 . 武汉大学学报 ( 信息科学版), 2003, 28(5): 534-537.
[19]	杨元喜, 徐天河. 基于移动开窗法协方差估计和方差分量估计的自适应滤波 . 武汉大学学报 ( 信息科学版), 2003, 28(6): 714-718.
[20]	奚锐锋, 刘经南, 陶本藻, 陆立发. 水下机动目标轨迹跟踪的自适应估计方法 . 武汉大学学报 ( 信息科学版), 1996, 21(1): 25-30.

点击查看大图

计量

文章访问数: 989
HTML全文浏览量: 52
PDF下载量: 564
被引次数: 0

结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法

高为广^1,2,
陈谷仓³

¹北京航空航天大学电子信息工程学院北京 100191;²北京跟踪与通信技术研究所北京 100094;³中国卫星导航系统管理办公室北京 100034

基金项目: 国家自然科学基金资助项目41304024 高等学校全国优秀博士学位论文作者专项资金资助项目201162

作者简介:
高为广博士副研究员主要从事卫星导航总体设计与试验评估工作

收稿日期: 2014-03-12
刊出日期: 2014-11-05

中图分类号: P228

关键词:

摘要: 针对GNSS/lNS松组合导航系统观测信息无冗余，而且观测信息可能存在异常的情形，结合自适应滤波算法和神经网络算法，提出了两种UNSS/lNS抗差自适应组合导航解算方案，根据观测信息和动力学模型信息异常情况，给出了1种GNSS/lNS抗差自适应滤波算法。利用实测数据进行了验证，结果表明，1种抗差自适应滤波算法在观测信息不足的情况下，不但能够抑制动力学模型扰动异常对导航解的影响，而且能够较好地抑制异常观测信息对导航解的影响。

English Abstract

Integrated GNSS/INS Navigation Algorithms Combining Adaptive Filter with Neural Network

Gao Weiguang^1,2,
Chen Gucang³

¹School of Electronic and Information Engineering Beijing University of Aeronautics and Astronautics Beijing 100191 China;²Beijing Institute of Tracking and Telecommunication Technology Beijing 100094 China;³China Satellite Navigation Office Beijing 100034 China

Received Date: 2014-03-12
Publish Date: 2014-11-05

Keywords:

Abstract: Kalman filter has been widely used in GNSS/INS integrated navigation system，and manyadaptive Kalman algorithms have been developed to avoid divergence caused by various exceptions，such as abnormal observations and dynamic model disturbance etc. In the GNSS/INS loosely integrated navigation system，the adaptive filter is generally constructed based on the predicted residual because the observations are deficient compared to the state parameter number. Thus，the GNSS/INSloosely integrated navigation system is highly dependent on observations. The system performanceand stability will degrade when the impact of abnormal observations cannot be decreased effectively.To improve the filter robustness in the GNSS/INS loosely integrated navigation system，the neuralnetwork algorithm is employed to monitor the abnormal observations，and combined with the traditional adaptive algorithm to form enhanced adaptive filter. Based on the proposed method，four adaptively robust Kalman filtering algorithms are developed，which is tested on the raw GNSS/INS data.Results show that，the new algorithms can not only improve the filter estimation accuracy，but alsoreduce the impacts of abnormal observations and dynamical model disturbance.

高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法[J]. 武汉大学学报 ( 信息科学版), 2014, 39(11): 1323-1328.

引用本文:

高为广, 陈谷仓. 结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法[J]. 武汉大学学报 ( 信息科学版), 2014, 39(11): 1323-1328.

Gao Weiguang, Chen Gucang. Integrated GNSS/INS Navigation Algorithms Combining Adaptive Filter with Neural Network[J]. Geomatics and Information Science of Wuhan University, 2014, 39(11): 1323-1328.

Citation: