ELM辅助的GNSS/INS组合导航无人靶车定位方法技术

本发明专利技术公开一种ELM辅助的GNSS/INS组合导航无人靶车定位方法，实现步骤为：生成训练集；构建ELM神经网络；在卫星信号有效情况下训练ELM神经网络；预测卫星信号失锁情况下的误差补偿值；利用误差补偿后的导航信息进行定位。本发明专利技术利用构建的ELM神经网络在卫星信号短暂失锁情况下通过对样本集中加速度和角速度值进行训练，利用该训练好的网络预测卫星信息和惯性导航信息的导航信息误差值，以修正惯性导航系统输出的导航信息，辅助GNSS/INS组合导航系统进行室外无人靶车实时导航定位。本发明专利技术与现有技术相比，减小了室外无人靶车定位误差并提高了定位实时性。提高了定位实时性。提高了定位实时性。

【技术实现步骤摘要】
ELM辅助的GNSS/INS组合导航无人靶车定位方法


[0001]本专利技术属于无线通信
，更进一步涉及导航定位
中一种极限学习机ELM(Extreme Learning Machine)神经网络辅助的全球导航卫星系统GNSS(Global Navigation Satellite System)/惯性导航系统INS(Inertial Navigation System)组合导航的室外无人靶车定位方法。本专利技术可用于室外靶场无人靶车运动的实时导航定位，且在卫星信号短暂失锁的情况下通过ELM神经网络的预测输出补偿惯性导航系统的误差。

技术介绍

[0002]在导航定位技术方面，目前应用最多且较为成熟的方式有卫星导航系统和惯性导航系统。卫星导航系统的优点是具有全球性、全天候、长时间定位精度高的特点，但缺点是信号易受干扰和遮挡。在某些恶劣的环境条件下，卫星信号质量变差，输出不连续，在无人靶车这种需要快速更新信息的场合，卫星导航系统的缺点便凸显出来。而惯性导航系统是一种全自主式的导航方式，因此具有很强的隐蔽性和抗干扰的能力，并且输出信息连续本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种ELM辅助的GNSS/INS组合导航无人靶车定位方法，其特征在于，在卫星信号有效的情况下，卫星和惯导通过卡尔曼滤波进行信息融合，同时极限学习机ELM神经网络工作在训练阶段，加速度和角速度信息作为网络输入进行训练，在卫星信号失锁的情况下，利用训练好的ELM神经网络预测系统的导航信息误差来校正惯性导航系统输出的导航信息；该无人靶车定位方法的步骤包括如下：步骤1,生成训练集：(1a)采集无人靶车运动200s时间内的导航数据组成样本集，其中加速度和角速度数据各自至少包含2000个；(1b)对样本集中的导航数据进行解算后再进行卡尔曼滤波，得到无人靶车运动的每个加速度和角速度的导航数据误差补偿值；(1c)将样本集及其对应的导航数据误差补偿值组成训练集；步骤2,构建ELM神经网络：构建包含输入层、隐含层、输出层三层结构的ELM神经网络，其中输入层包含6个数据通道，隐含层包含12个数据通道，输出层包含9个数据通道，激活函数采用Sigmoid函数；步骤3,在卫星信号有效情况下训练ELM神经网络：在卫星信号有效情况下，将训练集输入到ELM神经网络中，根据连续的概率分布随机生成输入层权重和隐含层的偏置，利用最小化平方差公式，计算输出层的权重，利用正交投影法更新网络的隐含层的输出，将更新后的隐含层的输出与输出层的权重构成网络的输出，更新迭代隐含层的输出直到网络输出与样本标签的最小化平方差最小时停止迭代，得到训练好的ELM神经网络；步骤4,预测卫星信号失锁情况下的误差补偿值：将卫星信号失锁的时间范围内采集到的每个加速度、角速度信息输入到训练好的ELM神经网络中，网络输出组合导航系统正常工作时卡尔曼滤波后的...

【专利技术属性】
技术研发人员：唐影，柳一洋，钱海雷，
申请(专利权)人：昆山九毫米电子科技有限公司，
类型：发明
国别省市：