基于机器学习的GNSS/INS组合导航方法技术

本申请公开了一种基于机器学习的GNSS/INS组合导航方法，从GNSS信号源接收GNSS信号，生成GNSS数据，INS系统耦合到GNSS接收器，用IMU传感器生成IMU信号，生成IMU数据，将IMU数据与GNSS数据集成，并根据集成的IMU数据和GNSS数据生成INS数据；获取由GNSS接收器生成的地理位置数据以及除地理位置数据之外的辅助数据；以辅助数据训练机器学习模型，以基于残差和卫星方向信息预测定位误差；输出表示机器学习模型的训练版本的机器学习模型的数据表示。提高了应用的可靠性、数据的可靠性以及信号处理的鲁棒性，为用户提供全时段、全方位、全空间的GNSS/INS组合导航服务。全空间的GNSS/INS组合导航服务。全空间的GNSS/INS组合导航服务。

【技术实现步骤摘要】
基于机器学习的GNSS/INS组合导航方法


[0001]专利技术涉及计算机领域，具体涉及机器学习领域，并且更具体地涉及一种基于机器学习的GNSS/INS组合导航方法。

技术介绍

[0002]全球导航卫星系统GNSS接收器广泛用于提供自主地理空间定位，集成化的进步导致GNSS接收器可以作为集成电路(IC)，例如作为单芯片片上系统(SOC)。它们的低成本和广泛的可用性使得GNSS接收器的普遍适用较高，该适用性不仅在如导航定位等专业领域，而且体现在如智能电话、平板设备、照相机等消费领域中。全球导航卫星系统的例子包括但不限于GPS，GLONASS和北斗。
[0003]然而，由于卫星的多径传播，GNSS接收器容易出现定位误差，该现象也被称为“多径接收”，当GNSS接收器跟踪多径信号时，例如通过近距离建筑物反射发射的无线电信号，GNSS接收器可能以错误的方式估计到发射卫星的距离。这种现象特别存在于城市环境中，其中可能妨碍到卫星的视线(LOS)，并且由GNSS接收器接收的几个无线电信号可以是多径信号。
[0004]已经研究了几种技术解决方案以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的GNSS/INS组合导航方法，其特征在于包括：GNSS接收器和INS系统，在耦合到GNSS接收器的天线处从GNSS信号源接收GNSS信号，响应于GNSS信号生成GNSS数据，将GNSS数据传送到INS系统；INS系统被配置为耦合到GNSS接收器，用IMU传感器生成IMU信号，响应IMU信号生成IMU数据，在INS系统的导航处理单元中将IMU数据与GNSS数据集成，并根据集成的IMU数据和GNSS数据生成INS数据；所述组合导航方法执行下述机器学习步骤：获取由GNSS接收器生成的地理位置数据以及除地理位置数据之外的辅助数据，辅助数据包括与卫星相关联的残差RES、指示卫星相对于GNSS接收器的方向的卫星方向信息AZ、EL；使用辅助数据训练机器学习模型，以基于残差和卫星方向信息预测定位误差；输出表示机器学习模型的训练版本的机器学习模型的数据表示。2.根据权利要求1所述的方法，其特征在于：获得所述GNSS接收器的参考数据TP，其中所述参考数据表示所述GNSS接收器的参考地理位置；对于地理位置数据和参考数据的相应实例，确定定位误差作为计算的地理位置和参考地理位置之间的差值。3.根据权利要求2所述的方法，其特征在于：所述地理位置数据表示由GNSS接收器计算得到的地理位置。4.根据权利要求3所述的方法，其特征在于：残差RES是伪距残差或者从由GNSS接收器执行的卡尔曼滤波获得的创新残差。5.根据权利要求4所述的方法，其特征在于：所述卫星方向信息包括所述卫星在所计算的地理位置处在天空中的方位角AZ和仰角EL。6.根据权利要求5所述的方法，其特征在于：所述组合导航方法包括将方位角AZ、仰角EL和残差RES表示为表示球坐标系中的球坐标的数据元组。7.根据权利要求6所述的方法，其特征在于：还包括将所述球坐标转换为以地球为中心的地...

【专利技术属性】
技术研发人员：彭恒，徐小钧，游际宇，吴岚，龙思国，李旭，李冬辰，蒋倩，
申请(专利权)人：北京航天长城卫星导航科技有限公司，
类型：发明
国别省市：