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缓解多径问题，包括在系统级提供更好的多径抑制的无线电信号的设计，以及在接收器侧的专用信号处理技术。这些方法的主要缺点包括增加了GNSS接收器的复杂性，因此增加了成本。
[0005]机器学习是一种广泛应用的人工智能技术，在生成机器学习模型时，不同的装备参数组合导致机器学习模型的不同学习效果。目前，通常按照一定的步长搜索一定范围内的所有模型参数组合，依次训练和验证分别对应于模型参数组合的机器学习模型，即以串行方式进行训练和验证，并根据验证结果确定最优模型参数组合。

技术实现思路

[0006]旨在为解决包括背景中提及的至少一种的技术问题，本专利技术旨在提供一种基于机器学习的GNSS/INS组合导航方法，可发挥出每个定位系统的优势，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。
[0007]一种基于机器学习的GNSS/INS组合导航方法，包括：GNSS接收器，被配置为在耦合到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；机器学习步骤包括：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。
[0008]所述组合导航方法的一个具体实施例中，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。
[0009]所述组合导航方法的一个具体实施例中，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。
[0010]所述组合导航方法的一个具体实施例中，所述地理位置数据表示由GNSS接收器计算得到的地理位置。
[0011]所述组合导航方法的一个具体实施例中，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。
[0012]所述组合导航方法的一个具体实施例中，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。
[0013]所述组合导航方法的一个具体实施例中，所述方法包括将方位角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。
[0014]所述组合导航方法的一个具体实施例中，还包括将所述球坐标转换为以地球为中心的地球固定坐标系中的笛卡尔坐标，其中所述笛卡尔坐标用于所述机器学习模型的训练。
[0015]所述组合导航方法的一个具体实施例中，还包括耦合到所述GNSS接收器和所述INS系统并且被配置为集成所述INS数据和所述GNSS数据的积分滤波器。
[0016]所述组合导航方法的一个具体实施例中，INS系统还被配置为：将INS数据传送到GNSS接收器；并将INS数据与GNSS信号集成以生成GNSS数据。
[0017]所述组合导航方法的一个具体实施例中，所述导航处理单元被配置为在信号域中集成IMU数据和GNSS数据。
[0018]所述组合导航方法的一个具体实施例中，当GNSS数据在位置域中时，集成在IMU处理器中生成具有INS集成的松散耦合GNSS。
[0019]所述组合导航方法的一个具体实施例中，当GNSS数据在测量域中时，集成在IMU处理器中生成与INS集成紧密耦合的GNSS。
[0020]所述组合导航方法的一个具体实施例中，当GNSS数据在信号域中时，集成在IMU处理器中生成具有INS集成的超紧耦合GNSS。
[0021]所述组合导航方法的一个具体实施例中，其中IMU传感器可配置为增强IMU传感器性能（精度、动态、可用性等），特别是对于低成本和小尺寸MEMSIM。
[0022]基于机器学习的GNSS/INS组合导航系统，包括：GNSS接收器，被配置为在耦合到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；积分滤波器，被配置为耦合到GNSS接收器和INS系统，且能集成所述INS数据和所述GNSS数据；
所述系统运行时执行前述所述方法。
[0023]本专利技术的有益效果包括：提供了一种基于机器学习的GNSS/INS组合导航方法，扩展了IMU传感器内部的当前GNSS/INS集成，以使INS集成在IMU信号域中进行，实现了与INS和GNSS的多传感器集成的新过程，集成GNSS/INS的系统可以改善IMU传感器和GNSS接收器的性能。因此，作为两种互补的定位技术，GNSS/INS集成可以利用每个定位系统的优势，INS偏差可以通过GNSS信号校准，GNSS导航信号中断可以通过INS缓解，意义不仅包括提高可用性，包括但不限于跨越GNSS导航信号中断，拒绝具有异常值的数据的可靠性，以及信号处理的鲁棒性。基于机器学习模型的新型定位、导航应用服务系统提高了GNSS接收器的动态特性和抗干扰性，提高其在资源受限环境下跟踪卫星的能力，还有助于同时改善INS系统的校准、惯导系统的空中对准、惯导系统高度通道的稳定等水平，有效地提高惯导系统的性能和精度，为用户提供全时段、全方位、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：