【技术实现步骤摘要】
基于RNN
‑
CNN神经网络的GPS
‑
INS组合定位方法
[0001]本专利技术涉及GPS
‑
INS组合定位导航技术，主要利用神经网络系统预测GPS
‑
INS组合定位导航中GPS信号缺失时的定位信息。
技术介绍
[0002]近些年来，随着交通越来越发达，组合定位导航技术兴起，它可以引导我们到达相对应的目的地，并且在导航的过程中能够实时提供姿态信息，速度信息，还有位置信息等导航信息。组合定位导航中，当GPS信号可用时，利用组合导航的方式为载体提供导航信息。但现实复杂的环境常常导致GPS信号质量变差或者缺失，当GPS信号缺失时，GPS/INS组合导航系统退化为单一的惯性导航，此时导航系统的输出精度会迅速降低。为了解决这个问题，很多研究通过设计神经网络模型对GPS信号缺失时的导航信号进行预测。在GPS信号缺失时，利用神经网络模型预测的导航数据继续为载体提供可靠的导航信息。
[0003]目前国内外针对神经网络在GPS
‑
INS组合定位...
【技术保护点】
【技术特征摘要】
1.一种基于RNN
‑
CNN神经网络的GPS
‑
INS组合定位方法，包括下列步骤：第一步，构建GPS数据集和INS数据集，并进行数据预处理；第二步，搭建基于GRU的循环神经网络(RNN)模型模型：输入的时序INS数据首先流入以一对一形式展开的GRU层的第1层，通过第1层的GRU层后输出的长度不变，并且每个时间步记忆状态为已经更新的序列，然后此序列流入以多对一形式展开的GRU层的第2层，GRU层的第2层输出下一个时间步的新的记忆状态，并作为GRU层的第3层的输入；在GRU层的第3层搭配了全连接神经网络Dense层进行神经网络稳定性的调节，神经元个数为前一层的1/2；在GRU层的第4层继续搭配Dense层，神经元个数也为前一层的1/2；最后由输出层输出目标时刻的INS误差值，并且各个GRU层之间采取堆叠的方式进行连接；第三步，基于时序的卷积神经网络CNN模型设计：将最近L个时刻具有N维属性，包括INS位置、速度和累积误差的数据展开后类比为网格数据，通过卷积神经网络处理，选择的卷积核大小为3
×
3，步幅为1；在池化层选取最大池化函数，池化核大小为2
×
2，步幅s为2；在对输入的数据做最大池化操作后，先将得到的特征拉成一维，将其输入全连接层进行ReLU激活，输出INS的误差；第四步，St...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。