一种用于组合导航的GPS失效容错处理方法技术

本发明专利技术公开了一种用于组合导航的GPS失效容错处理方法，包括四个步骤：步骤一，GPS有效时采集样本，建立基于高斯过程回归的弱预测器；步骤二，计算弱预测器的训练误差；步骤三，设置各弱预测器的权值；步骤四，GPS失效时，将各弱预测器合成为强预测器，强预测器输出GPS量测信息估计值用于组合导航。本发明专利技术具有预测精度高、有效延长抗GPS失效时长等优点，为高可靠性组合导航提供了保证。靠性组合导航提供了保证。靠性组合导航提供了保证。

【技术实现步骤摘要】
一种用于组合导航的GPS失效容错处理方法


[0001]本专利技术涉及组合导航容错处理领域，具体涉及一种用于组合导航的GPS失效容错处理方法。

技术介绍

[0002]惯性导航系统因其独立自主、不依赖外部信息的优点成为常用的导航系统。但其解算误差会随时间积累，因此组合导航应运而生。组合导航通过将不同的导航传感器或系统进行融合以获得更可靠准确的导航信息。全球定位系统GPS(Global Position System)因其高精度、高效率的优点被广泛应用于各类组合导航中。但GPS接收机在接收卫星信号时易受环境因素的影响，如高层建筑物、隧道等均可能遮挡卫星信号。这些因素会造成GPS的短时失效，在此期间内，组合导航精度会随之下降，因此，设计一种用于组合导航的GPS失效容错处理方法尤为重要。
[0003]目前抗GPS失效的容错处理方法包括两类，一类为硬件冗余，即通过安装里程计、测速仪等传感器补偿速度、位置等信息，但此类方法增加了导航系统硬件成本；第二类为软件冗余，通过建立软件预测器，在GPS失效时间段内，利用预测器估计惯性导航系统误差或直接估计GPS量测信息，以补偿导航误差。
[0004]用于建立软件预测器的算法众多，包括神经网络、支持向量回归、偏最小二乘回归、随机森林回归等。但现有用于抗GPS失效的算法多以建立单一的预测模型为目标，预测精度会随失效时间延长而迅速下降。
[0005]基于此，研究一种预测精度更高、预测准确时间更长的GPS失效容错处理方法，成为行业发展的方向。

技术实现思路

[0006]专利技术目的：为了解决现有技术中抗GPS失效时间较短、且精度不高的问题，本专利技术提出一种用于组合导航的GPS失效容错处理方法，利用高斯过程回归建立多个弱预测器，通过它们的训练误差分配权值，从而将它们合成为强预测器，具有了更高的估计精度，有效延长了抗GPS失效时长，克服了现有技术的不足。
[0007]技术方案：一种用于组合导航的GPS失效容错处理方法，其特征在于，该容错处理方法具体步骤如下：
[0008]步骤1)当GPS有效时，采集组合导航系统中惯性测量单元量测信息X＝{X
k
|k＝1,2,
…
n}和对应的GPS量测信息Y＝{Y
k
|k＝1,2,
…
n}构成训练集，利用高斯过程回归建立不同核函数的弱预测器，
[0009]其中：
[0010]X
k
为包含陀螺仪和加速度计量测数据的向量；
[0011]Y
k
为包含GPS位置量测信息的向量；
[0012]n为训练集的样本数；
[0013]步骤2)计算弱预测器t的训练误差δ
t
，
[0014][0015]其中：
[0016]T为弱预测器的个数；
[0017]H
t
(X
k
)为将X
k
输入弱预测器t得到的预测输出向量；
[0018]||H
t
(X
k
)
‑
Y
k
||2为计算H
t
(X
k
)
‑
Y
k
的二范数；
[0019]步骤3)根据训练误差设置各弱预测器的权值β
t
，
[0020][0021]步骤4)若GPS失效，则将各弱预测器合成为强预测器，
[0022][0023]其中：
[0024]X
*
为GPS失效时，包含陀螺仪和加速度计量测数据的向量；
[0025]Y
*
为强预测器输出的GPS量测信息估计值；
[0026]将强预测器的估计结果用于组合导航信息融合，以实现GPS失效情况下的高可靠性组合导航。
[0027]具体的，所述步骤1)中，当GPS有效时，采集组合导航系统中惯性测量单元量测信息X＝{X
k
|k＝1,2,
…
n}和对应的GPS量测信息Y＝{Y
k
|k＝1,2,...n}构成训练集，所采集的量测信息随导航进程不断更新。
[0028]具体的，所述步骤1)中，利用高斯过程回归建立不同核函数的弱预测器，可选用的核函数为任何满足Mercer定理的函数，包括但不限于平方指数协方差函数、周期性协方差函数、线性协方差函数、二次有理式核函数等。
[0029]有益效果：
[0030](1)本专利技术利用高斯过程回归训练弱预测器，与神经网络、支持向量回归等算法相比，核函数的选择更广泛，且模型参数减少。
[0031](2)本专利技术将多个弱预测器合成为强预测器，有效提高了预测器的准确性，从而延长了组合导航系统抗GPS失效时长。
[0032](3)本专利技术采用高斯过程回归方法，对处理非线性、小样本的情况具有较好的适应性。
附图说明
[0033]图1为用于组合导航的GPS失效容错处理方法流程框图；
[0034]图2为采用本专利技术所提容错处理方法后的纬度误差仿真曲线图；
[0035]图3为采用本专利技术所提容错处理方法后的经度误差仿真曲线图。
具体实施方式
[0036]下面结合附图对本专利技术做更进一步的解释。
[0037]根据下述实施例，可以更好的理解本专利技术。如图1所示，本专利技术的一种用于组合导航的GPS失效容错处理方法，具体步骤如下：
[0038]步骤1)当GPS有效时，采集组合导航系统中惯性测量单元量测信息X＝{X
k
|k＝1,2,
…
n}和对应的GPS量测信息Y＝{Y
k
|k＝1,2,
…
n}构成训练集，所采集的量测信息随导航进程不断更新，利用高斯过程回归建立不同核函数的弱预测器，可选用的核函数为任何满足Mercer定理的函数，包括但不限于平方指数协方差函数、周期性协方差函数、线性协方差函数、二次有理式核函数等。
[0039]其中：
[0040]X
k
为包含陀螺仪和加速度计量测数据的向量；
[0041]Y
k
为包含GPS位置量测信息的向量；
[0042]n为训练集的样本数；
[0043]步骤2)计算弱预测器t的训练误差δ
t
，
[0044][0045]其中：
[0046]T为弱预测器的个数；
[0047]H
t
(X
k
)为将X
k
输入弱预测器t得到的预测输出向量；
[0048]||H
t
(X
k
)
‑
Y
k
||2为计算H
t
(X
k
)
‑
Y
k
的二范数；
[0049]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于组合导航的GPS失效容错处理方法，其特征在于，该容错处理方法具体步骤如下：步骤1)当GPS有效时，采集组合导航系统中惯性测量单元量测信息X＝{X
k
|k＝1,2,...n}和对应的GPS量测信息Y＝{Y
k
|k＝1,2,...n}构成训练集，利用高斯过程回归建立不同核函数的弱预测器，其中：X
k
为包含陀螺仪和加速度计量测数据的向量；Y
k
为包含GPS位置量测信息的向量；n为训练集的样本数；步骤2)计算弱预测器t的训练误差δ
t
，其中：T为弱预测器的个数；H
t
(X
k
)为将X
k
输入弱预测器t得到的预测输出向量；||H
t
(X
k
)
‑
Y
k
||2为计算H
t
(X
k
)
‑
Y
k

【专利技术属性】
技术研发人员：朱倚娴，蔡婷，吴宝玉，王勇，余军，梅宇，李喆，李银萍，
申请(专利权)人：南通大学，
类型：发明
国别省市：