【技术实现步骤摘要】
基于深度学习辅助的卫惯组合定位方法及导航方法
[0001]本专利技术属于定位
,具体涉及一种基于深度学习辅助的卫惯组合定位方法及导航方法。
技术介绍
[0002]随着经济技术的发展和人们生活水平的提高,定位技术已经广泛应用于人们的生产和生活当中,给人们的生产和生活带来了无尽的便利。因此,保障定位的精度和持续性,就成为了研究人员的研究重点之一。目前,为了保证定位过程的精确性和持续性,基于GNSS(全球导航卫星系统)与MEMS IMU(微机电惯性设备)的组合导航定位技术已成为室内外无缝导航定位领域一个研究热点。
[0003]在实际应用中,在室内、地下等GNSS拒止的室内环境下,由于没有GNSS观测的约束,惯导系统的递推误差将会快速发散;这使得定位误差会随时间迅速增长,最终导致定位结果无法使用。目前,虽然能够采用误差发散慢、精度高的精密IMU器件来解决这一问题,但是精密IMU器件的成本高昂。同时,虽然融合多种传感器(比如融入视觉传感器等)的定位方法能够有效进行高精度持续定位,但是这类方法需要增加额外的传感器,实际使用时并不方便,而且同样也会增加用户的成本。因此,目前的常用的定位方法,都无法实现低成本和持续性的高精度定位。
技术实现思路
[0004]本专利技术的目的之一在于提供一种精度高、可靠性高、持续性好且成本低廉的基于深度学习辅助的卫惯组合定位方法。
[0005]本专利技术的目的之二在于提供一种包括了所述基于深度学习辅助的卫惯组合定位方法的导航方法。
[0006]本专利技术提 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习辅助的卫惯组合定位方法,其特征在于包括如下步骤:S1. 获取GNSS定位数据和IMU传感器数据;S2. 对步骤S1获取的数据进行处理和同步;S3. 基于卷积神经网络和循环神经网络,构建并训练得到深度学习定位模型;S4. 基于IMU传感器数据,构建惯导误差分析方程并进行位置更新;基于GNSS定位数据,结合伪距双差、载波相位双差和多普勒单差观测值进行位置更新;基于步骤S3得到的深度学习定位模型进行位置更新;S5. 基于步骤S4得到的三类位置更新数据,采用卡尔曼滤波算法进行最优估计,得到最终的卫惯组合定位结果。2.根据权利要求1所述的基于深度学习辅助的卫惯组合定位方法,其特征在于所述的步骤S1,具体包括如下步骤:获取的GNSS定位数据包括卫星星历数据、载波相位数据、伪距数据、多普勒原始观测数据和GNSS基站差分数据;获取的IMU传感器数据包括IMU原始测量数据。3.根据权利要求2所述的基于深度学习辅助的卫惯组合定位方法,其特征在于所述的步骤S2,具体包括如下步骤:对获取的GNSS定位数据进行数据清洗,滤除异常数据;基于PPS授时系统,对获取的IMU原始测量数据和GNSS定位数据进行时间同步。4.根据权利要求3所述的基于深度学习辅助的卫惯组合定位方法,其特征在于所述的步骤S3,具体包括如下步骤:取设定时间段内的处理后的IMU传感器的加速度值和角速度值,并转换到导航坐标系下;将得到的数据输入标准CNN卷积神经网络,提取得到行人状态的隐藏特征;将得到的行人状态的隐藏特征输入若干个LSTM长短期记忆网路中,学习得到行人运动状态的时序特征;将得到的行人运动状态的时序特征,经过若干个全连接网络处理,得到深度学习定位模型预测的相对定位结果;根据得到预测的相对定位结果与真实的相对定位结果,采用MSE均方根作为误差函数,对深度学习定位模型进行迭代训练直至误差函数达到最小值,完成深度学习定位模型的训练。5.根据权利要求4所述的基于深度学习辅助的卫惯组合定位方法,其特征在于采用如下算式计算预测的相对定位结果:其中为预测的相对定位结果;度学习定位模型的模型函数;N为设定时间段内的数据数量;为m时刻导航坐标系的加速度值且,为m时刻IMU坐标系到导航坐标系的转换函数,a为IMU传感器中加速度计输出的加速度值,为IMU传感器中加速度计的零漂,为重力加速度
值;为m时刻导航坐标系的角速度值且,w为IMU传感器中角速度计输出的角速度值,为IMU传感器中角速度计的零漂。6.根据权利要求5所述的基于深度学习辅助的卫惯组合定位方法,其特征在于步骤S4所述的基于IMU传感器数据,构建惯导误差分析方程并进行位置更新,具体包括如下步骤:构建的惯导误差分析方程,具体包括如下的位置误差微分方程、速度误差微分方程和姿态误差微分方程:姿态误差微分方程:姿态误差微分方程:式中为位置误差微分值;为导航坐标系中的导航坐标系相对于ECEF坐标系的角速度;为导航坐标系下的位置误差;为计算坐标系到导航坐标系之间的失准角;为导航坐标系下的速度;为导航坐标系下的速度误差;为速度误差微分值;为载体坐标系到导航坐标系的转换矩阵;为加速度误差;为导航坐标系下的加速度;为导航坐标系下的姿态角;为地球自转角速度在导航坐标系的投影;为地球自转角速度在导航坐标系的投影的误差值;为导航坐标系中的导航坐标系相对于ECEF坐标系的角速度的误差值;为重力误差;为姿态误差微分值;为导航坐标系中导航坐标系相对于惯性坐标系的角速度;为导航坐标系中导航坐标系相对于惯性坐标系的角速度误差值;为导航坐标系中的角速度的误差值。7.根据权利要求6所述的基于深度...
【专利技术属性】
技术研发人员:孙德安,王锦山,于泠汰,王宇雨,方锐涌,冼志怀,李俊璋,
申请(专利权)人:长沙金维信息技术有限公司,
类型:发明
国别省市:
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。