System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能定位领域,且更为具体地,涉及一种北斗惯性导航定位方法及系统。
技术介绍
1、北斗卫星系统是中国自主研发的卫星导航系统,可以提供全球范围内的定位和导航服务。北斗卫星信号可以提供全球覆盖的高精度的位置信息,但是受到信号遮挡、多径干扰等因素的影响,可能出现定位不准确或失效的情况。惯性导航系统是一种不依赖于外部信号的自主导航系统,它通过测量加速度和角速度信号,可以估计出惯性导航平台的姿态和速度,从而推算出位置信息。但是惯性导航系统存在累积误差的问题,随着时间的推移,定位精度会逐渐降低。
2、因此,期望一种优化的北斗惯性导航定位方案,其能够将北斗卫星定位信息与惯性导航系统姿态和速度信息进行融合,从而获得更加精确的定位和导航结果。
技术实现思路
1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了北斗惯性导航定位方法及系统,其通过北斗卫星实时监测采集北斗定位数据,同时,通过惯性导航系统实时采集加速度值和角速度值,并在后端引入数据处理和分析算法来进行北斗定位数据和惯性导航系统的采集数据之间的时序协同分析,以此基于北斗卫星的定位信息与惯性导航系统的速度信息来综合进行定位结果的生成,这样可以克服北斗卫星信号受遮挡或多径效应等因素的影响,提高定位的准确性和稳定性,以获得更加精确的定位和导航结果,并提供高精度和可靠的定位和导航服务。
2、根据本申请的一方面,提供了北斗惯性导航定位方法,其包括:
3、获取由北斗卫星采集的预定时间段内多个预定时间点的
4、获取由惯性导航系统采集的所述多个预定时间点的加速度值和角速度值;
5、将所述多个预定时间点的加速度值和角速度值分别按照时间维度排列为加速度时序输入向量和角速度时序输入向量后,通过基于深度神经网络模型的运动特征提取器分别对所述加速度时序输入向量和所述角速度时序输入向量进行特征提取以得到加速度时序特征向量和所述角速度时序特征向量;
6、使用投影层来融合所述加速度时序特征向量和所述角速度时序特征向量以得到运动模式特征语义特征向量;
7、将所述多个预定时间点的北斗定位数据按照时间维度排列为北斗定位数据输入向量后,对所述北斗定位数据输入向量进行局部时序特征分析和局部时序语义关联编码以得到北斗定位数据语义理解特征向量;
8、计算所述北斗定位数据语义理解特征向量相对于所述运动模式特征语义特征向量的样本协方差矩阵以得到运动引导校正北斗定位数据语义理解特征;
9、基于所述运动引导校正北斗定位数据语义理解特征,确定定位结果。
10、根据本申请的另一方面,提供了北斗惯性导航定位系统,其包括:
11、北斗定位数据采集模块,用于获取由北斗卫星采集的预定时间段内多个预定时间点的北斗定位数据;
12、惯性导航参数采集模块,用于获取由惯性导航系统采集的所述多个预定时间点的加速度值和角速度值;
13、时序特征提取模块,用于将所述多个预定时间点的加速度值和角速度值分别按照时间维度排列为加速度时序输入向量和角速度时序输入向量后,通过基于深度神经网络模型的运动特征提取器分别对所述加速度时序输入向量和所述角速度时序输入向量进行特征提取以得到加速度时序特征向量和所述角速度时序特征向量;
14、运动模式特征融合模块,用于使用投影层来融合所述加速度时序特征向量和所述角速度时序特征向量以得到运动模式特征语义特征向量;
15、定位数据局部特征提取模块,用于将所述多个预定时间点的北斗定位数据按照时间维度排列为北斗定位数据输入向量后,对所述北斗定位数据输入向量进行局部时序特征分析和局部时序语义关联编码以得到北斗定位数据语义理解特征向量;
16、定位数据校正模块,用于计算所述北斗定位数据语义理解特征向量相对于所述运动模式特征语义特征向量的样本协方差矩阵以得到运动引导校正北斗定位数据语义理解特征;
17、定位结果确定模块,用于基于所述运动引导校正北斗定位数据语义理解特征,确定定位结果。
18、与现有技术相比,本申请提供的北斗惯性导航定位方法及系统,其通过北斗卫星实时监测采集北斗定位数据,同时,通过惯性导航系统实时采集加速度值和角速度值,并在后端引入数据处理和分析算法来进行北斗定位数据和惯性导航系统的采集数据之间的时序协同分析,以此基于北斗卫星的定位信息与惯性导航系统的速度信息来综合进行定位结果的生成,这样可以克服北斗卫星信号受遮挡或多径效应等因素的影响,提高定位的准确性和稳定性,以获得更加精确的定位和导航结果,并提供高精度和可靠的定位和导航服务。
本文档来自技高网...【技术保护点】
1.北斗惯性导航定位方法,其特征在于,包括:
2.根据权利要求1所述的北斗惯性导航定位方法,其特征在于,所述基于深度神经网络模型的运动特征提取器为基于一维卷积层的运动特征提取器。
3.根据权利要求2所述的北斗惯性导航定位方法,其特征在于,使用投影层来融合所述加速度时序特征向量和所述角速度时序特征向量以得到运动模式特征语义特征向量,包括:使用所述投影层以如下融合公式来融合所述加速度时序特征向量和所述角速度时序特征向量以得到所述运动模式特征语义特征向量;
4.根据权利要求3所述的北斗惯性导航定位方法,其特征在于,将所述多个预定时间点的北斗定位数据按照时间维度排列为北斗定位数据输入向量后,对所述北斗定位数据输入向量进行局部时序特征分析和局部时序语义关联编码以得到北斗定位数据语义理解特征向量,包括:
5.根据权利要求4所述的北斗惯性导航定位方法,其特征在于,计算所述北斗定位数据语义理解特征向量相对于所述运动模式特征语义特征向量的样本协方差矩阵以得到运动引导校正北斗定位数据语义理解特征,包括:
6.根据权利要求5所述的北斗惯性导航
7.根据权利要求6所述的北斗惯性导航定位方法,其特征在于,还包括训练步骤:用于对所述基于一维卷积层的运动特征提取器、所述投影层、所述基于LSTM模型的定位数据上下文编码器和所述解码器进行训练。
8.根据权利要求7所述的北斗惯性导航定位方法,其特征在于,所述训练步骤,包括:
9.北斗惯性导航定位系统,其特征在于,包括:
10.根据权利要求9所述的北斗惯性导航定位系统,其特征在于,所述基于深度神经网络模型的运动特征提取器为基于一维卷积层的运动特征提取器。
...【技术特征摘要】
1.北斗惯性导航定位方法,其特征在于,包括:
2.根据权利要求1所述的北斗惯性导航定位方法,其特征在于,所述基于深度神经网络模型的运动特征提取器为基于一维卷积层的运动特征提取器。
3.根据权利要求2所述的北斗惯性导航定位方法,其特征在于,使用投影层来融合所述加速度时序特征向量和所述角速度时序特征向量以得到运动模式特征语义特征向量,包括:使用所述投影层以如下融合公式来融合所述加速度时序特征向量和所述角速度时序特征向量以得到所述运动模式特征语义特征向量;
4.根据权利要求3所述的北斗惯性导航定位方法,其特征在于,将所述多个预定时间点的北斗定位数据按照时间维度排列为北斗定位数据输入向量后,对所述北斗定位数据输入向量进行局部时序特征分析和局部时序语义关联编码以得到北斗定位数据语义理解特征向量,包括:
5.根据权利要求4所述的北斗惯性导航定位方法,其特征在于,计算所述北斗定位数据语义理解特征向...
【专利技术属性】
技术研发人员:刘玲,李大卓,冯迪,张志坤,王同德,马伯浩,刘天旺,翟晓晓,杨梦琦,
申请(专利权)人:中交星宇科技有限公司,
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。