神经网络辅助的GPS/INS组合导航自适应UKF算法

发布时间：2021-01-04 09:44

　　GPS/INS组合导航非线性系统最优估计算法中,基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布,提出了一种神经网络辅助的多重渐消因子自适应SVD-UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响,利用奇异值分解抑制UKF中先验协方差矩阵负定性变化,同时构造多重渐消因子对预测状态协方差阵进行调整,使得不同的滤波通道具有不同的调节能力,高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明,神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响,拓展了多重渐消因子的应用范围,使其能在观测值含有粗差的条件下自适应调节不同滤波通道,消除滤波状态中的异常,提高组合导航解的精度和可靠性。 

【文章来源】：测绘学报. 2015年04期 北大核心

【文章页数】：8 页

【文章目录】：
1　前　言
2　基于多重渐消因子的 GPS/INS组合系统自适应SVD-UKF算法
    2.1　SVD-UKF算法
        2.1.1　状态参数初始化
        2.1.2　计算Sigma点
        2.1.3　时间更新
        2.1.4　测量更新
        2.1.5　滤波更新
    2.2　多重渐消因子
3　RBFNN辅助多重渐消因子自适应滤波
    3.1　径向基神经网络原理
    3.2　RBFNN辅助自适应算法模型
4　计算与分析
    4.1　预测残差向量数字特征分析
    4.2　RBFNN辅助多重渐消因子自适应SVD-UKF算法分析
5　结　论


【参考文献】：
期刊论文
[1]支持向量回归辅助的GPS/INS组合导航抗差自适应算法[J]. 谭兴龙,王坚,韩厚增.  测绘学报. 2014(06)
[2]多渐消因子卡尔曼滤波及其在SINS初始对准中的应用[J]. 钱华明,葛磊,彭宇.  中国惯性技术学报. 2012(03)
[3]多渐消因子Kalman滤波器在SINS初始对准中的应用（英文）[J]. 高伟熙,缪玲娟,倪茂林.  Chinese Journal of Aeronautics. 2011(04)
[4]GNSS/INS组合导航误差补偿与自适应滤波理论的拓展[J]. 吴富梅.  测绘学报. 2011(03)
[5]基于等效残差积探测粗差的方差-协方差分量估计[J]. 李博峰,沈云中.  测绘学报. 2011(01)
[6]基于SUT-EKF的DGPS/DR组合定位算法[J]. 石杏喜,王铁生,黄波,赵春霞.  测绘学报. 2010(05)
[7]自适应UKF算法及其在GPS/INS组合导航中的应用[J]. 高为广,何海波,陈金平.  北京理工大学学报. 2008(06)
[8]神经网络辅助的GPS/INS组合导航自适应滤波算法[J]. 高为广,杨元喜,张婷.  测绘学报. 2007(01)
[9]Adaptively robust filtering with classified adaptive factors[J]. CUI Xianqiang and YANG Yuanxi (Xi’an Research Institute of Surveying and Mapping, Xi’an 710054, China).  Progress in Natural Science. 2006(08)
[10]组合导航系统多重衰减因子自适应估计算法比较研究[J]. 耿延睿,郭伟,崔中兴.  中国惯性技术学报. 2004(02)



本文编号：2956561